An Efficient Approach to Subsystem Design: Autonomous GNC - A Case Study
Notice bibliographique
Résumé
Budgets are shrinking, therefore the space community is focusing on small satellites to satisfy a wide range of applications. New and emerging technologies are helping to make small satellite development less costly. However, matching improvements in the design and development process are also required. In this regard, simulation is playing an increasingly important role. The paper describes the design and development of a typical small satellite's autonomous Guidance, Navigation and Control (GNC) subsystem supported by a graphical simulation tool. The GNC is one of the critical technology elements and could be a significant cost driver on future small satellite programs due to the high costs of the ground segment. The paper will focus on different aspects of GNC design including the on-board software development through concurrent simulation and hardware-in-the-Ioop integration and testing. In introduction, the paper explains the concurrent engineering design approach using a graphical simulation tool. The focus is then shifted onto the Canadian Smart Satellite Mini Platform program. This is followed by a general discussion on autonomous GNC subsystem. The need for establishing a framework for a complete spacecraft simulation architecture is presented followed by a brief description of individual simulation models. In addition, the advantages of using concurrent simulation for on-board software development and GNC design are discussed. In conclusion, the paper describes the advantages of using simulation as a concurrent design tool and the potential benefits gained from autonomous GNC.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».