MétaCan
Menu
Retour à la cohorte
Enregistrement W2110610429 · doi:10.2514/1.62154

Optimal Control of Nanosatellite Fast Deorbit Using Electrodynamic Tether

2014· article· en· W2110610429 sur OpenAlexaff
Rui Zhong, Zheng Zhu

Notice bibliographique

RevueJournal of Guidance Control and Dynamics · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueSpacecraft Dynamics and Control
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésControl theory (sociology)Optimal controlDiscretizationTrajectoryPiecewiseTrajectory optimizationOrbit (dynamics)Collocation (remote sensing)PhysicsComputer scienceMathematicsMathematical optimizationControl (management)EngineeringAerospace engineeringMathematical analysis

Résumé

récupéré en direct d'OpenAlex

This paper proposes a piecewise two-phased optimal control scheme for fast nanosatellite deorbit by a short electrodynamic tether. The first phase concerns the open-loop control trajectory optimization, where the optimal control problem is formulated only for the tether libration motion by assuming the slow-varying orbital elements of the electrodynamic tether system as constant within a discretized interval. The second phase deals with the closed-loop optimal control for tracking the derived optimal reference trajectory subject to multiple major orbital perturbations. The finite receding horizon control method is used in the optimal trajectory tracking. Both optimal control problems are solved by a direct collocation method based on the Hermite–Simpson method using discretization schemes with coincident nodes. The resulting nonlinear programming problem significantly reduces the problem size and improves the computational efficiency. Numerical results for fast nanosatellite deorbit by an electrodynamic tether in both equatorial and highly inclined orbits show the proposed method achieves high control accuracy and efficiency.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,003
Tête enseignante GPT0,187
Écart entre enseignants0,184 · 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

Citations57
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Guidance Control and DynamicsMême sujetSpacecraft Dynamics and ControlTravaux en français237 207