MétaCan
Menu
Retour à la cohorte
Enregistrement W3007911081 · doi:10.2514/1.g004751

Achievable Halo Phasing with Short-Range Trajectories

2020· article· en· W3007911081 sur OpenAlexaff
Yi Qi, Anton de Ruiter

Notice bibliographique

RevueJournal of Guidance Control and Dynamics · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueSpacecraft Dynamics and Control
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésPhaserHaloHalo orbitControl theory (sociology)ComputationOrbit (dynamics)Impulse (physics)Computer sciencePhysicsMathematicsAerospace engineeringAlgorithmEngineeringOpticsClassical mechanicsAstrophysics

Résumé

récupéré en direct d'OpenAlex

Short-range halo phasing orbits, which are a type of phasing orbit remaining around the halo orbit, are investigated in the Earth–moon system. The influence of the start and end points on the halo phasing problem is investigated by numerical computation. Under the limitation of the thrust engine, an optimization problem for two-impulse phasing orbits is proposed to achieve the maximum phase change. Numerical computations show that, for the given maximum possible impulsive burn, there exist four types of locally optimal preceding phasing orbits and four types of locally optimal receding phasing orbits. The results of the eight types of optimal phasing orbits are discussed in detail. The “leapfrogging” strategy, composed of several two-impulse phasing arcs, is proposed for phasing missions requiring a large phase difference. Furthermore, halo phasing orbits with continuous thrusts are constructed and investigated. By first using the backstepping method to transform impulsive maneuvers into continuous thrusts and then using the backstepping results as initial guesses, optimal continuous phasing orbits are further constructed.

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)0,001
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 seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,005
Tête enseignante GPT0,185
Écart entre enseignants0,179 · 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

Citations7
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

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