Cooperative State and Fault Estimation of Formation Flight of Satellites in Deep Space Subject to Unreliable Information
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In this paper, a novel distributed cooperative estimation framework for a formation flight of satellites is proposed. This framework is developed based on the notion of sub-observers. Within a group of sub-observers each one is estimating certain states that are conditioned on a given input, output, and state information. In order to guarantee the ultimate boundedness of the estimation errors, a sub-observer dependency (SOD) digraph is introduced that is assumed to be acyclic. The overall estimation process is modeled by a weighted sub-observer dependency estimation (WSODE) digraph. By selecting an optimal path in the WSODE digraph, a high-level supervisor can then select and configure a set of sub-observers to successfully estimate all the system states. In presence of unreliable information due to large disturbances, noise, and actuator faults certain sub-observers may become invalid. In this case, the supervisor reconfigures the set of sub-observers by selecting a new path in the WSODE digraph such that the impacts of these uncertainties are managed and confined to only the local estimates of states and faults. This will consequently prevent the propagation of uncertainties to the entire estimation process and the performance degradations to the entire formation flight of satellites. Simulations are conducted for a five satellite formation flight system in deep space and the comparative results with a centralized Kalman filter (CKF) technique are shown to confirm the validity and advantages of our developed analytical work.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle