MétaCan
Menu
Retour à la cohorte
Enregistrement W2122781316 · doi:10.2514/6.2007-6354

The SPHERES Navigation System: from Early Development to On-Orbit Testing

2007· article· en· W2122781316 sur OpenAlexfundno aff
Simon Nolet

Notice bibliographique

RevueAIAA Guidance, Navigation and Control Conference and Exhibit · 2007
Typearticle
Langueen
DomaineEngineering
ThématiqueInertial Sensor and Navigation
Établissements canadiensnon disponible
Organismes subventionnairesFonds Québécois de la Recherche sur la Nature et les TechnologiesElse Kröner-Fresenius-StiftungU.S. Department of Defense
Mots-clésOrbit (dynamics)SPHERESAerospace engineeringDevelopment (topology)Computer scienceEngineeringMathematics

Résumé

récupéré en direct d'OpenAlex

Engage and Reorient Experimental Satellites (SPHERES) facility for the testing of for-mation flight and autonomous docking algorithms inside the International Space Station (ISS), in NASA’s reduced gravity aircraft and in a 1-g laboratory environment. To pro-vide SPHERES with reliable and accurate position, velocity, attitude and angular rate estimation, an innovative state estimation system based on ultrasound transmission has been developed. An extended Kalman filter (EKF) processes time-of-flight data collected by ultrasonic receivers, as well as angular rate measurements provided by gyroscopes, to compute the state estimates required by the satellites when maneuvering. To increase the robustness of the system, the EKF has been augmented with a fault detection capability that uses the filter innovation (residual) to diagnose measurement errors. Two versions of the algorithm were successfully implemented and used on the SPHERES facility onboard the ISS during a series of five test sessions, from May 2006 to November 2006. This paper describes both versions in detail, along with difficulties encountered during the implemen-tation on the hardware and their solution. Results from experiments performed in the ISS to validate the algorithms are also presented.

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)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,012
Tête enseignante GPT0,216
Écart entre enseignants0,204 · 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'étudeExpérimental (laboratoire)
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

Citations39
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAIAA Guidance, Navigation and Control Conference and ExhibitMême sujetInertial Sensor and NavigationTravaux en français237 207