Notice bibliographique
Résumé
Many interplanetary mission concepts can benefit from autonomous orbit estimation, particularly during critical mission phases. Previous studies have examined the feasibility of optical navigation using nanosatellite class instruments. While promising, these techniques are not without drawbacks. Convergence of the navigation estimates are often sensitive to errors in initial state estimates. This thesis compares various methods to perform nonlinear estimation for autonomous optical navigation. These methods include an extended Kalman filter (EKF), an unscented Kalman filter (UKF), a particle filter (PF), a fixed-lag smoother (FLS), and moving horizon estimation (MHE). The EKF, UKF, and PF can be implemented in real time, while the FLS and MHE implement a delay into the estimation process. To compare the performance of each state estimator three initial reference scenarios around Mars were considered: a hyperbolic flyby, an elliptic orbit and a orbital maneuver using observations of Mars and its moons. Parameter estimation was also explored, where the mass of Mars was to be estimated as a reference parameter in both the hyperbolic and elliptical trajectories. One last reference scenario included a low Earth orbit (LEO) using observations of satellites in a geosynchronous equatorial orbit. In each case, the FLS and MHE showed similar or better performance over each state estimator but at the cost of an increased computation time with respect to the reference EKF. Similarly the UKF was able to provide improved results withe respect to the EKF. While, the PF provided poor estimates in the Mars trajectories but improvements were seen from the UKF and EKF in the LEO scenario.
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 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 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».