Universidade Estadual do Maranhão

Centro de Ciências Tecnológicas

Programa de Pós-Graduação em Engenharia da Computação e Sistemas

Redes Neurais Aplicadas ao Cálculo de Ajuste

do Lançador de Foguetes Não-Guiados

Luiz Otávio Cordeiro Fontenelle Graça

Orientador: prof. dr. Areolino de Almeida Neto

Coorientador: prof. dr. Alexandre Garcia

São Luís
2019
Sumário
Objetivos
Justificativa
Lançamento de foguetes não-guiados
Ajuste do lançador via redes neurais
Materiais utilizados
Simulador empregado: UROCKS
Reprodução do método de cálculo do programa Guará
Método URLANN
Desenvolvimento da rede neural
Compensação antissimétrica iterativa
Testes comparativos com o software Guará
Resultados
Conclusão
Agradecimentos 2
Objetivos
Geral
• Desenvolver e avaliar um método de ajuste dos ângulos do lançador que compensam os efeitos do
vento na trajetória nominal usando redes neurais e um simulador de trajetórias de 6 gdl

Específicos
• Desenvolver rede neural para cálculo dos ângulos do lançador

• Avaliar a rede neural desenvolvida

• Comparar método proposto com o software Guará

3
Justificativa
• O software Guará apresenta imprecisões que podem culminar em erros de cálculo

• A melhoria no ajuste contribui com o aumento da segurança no lançamento

• Maior precisão implica facilidade em resgate de cargas úteis

4
 Lançamento de foguetes não-guiados
• Foguetes não-guiados

• Não dispõem de meios para correção de trajetória

• Finalidade: Treinamento ou experimentos de microgravidade

• Importância:
• Manter equipes capacitadas e ativas
• Formação de base tecnológica para foguetes de maior porte
• Experimentos de microgravidade

5
 Lançamento de foguetes não-guiados

Foguetes suborbitais cruzam o limite

da atmosfera terrestre
(aproximadamente 100 km) por
alguns minutos e realizam reentrada,
caindo no oceano

6
Lançamento de foguetes não-guiados
• CLA

7
 Lançamento de foguetes não-guiados
• Segurança de Voo (SVO)

• Identificação, análise e redução dos riscos do lançamento.

• Receber dados do setor de Dinâmica de Voo do IAE e eleger a melhor trajetória nominal.

• Interditar região de possíveis impactos.

8
Lançamento de foguetes não-guiados
• Ajustar o lançador de foguetes não controlados para compensar efeitos do vento.

9
Lançamento de foguetes não-guiados
• Software Guará

• Entradas:
• Informações referentes à trajetória nominal;
• Pesos das camadas;
• Dados de vento;
• Saída:
• Ângulo de Azimute;
• Ângulo de Elevação.

10
Lançamento de foguetes não-guiados
• Software Guará
• Cálculo de ajuste:
1. Receber dados de vento;

2. Prever desvios do ponto de impacto (DPI);

3. Calcular ajuste do lançador (ângulos de azimute e elevação).

Compensação antissimétrica

11
Lançamento de foguetes não-guiados
• Software Guará
• Cálculo de ajuste – 1. Receber dados de vento

Pesagem das camadas de vento Vento balístico

Altitude

hN F(hN)

hN-1 F(hN-1)

h3 F(h3)

h2 F(h2)
h1 F(h1)

12
 Lançamento de foguetes não-guiados
• Software Guará
• Cálculo de ajuste – 2. Prever os desvios do PI
• Desvio Lateral

VISTA SUPERIOR
Vento balístico lateral =

• Desvio frontal ou de cauda

VISTA LATERAL

Vento balístico de cauda Vento balístico frontal =

13
Lançamento de foguetes não-guiados
• Software Guará
• Cálculo de ajuste – 3. Calcular ângulos compensados de azimute () e elevação ()
• Azimute:

• Elevação:

Tower Tilt Effect [km/°]:

14
Lançamento de foguetes não-guiados
• Principais problemas no ajuste pelo programa
Guará:
• Erro na compensação antissimétrica;

15
Lançamento de foguetes não-guiados
• Principais problemas no ajuste pelo programa
Guará:

• O desvio de vento unitário varia com a elevação;

• Os pesos das camadas para a trajetória compensada são diferentes;

• A relação entre o alcance e o ângulo de elevação (TTE) é considerada linear, mas sabe-se que
essa relação é não-linear;

