Controller Tuning and Robustness Testing of Attitude Control Laws for a CubeSat Mission
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
The purpose of this project was to create a test environment that can be used to test different controllers and their robustness. In this report, the equations of motion were derived using kinematics, with attitude quaternions, and spacecraft dynamics, with angular velocity and acceleration. The equations were combined and placed into the form of a linearized state-space equation. The different control methods being investigated, Linear Quadratic Regulator (LQR) for the reaction wheel model, and the Bdot with bias controller, were explained and the block diagram for each was shown. To setup the test, the tolerances for the roll, pitch, and yaw, and their rates, were taken from the mission requirement for the ESSENCE mission. The attitude tolerance being ±0.5deg and the angular rates requirement being ±0.05deg/s. Then the test setup was further explained. The test is broken up into different scripts and steps: 1. Main run function for simulation. Initializes simulation parameters. 2. Build state-space equation and calculate constant gain matrix. 3. Randomize initial conditions and pass onto simulation. 4. Post-processing and plot generation. 5. Statistics generation. This robust testing environment was used to test 5 different controllers for the reaction wheel model. Each controller was tested for 200 different simulations, in which the initial attitude, initial angular rates, and the center of mass were randomized. The first controller was successful for 198/200 simulations, where the only failure came from over-saturating the reaction wheels. The next three controllers had a perfect record and were successful for all 200 simulations each. The last controller, had only 71 successful simulations in the set, and a sample of one of the failed simulations was further investigated to see how it failed.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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