Static attitude determination using convolutional neural networks

Detalhes bibliográficos
Autor(a) principal: Santos, Guilherme Henrique dos
Data de Publicação: 2021
Tipo de documento: Dissertação
Idioma: eng
Título da fonte: Repositório Institucional da UFSC
Texto Completo: https://repositorio.ufsc.br/handle/123456789/229064
Resumo: Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2021.
id UFSC_9ce7948867941a991f5c05d8029dcf77
oai_identifier_str oai:repositorio.ufsc.br:123456789/229064
network_acronym_str UFSC
network_name_str Repositório Institucional da UFSC
repository_id_str 2373
spelling Static attitude determination using convolutional neural networksEngenharia elétricaRedes neurais (Computação)Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2021.A necessidade de estimar a orientação entre sistemas referenciais é crucial na navegação espacial. Apesar dos algoritmos clássicos para este tipo de problema dependerem de abordagens mais algébricas, soluções baseadas em dados estão tornando-se mais atrativas devido a sua natureza estocástica. Consequentemente, uma abordagem baseada em redes neurais convolucionais para a determinação de atitude estática foi proposta. Diversos modelos foram treinados com distintos conjuntos de dados, estes contendo diferentes quantidades de vetores de observação. Tais vetores foram utilizados na construção da entrada do sistema, chamada matriz de perfil de atitude. Ao aumentar o número de vetores de observação, o modelo obteve melhores resultados sobre o conjunto de dados de validação, mas acabou não refletindo o verdadeiro comportamento do sistema quando apresentado a cenários desafiadores. Assim, a incerteza das previsões nesses cenários de teste foi levada em consideração na escolha do melhor modelo. Apesar do modelo não ter obtido melhores resultados em comparação com algoritmos tradicionais como SVD, q-Method, QUEST e ESOQ2, o modelo escolhido se mostrou menos sensível a ruídos mais elevados do que eles.Abstract: The need for estimating the orientation between frames of reference is crucial in spacecraft navigation. Although the classic algorithms for this problem rely on more algebraic approaches, data-driven solutions are becoming more appealing due to their stochastic nature. Hence, a method based on convolutional neural networks for the static attitude determination problem was proposed. Several models were trained using different datasets containing a different number of observation vectors. Such vectors were used to build the input to the system, called the attitude profile matrix. When increasing the number of observation vectors, the model obtained better results over the validation dataset. Still, it turned out not to reflect the system?s actual behavior when facing challenging scenarios. Thus, the uncertainty of predictions on these test scenarios was considered when choosing the best model. The model did not manage to achieve as good results as traditional algorithms, such as SVD, q-Method, QUEST, and ESOQ2. However, the proposed model proved to be less sensitive to higher noise than the traditional algorithms.Bezerra, Eduardo AugustoUniversidade Federal de Santa CatarinaSantos, Guilherme Henrique dos2021-10-14T19:27:43Z2021-10-14T19:27:43Z2021info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesis76 p.| il., gráfs.application/pdf373169https://repositorio.ufsc.br/handle/123456789/229064engreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSCinfo:eu-repo/semantics/openAccess2021-10-14T19:27:43Zoai:repositorio.ufsc.br:123456789/229064Repositório InstitucionalPUBhttp://150.162.242.35/oai/requestopendoar:23732021-10-14T19:27:43Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false
dc.title.none.fl_str_mv Static attitude determination using convolutional neural networks
title Static attitude determination using convolutional neural networks
spellingShingle Static attitude determination using convolutional neural networks
Santos, Guilherme Henrique dos
Engenharia elétrica
Redes neurais (Computação)
title_short Static attitude determination using convolutional neural networks
title_full Static attitude determination using convolutional neural networks
title_fullStr Static attitude determination using convolutional neural networks
title_full_unstemmed Static attitude determination using convolutional neural networks
title_sort Static attitude determination using convolutional neural networks
author Santos, Guilherme Henrique dos
author_facet Santos, Guilherme Henrique dos
author_role author
dc.contributor.none.fl_str_mv Bezerra, Eduardo Augusto
Universidade Federal de Santa Catarina
dc.contributor.author.fl_str_mv Santos, Guilherme Henrique dos
dc.subject.por.fl_str_mv Engenharia elétrica
Redes neurais (Computação)
topic Engenharia elétrica
Redes neurais (Computação)
description Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2021.
publishDate 2021
dc.date.none.fl_str_mv 2021-10-14T19:27:43Z
2021-10-14T19:27:43Z
2021
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 373169
https://repositorio.ufsc.br/handle/123456789/229064
identifier_str_mv 373169
url https://repositorio.ufsc.br/handle/123456789/229064
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 76 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_ 1808652377381666816

Registros relacionados