16
Ajuste do lançador via redes neurais

• Materiais utilizados:
• Software Matlab
• Simulador de trajetórias de 6 gdl
• Código que reproduz as equações utilizadas pelo programa Guará
• Computador: core i7 2.9 GHz, 16 Gb RAM, Windows 10
• Dados de sondagens de vento realizadas no CLA
• Dados de um foguete fictício semelhante ao foguete de sondagem VSB-30

17
 Ajuste do lançador via redes neurais
• Simulador empregado: UROCKS Parâmetros de saída UROCKS - ROSI

• Dinâmica de 1 gdl: movimento no trilho

• Dinâmica de 6 gdl: voo atmosférico
• Dinâmica de 3 gdl: reentrada atmosférica
• Entradas
• Ângulos do lançador
• Vento
• Parâmetros do veículo e das fases de voo
• Saídas
• Parâmetros do voo: posição,
altitude, velocidade,
variação da pressão
dinâmica etc

18
 Ajuste do lançador via redes neurais
• Reprodução do método de cálculo do Guará

Código dividido em dois scripts:

• Pesagem de vento e cálculo dos desvios de vento unitário:

• Simulador UROCKS

• Cálculo dos ângulos do lançador:

• Vento balístico
• Previsão dos desvios causados pelo vento
• Cálculo do TTE
• Obtenção dos ângulos ajustados

19
 Ajuste do lançador via redes neurais
• Reprodução do método de cálculo do Guará

Quatro exemplos para ilustração:

• Ventos aleatórios
• Ângulos de azimute e elevação nominais aleatórios

Distância entre os dois PIs

perturbados: simulado via
Exemplo
UROCKS e calculado via Guará
(km)
1 14,5
2 18,7
3 23,1
4 22,2

20
 Ajuste do lançador via redes neurais
• Reprodução do método de cálculo do Guará

Quatro exemplos para ilustração:

• Ventos aleatórios
• Ângulos de azimute e elevação nominais aleatórios

Coordenadas do PI
Coordenadas do PI
Resultante - Guará
Nominal (km) Distância
(km)
Ex. entre os
PIs (km)
Norte-Sul Leste-Oeste Norte-Sul Leste-Oeste

1 117,3 219,8 125,7 242,9 24,5

2 112,4 232,7 122,9 255,8 25,3
3 69,0 170,1 75,7 179,4 11,4
4 110,6 286,9 117,1 311,5 25,4
21
 Ajuste do lançador via redes neurais
• Método URLANN
Passos Guará
1 Recepção dos dados de vento
Previsão dos desvios causados
pelo vento:
2 • Pesagem de vento
• Desvio de vento unitário
• Vento balístico
Cálculo dos ângulos do lançador:
3 ângulos do lançador
• TTE
URLANN
Recepção dos dados de vento
Ajuste iterativo
Previsão do ponto de
impacto perturbado com um
simulador de trajetórias de 6
gdl
Rede neural para cálculo dos
22
Ajuste do lançador via redes neurais
• Desenvolvimento da rede neural

Configurações da rede
Tipo de rede: feedforward
Número de camadas: 3 (entrada - oculta - saída)
Número de neurônios: 4 de entrada, 15 ocultos e 2 de saída
Uso de bias: 15 na camada oculta e 2 na camada de saída
Funções de ativação dos neurônios ocultos: tangente hiperbólica
Função de ativação na camada de saída: linear

23
Ajuste do lançador via redes neurais
• Desenvolvimento da rede neural

• Geração dos dados

Simulações:
• Azimute: -20° a 120°, com incremento de 0,3° 14477 simulações
• Elevação: 80° a 86°, com incremento de 0,2°

Matriz de entradas Matriz de saídas

24
Ajuste do lançador via redes neurais
• Desenvolvimento da rede neural
• Pré-treinamento: • Treinamento • Pós-Treinamento
Divisão dos dados:
• Algoritmo Levenberg- Coeficientes de correlação
Treinamento: 70%
Marquardt para:
Validação: 15%
• Treinamento
Testes: 15%
• Função Custo: erro • Validação
Normalização: função nativa quadrático médio • Teste
mapminmax para normalizar
as entradas e saídas em • Critérios de parada:
valores entre -1 e 1 • função custo = 0
• 5000 iterações
• divergência por 500
épocas seguidas

• Early stopping
25
Ajuste do lançador via redes neurais
• Desenvolvimento da rede neural

26
Ajuste do lançador via redes neurais
• Desenvolvimento da rede neural
Avaliação dos coeficientes de correlação pós-treinamento
Treinamento Validação Teste Conclusão e recomendação

É necessário reconfigurar a topologia

Ruim Ruim Ruim
da rede.

