On the Autonomous in Orbit Calibration of Satellite Attitude Sensors
Notice bibliographique
Résumé
Typically, satellite attitude control software includes a few algorithms to determine satellite attitude. The most accurate Attitude Determination Mode (ADM) is designated as the primary ADM and is used as the reference base (physical platform) to calibrate redundant auxiliary sensors. They are not involved in closed loop control of satellite attitude in the primary ADM and can therefore be considered as passengers; however, they are used as part of the control loop under special circumstances: e.g. eclipse, primary sensor failure, recovery from Safe Hold Mode, and special attitude manoeuvres. Such a strategy has been adopted by two Canadian satellite missions: RADARSAT–1 and SciSat, both of which are operated by the CSA Mission Control Centre (MCC). In developing its strategies for small and micro satellite design and operation, the Canadian Space Agency (CSA) recognises the benefits of providing this new generation of satellites with the capability of extended operation autonomy. The goal of such autonomy is to reduce the cost and complexity of satellite mission support, which is in line with the microsatellite philosophy. A large part of the early stages of satellite operation is devoted to the evaluation of attitude accuracy and the calibration of attitude sensors in orbit. This article proposes a general approach to solving the sensor calibration problem autonomously using an onboard processor with a sub-optimal Kalman Filter (KF). The approach is illustrated with RADARSAT-1 magnetometer calibration. This paper proposes the transfer of calibration authority from a ground-based MCC to on-board algorithms, while preserving the underlying calibration strategy. A recursive Kalman Filter [5] algorithm is used for real time on-board estimation of the calibration parameters of a satellite’s attitude sensors. To have the method applicable for a microsatellite with an inexpensive, resource-limited processor, some effort was spent to suboptimise the developed Kalman Filter in order to make it more economical from a computational loading point of view. The approach presented in this paper avoids the computation of covariance matrices and weight coefficients – which are the most computationally demanding aspects of Kalman Filtering – by approximating these coefficients as analytical functions of time [2]. The decision concerning the insertion of the derived estimates into the control algorithms is based on a criterion of trust, including evaluation of the values of the estimates and their stability in time after some pre-determined observation period.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».