MétaCan
Menu
Retour à la cohorte
Enregistrement W1591618964 · doi:10.1109/acc.2015.7171827

Observer-based spacecraft attitude tracking with guaranteed performance bounds

2015· article· en· W1591618964 sur OpenAlexaff
Anton de Ruiter

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueInertial Sensor and Navigation
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésControl theory (sociology)Angular velocityObserver (physics)SpacecraftTracking (education)TorqueTracking errorInertiaComputer scienceAttitude controlObservational errorMathematicsControl (management)PhysicsEngineeringControl engineeringArtificial intelligenceStatistics

Résumé

récupéré en direct d'OpenAlex

Recently, a sequential Lyapunov technique has been developed for the purpose of determining non-conservative steady-state performance bounds for rigid spacecraft attitude tracking. In particular, given known bounds on disturbance torques and uncertainties in the spacecraft inertia matrix, non-conservative ultimate bounds were obtained for the attitude tracking error assuming that the attitude and angular velocity are measured with known bounds on the measurement errors. In this paper, these results are extended to the case where the attitude and angular velocity are not measured, but estimated using an observer. Specifically, it is shown that given any attitude and angular velocity observer with known ultimate bounds on the estimation errors, the previously developed expressions for the ultimate bounds on the tracking error remain valid with observer-based control, provided the ultimate bounds on the estimation errors are used in place of the previously fixed bounds on the measurement errors. A numerical example of attitude tracking using a gyro and a single vector measurement demonstrates the utility of the proposed technique.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,031
Tête enseignante GPT0,208
Écart entre enseignants0,177 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetInertial Sensor and NavigationTravaux en français237 207