Indica overfitting. Recomenda-se a

Bom Ruim Ruim diminuição do tamanho da rede e a
repetição do treinamento.

Chama-se extrapolação. O treinamento

Bom Bom Ruim
precisa de mais dados (exemplos).

Bom Bom Bom Treinamento satisfatório.

27
Ajuste do lançador via redes neurais
• Desenvolvimento da rede neural

28
Ajuste do lançador via redes neurais
Compensação antissimétrica iterativa
Norte

PIP
PIR1
PIR3 PIR2
PIN
PIC1
PIC2
PIC3

Leste

29
Ajuste do lançador via redes neurais
Testes comparativos com o software Guará

Comparação 1: Cálculos dos ângulos do lançador:

• 10 pontos de impacto propostos
• Comparar capacidade em fornecer os ângulos necessários para atingi-los

Comparação 2: Ajustes realizados pelos dois métodos:

• 50 situações aleatórias de vento e ângulos nominais
• 4 rodadas de testes: URLANN com 1, 2, 3 e 4 iterações
• Comparar as distâncias entre o impacto gerado por cada ajuste e o nominal

30
Resultados
Comparação 1

10 pontos de impacto aleatórios Resultados dos dois métodos

Guará:
• Azimute nominal: 65°
• Elevação nominal: 84°
TTE = .

31
Resultados
Comparação 1

10 pontos de impacto aleatórios

32
Resultados
Comparação 2

Parâmetros de comparação:
• Média das distâncias obtidas entre o PIR e o PIN, em km
• Média das reduções dos desvios causados pelo vento (distância entre o PIP e o PIN), em %

Em cada rodada de testes, foram analisados:

• Melhoria do método URLANN em relação ao ajuste fornecido pelo Guará, em %
• Tempo de execução do programa URLANN

33
 Resultados
Comparação 2
1ª Rodada
Guará:
Média das distâncias entre o PIN e o PIR: km
Média das reduções entre o PIN e o PIP:

URLANN:
Média das distâncias entre o PIN e o PIR: km
Média das reduções entre o PIN e o PIP:

Melhoria média: 78,13%

Tempo máximo: 3,8 s

34
 Resultados
Comparação 2
2ª Rodada
Guará:
Média das distâncias entre o PIN e o PIR: km
Média das reduções entre o PIN e o PIP:

URLANN:
Média das distâncias entre o PIN e o PIR: km
Média das reduções entre o PIN e o PIP:

Melhoria média: 96,74%

Tempo máximo: 5,0 s

35
 Resultados
Comparação 2
3ª Rodada
Guará:
Média das distâncias entre o PIN e o PIR: km
Média das reduções entre o PIN e o PIP:

URLANN:
Média das distâncias entre o PIN e o PIR: km
Média das reduções entre o PIN e o PIP:

Melhoria média: 99,4%

Tempo máximo: 7,1 s

36
 Resultados
Comparação 2
4ª Rodada
Guará:
Média das distâncias entre o PIN e o PIR: km
Média das reduções entre o PIN e o PIP:

URLANN:
Média das distâncias entre o PIN e o PIR: km
Média das reduções entre o PIN e o PIP:

Melhoria média: 99,7%

Tempo máximo: 7,4 s

37
Conclusão

• Os objetivos específicos foram atingidos

• A rede neural é superior ao software Guará na etapa de cálculo dos ângulos do lançador

• As modificações propostas pelo método URLANN reduzem a distância entre o PI nominal e o PI

resultante do ajuste

• Na maioria dos testes, a primeira iteração do método URLANN já reduziu os efeitos do vento para
uma distância abaixo de 10 km

• O tempo de execução do método proposto em todas as iterações está dentro do intervalo de

atualização do perfil de vento no Setor de Segurança de Voo (20 s)

38
Conclusão

• Trabalhos futuros:

• Comparações entre o método URLANN e o MBV – método baseado em voos de Da Mata (2017)
em um estudo de caso

• Teste do método URLANN com foguetes diferentes

• Verificação de resultados do método URLANN para ajuste do lançador em lançamentos reais

• Uso de outros simuladores para integrar o método, por exemplo, simuladores que adotam o modelo
de terra esferoidal

39
Agradecimentos

40