Estimação de atitude em nanosatélites utilizando filtro de Kalman

Detalhes bibliográficos
Autor(a) principal: Ten-Caten, Robinson Joel
Data de Publicação: 2024
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UFSC
Texto Completo: https://repositorio.ufsc.br/handle/123456789/254551
Resumo: Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia de Automação e Sistemas, Florianópolis, 2024.
id UFSC_48ff6660717544ceb946babcd71e38a8
oai_identifier_str oai:repositorio.ufsc.br:123456789/254551
network_acronym_str UFSC
network_name_str Repositório Institucional da UFSC
repository_id_str 2373
spelling Estimação de atitude em nanosatélites utilizando filtro de KalmanEngenharia de sistemasAtitudesFiltros de KalmanAnalise de covarianciaNanossatélitesDissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia de Automação e Sistemas, Florianópolis, 2024.Ao final da década de noventa, com a criação do conceito de CubeSats, as pesquisas espaciais em universidades expandiram seu horizonte devido à diminuição dos custos relacionados ao desenvolvimento e lançamento ao espaço, tornando mais acessível o teste de sistemas eletrônicos e de controle em ambiente espacial. Nesse contexto, o ADS (Attitude Determination System) é o sistema responsável por estimar a atitude (ou orientação) do satélite no espaço e é um tópico de destaque na área espacial pois desempenha um papel fundamental no sistema de controle de atitude do satélite. Considerando a relevância desse tema, nesse trabalho, estudamos um estimador de estados baseado na combinação do algoritmo QUEST com um Filtro de Kalman. O QUEST realizou uma etapa de pré-processamento dos sinais provenientes dos sensores embarcados no satélite, convertendo a informação medida em quatérnios que descrevem a orientação do satélite em relação ao referencial inercial. Devido à natureza não linear do modelo matemático que descreve a dinâmica da orientação e das velocidades de rotação do satélite, propôs-se a utilização de um filtro de Kalman Estendido Adaptativo (AEKF), onde a matriz de covariância do ruído de medição é adaptada conforme a norma do erro de interrogatório. A partir da informação da orientação proveniente do QUEST, a AEKF realiza uma estimativa final dos estados avaliando a cada iteração a existência (ou não) de falhas nos sensores. Testes obtidos através de um simulador de satélites consagrado na literatura indicaram uma redução significativa no erro de avaliação em condições de falhas de sensores (ou seja, situações com ruído de medição excessiva). Paralelamente, avaliou-se também o desempenho de outros observadores como o tradicional Filtro de Kalman Estendido (EKF) e o Filtro de Kalman Robusto (RKF) para a aplicação de determinação de atitude, entretanto, o EKF e o RKF avaliaram um desempenho inferior em relação ao AEKF em situações de ruído excessivo na medição.Abstract: In the late 1990s, the advent of CubeSats revolutionized space research in universities by drastically reducing the costs associated with satellite development and space launch. This breakthrough made it more feasible to conduct tests on electronic and control systems in the space environment. Within this context, the ADS (Attitude Determination System) is the system responsible for estimating the attitude (or orientation) of the satellite in space and is a prominent topic in the space sector because it plays a fundamental role in the satellite?s attitude control system. Considering the relevance of this topic, this study investigates a state estimator that combines the QUEST algorithm with a Kalman Filter. The QUEST algorithm preprocesses signals from satellite sensors, converting the measured information into quaternions that describe the satellite orientation relative to the inertial reference frame. Given the nonlinear nature of the mathematical model describing the dynamics of the satellite orientation and rotational velocities, we propose the use of an Adaptive Extended Kalman Filter (AEKF). The AEKF adapts the covariance matrix of measurement noise based on the norm of the estimation error. Utilizing the orientation information obtained from QUEST, the AEKF performs the final state estimation while assessing the presence or absence of sensor faults at each iteration. Tests conducted using a widely-recognized satellite simulator in the literature reveal a significant reduction in estimation error, particularly under conditions of sensor faults characterized by excessive measurement noise. Simultaneously, we evaluated the performance of other observers, including the traditional Extended Kalman Filter (EKF) and the Robust Kalman Filter (RKF), for attitude determination applications. However, the EKF and RKF demonstrated inferior performance compared to the AEKF, especially in scenarios involving excessive measurement noise.Coutinho, Daniel FerreiraBezerra, Eduardo AugustoUniversidade Federal de Santa CatarinaTen-Caten, Robinson Joel2024-03-04T23:24:55Z2024-03-04T23:24:55Z2024info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesis73 p.| il., gráfs.application/pdf386444https://repositorio.ufsc.br/handle/123456789/254551porreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSCinfo:eu-repo/semantics/openAccess2024-03-04T23:24:56Zoai:repositorio.ufsc.br:123456789/254551Repositório InstitucionalPUBhttp://150.162.242.35/oai/requestopendoar:23732024-03-04T23:24:56Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false
dc.title.none.fl_str_mv Estimação de atitude em nanosatélites utilizando filtro de Kalman
title Estimação de atitude em nanosatélites utilizando filtro de Kalman
spellingShingle Estimação de atitude em nanosatélites utilizando filtro de Kalman
Ten-Caten, Robinson Joel
Engenharia de sistemas
Atitudes
Filtros de Kalman
Analise de covariancia
Nanossatélites
title_short Estimação de atitude em nanosatélites utilizando filtro de Kalman
title_full Estimação de atitude em nanosatélites utilizando filtro de Kalman
title_fullStr Estimação de atitude em nanosatélites utilizando filtro de Kalman
title_full_unstemmed Estimação de atitude em nanosatélites utilizando filtro de Kalman
title_sort Estimação de atitude em nanosatélites utilizando filtro de Kalman
author Ten-Caten, Robinson Joel
author_facet Ten-Caten, Robinson Joel
author_role author
dc.contributor.none.fl_str_mv Coutinho, Daniel Ferreira
Bezerra, Eduardo Augusto
Universidade Federal de Santa Catarina
dc.contributor.author.fl_str_mv Ten-Caten, Robinson Joel
dc.subject.por.fl_str_mv Engenharia de sistemas
Atitudes
Filtros de Kalman
Analise de covariancia
Nanossatélites
topic Engenharia de sistemas
Atitudes
Filtros de Kalman
Analise de covariancia
Nanossatélites
description Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia de Automação e Sistemas, Florianópolis, 2024.
publishDate 2024
dc.date.none.fl_str_mv 2024-03-04T23:24:55Z
2024-03-04T23:24:55Z
2024
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv 386444
https://repositorio.ufsc.br/handle/123456789/254551
identifier_str_mv 386444
url https://repositorio.ufsc.br/handle/123456789/254551
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 73 p.| il., gráfs.
application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFSC
instname:Universidade Federal de Santa Catarina (UFSC)
instacron:UFSC
instname_str Universidade Federal de Santa Catarina (UFSC)
instacron_str UFSC
institution UFSC
reponame_str Repositório Institucional da UFSC
collection Repositório Institucional da UFSC
repository.name.fl_str_mv Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)
repository.mail.fl_str_mv
_version_ 1808652046506655744

Registros relacionados