MétaCan
Menu
Retour à la cohorte
Enregistrement W2963673165 · doi:10.1109/rast.2019.8767789

Attitude Estimation for a Deorbiter CubeSat

2019· article· en· W2963673165 sur OpenAlexaff
Houman Hakima, M. Reza Emami

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueSpace Satellite Systems and Control
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésCubeSatQuaternionKalman filterControl theory (sociology)EstimatorSpacecraftComputer scienceExtended Kalman filterMonte Carlo methodTorqueAngular velocityStar trackerInertial measurement unitAttitude controlAerospace engineeringSatellitePhysicsEngineeringMathematicsArtificial intelligenceClassical mechanics

Résumé

récupéré en direct d'OpenAlex

This paper investigates the attitude estimation ca pabilities of a debris-removing nanosatellite called deorbite CubeSat. The spacecraft is designed based on the utilizatioi of commercially-available components with long space heritage which are embedded in an eight-unit form factor. The attitud. estimation machinery employed in this work is a discrete time, quaternion-based, extended Kalman filter, which utilize measurements provided by a three-axis rate sensor, five su sensors, and a three-axis magnetometer. To obtain a linear state space model, gravity gradient and magnetic disturbance torque are included in the plant model, and the model is linearizec with respect to the process noise and the states, namely the inertial angular velocities and the quaternions. measurement noises are modelled based on zero-mean Gaussian distributions and are quantified based on the performance of the state-of-the art, commercial-of-the-shelf devices. A Monte Carlo simulatioi is created to analyze the performance of the estimator agains various initial angular velocities and quaternions, both in the sunlit and in the eclipsed portions of the orbit. In light o the results, the accuracy of the deorbiter CubeSat's attitud knowledge is discussed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique
Score de désaccord entre enseignants0,532
Score d'incertitude au seuil0,652

Scores Codex et Gemma par catégorie

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 ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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 Opus0,003
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 tête enseignante, 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

Citations3
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSpace Satellite Systems and ControlTravaux en français237 207