Extended Kalman Filter Design to Estimate the Attitude of the Nanosatellite System Using Magnetometer
Notice bibliographique
Résumé
The problem of estimating nonlinear systems is an important issue in many engineering applications. One of these applications is in the nanosatellite for Vehicle-to-everything (V2X) communications, which is used to replace sensors in the event of failure or error. Therefore, the accuracy of pre-filter estimation is of great importance. To control the orientation of a satellite, it is important to estimate the attitude accurately. Time-series estimation is especially important in micro and nanosatellites, whose sensors are usually low-cost and have higher noise levels than high-end sensors. Also, the algorithms should be able to run on systems with very restricted computer power. In this paper, an overview of the algorithms used to determine the attitude of nanosatellites, and especially using only the magnetometer sensor, will be discussed. This paper aims to simulate a nanosatellite system to estimate the magnetic field derivative vector using only the magnetometer data with the desired accuracy. The estimated vectors in the pre-filter, along with the magnetometer sensor data, are used to estimate the attitude of the satellite. The estimation of the state vector consisting of the vector part of quaternion and the angular velocity vector is used for the control calculation. To evaluate the accuracy of this pre-filter, a comparison of the magnetometer vector estimator with the body sensor data has been used.
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 ».