When a Mars lander is guided to follow a predetermined reference trajectory during the powered descent phase, large tracking errors occur due to strong perturbations caused by enormous external disturbances, such as the Martian atmosphere and wind and dust storms, as well as considerable uncertainties. The tracking performance is determined directly by the accuracy of the system model, especially with regard to nonlinear terms. In this dissertation, an adaptive backstepping radial basis function (RBF) neural network controller is developed for a Mars lander to achieve precise tracking to a reference trajectory during the powered descent phase. The main part of the controller is designed with backstepping, and a RBF neural network with an online adaptive law for the weight vector is used as an auxiliary part to approximate unknown nonlinear functions, including the gravitational force, Coriolis force, centrifugal force, atmospheric drag force, atmospheric lift force, wind force, and large uncertainties. The proposed adaptive backstepping RBF neural network controller guarantees that tracking errors and RBF neural network weight estimation errors eventually converge to the uniformly ultimately bounded values according to the Lyapunov stability theory. Additionally, this study presents an online adaptive law for the weight vector to approximate the unknown nonlinear functions. The simulation results show that the adaptive backstepping RBF neural network controller has an excellent tracking performance in the severe environmental conditions of Mars with strong external disturbances and large variations in uncertainties. Furthermore, this study reveals that the RBF neural network has an outstanding capability to approximate unknown nonlinear functions.
화성착륙선이 동력하강단계에서 목적지에 착륙하기 위해 미리 결정된 기준궤적을 따라가도록 유도될 때 화성대기, 바람, 모래폭풍 등의 강한 외란과 파라미터들의 큰 불확실성에 의해 발생된 강한 섭동력때문에 큰 추적오차가 발생한다. 화성착륙선이 기준 궤적을 따라가는 추적 성능은 시스템 모델의 정확도에 의해 직접적으로 결정되는데, 특히 비선형 항들의 영향이 가장 크다. 본 논문에서는 화성착륙선이 동력하강단계에서 목표지점에 정확하고 안전하게 착륙하기 위해 기준궤적을 정밀하게 따라가도록 적응 백스테핑 방사형 기저함수 신경망 제어기를 설계하였다. 설계된 제어기의 주요부분은 백스테핑 제어로 설계되었으며, 보조제어기로 가중치에 대해 실시간 적응법칙을 갖는 적응 방사형 기저함수 신경망 제어가 사용되었다. 적응 방사형 기저함수 신경망 제어는 실시간으로 가중치를 조절하여 화성착륙선의 운동에 직접적으로 영향을 끼치는 화성중력, 코리올리 힘, 원심력, 화성대기 마찰력 및 대기항력, 바람, 파라미터 불확실성 등 미지의 섭동력을 정확하게 근사화하여 화성착륙선의 운동을 정밀하게 제어한다. 본 논문에서 제안된 적응 백스테핑 방사형 기저함수 신경망 제어기는 추적 오차와 신경망 제어의 가중치 추정 오차가 리야프노프 안정성 이론에 의해 궁극적으로 일정한 크기의 제한된 임계값 안으로 수렴된다는 것이 증명되었다. 또한 본 논문에서는 비선형 함수를 정확하게 근사하기 위한 가중치 벡터에 대한 실시간 적응 법칙이 제시되었다. 본 논문의 시뮬레이션 결과들은 적응 백스테핑 방사형 기저함수 신경망 제어기가 강한 외란과 파라미터 불확실성이 매우 큰 특징을 갖고 있는 화성의 극한 환경 조건하에서 매우 뛰어난 추적 성능을 갖는다는 것을 보여준다. 또한 본 연구는 적응 방사형 기저함수 신경망 제어가 미지의 비선형 함수를 근사화하는데 매우 뛰어난 능력을 가지고 있음을 보여준다.
