Filtro não linear de Kalman sigma-ponto com algoritmo unscented aplicado a estimativa dinâmica da atitude de satélites artificiais

Detalhes bibliográficos
Ano de defesa: 2011
Autor(a) principal: Roberta Veloso Garcia
Orientador(a): Maria Cecília França de Paula Santos Zanardi, Hélio Koiti Kuga
Banca de defesa: André Fenilli, Leandro Baroni
Tipo de documento: Tese
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Instituto Nacional de Pesquisas Espaciais
Programa de Pós-Graduação: Programa de Pós-Graduação do INPE em Mecânica Espacial e Controle
Departamento: Não Informado pela instituição
País: BR
Resumo em Inglês: State estimators have been applied to different areas, particularly in aerospace engineering involving attitude and orbit estimation problem. These estimators are applied in order to infer unobserved variables (state) of a dynamic system providing two uncertain sources of information, namely, the measurements and a mathematical model. Under linear model and Gaussian noise assumptions, the Kalman Filter is the well-known optimal recursive solution for the state-estimation problem, whereas the Extended Kalman Filter and, more recently, the Sigma-Point Kalman Filter are the most commonly employed approximate solutions for the nonlinear case. In this work, the main proposal is to use the Sigma-Point Kalman Filter to estimate the attitude of an artificial satellite, in real time, using real data provided by sensors that are onboard the satellite. To validate the proposed approach in order to achieve a more complete analysis of the problem, pointing out the main advantages and disadvantages of the method, the results will be compared in the following ways: comparing the estimators applied to nonlinear problems (Extended Kalman Filter and Sigma-Point Kalman Filter) and between different parameterizations of the satellite attitude (Euler angles and quaternions). The results show that the algorithm of Sigma Point Kalman filter, even under inaccurate initial conditions, is able to converge and provide estimates of attitude with superior accuracy when compared to the other algorithms. This results may be useful in processing satellite images, aimed at improving the quality of them, and saving additional processing time of image processing by the experts.
Link de acesso: http://urlib.net/sid.inpe.br/mtc-m19/2011/10.16.14.32
Resumo: Estimadores de estados têm sido empregados em diversas áreas, em particular em engenharia aeroespacial envolvendo problemas de estimação de atitude e órbita. Estes estimadores são aplicados de modo a inferir variáveis não-observadas (estados) de um sistema dinâmico a partir de duas fontes incertas de informações: as medições e um modelo matemático. Sob a premissa de modelo linear e ruído Gaussiano, o filtro de Kalman é a solução ótima recursiva mais conhecida para o problema de estimação de estados, ao passo que o filtro de Kalman Estendido e, mais recentemente, o filtro de Kalman Sigma-Ponto são as soluções aproximadas mais comumente empregadas para o caso não-linear. Neste trabalho, a proposta principal é utilizar o filtro de Kalman Sigma-Ponto para estimar a atitude, com características de tempo real, de um satélite artificial utilizando medidas reais fornecidas por sensores que estão a bordo do satélite. Para validar a abordagem proposta de modo a realizar uma análise mais completa do problema, apontando as principais vantagens e desvantagens do método, os resultados são comparados das seguintes maneiras: comparações entre os estimadores aplicados a problemas não-lineares (filtro de Kalman Estendido e filtro de Kalman Sigma-Ponto) e entre diferentes parametrizações da atitude do satélite (ângulos de Euler e quaternions de atitude). Os resultados mostram que o algoritmo do Filtro de Kalman Sigma Ponto, mesmo sob condições iniciais imprecisas, é capaz de convergir e fornecer estimativas de atitude com precisão superior aos demais algoritmos. Estes resultados poderão ser úteis no processamento de imagens dos satélites, visando à melhoria na qualidade das mesmas, e poupando tempo de processamento adicional dos especialistas de processamento de imagens.