حمیدرضا حیدری - دانشکده علوم و فنون نوین، دانشگاه تهران
بهزاد مشیری - دانشگاه تهران
مهدی فکور - دانشگاه تهران
امیررضا کوثری

در این مقاله از شبکه عصبی مصنوعی به عنوان روشی هوشمند و فیلتر کالمن توسعه یافته به عنوان یکی از روشهای کلاسیک در ترکیب اطلاعات سنسورها، برای حل مسئله تخمین وضعیت ماهواره در مدار زمینآهنگ بر اساس مشاهدات حسگرهای خورشیدی و زمینیاستفاده میشود. فیلتر کالمن توسعه یافته و شبکه پرسپترون چند لایه 1 روشهای مرسوم در شناسایی و تخمین سیستم های غیرخطیهستند. جهت بهدست آوردن معادلات فیلتر از روابط سینماتیک و دینامیک ماهواره استفاده شده است. متغیرهای حالت وضع یت ماهواره ، شامل سه ترم سرعت زاویهای مطلق ماهواره در دستگاه بدنی و چهار ترم کواترنیونهای وضعیت دستگاه بدنی نسبت به دستگاه مدار یمیباشد. ابتدا متغیرهای حالت سیستم با استفاده از فیلتر کالمن توسعه یافته تخمین زده شده و سپس با استناد به نتایج حاصل از تخمینبه کمک شبکه پرسپترون چند لایه این دو راهکار با هم مقایسه میشوند. نتایج شبیهسازیهای انجام شده نشان می دهد که با آموزش مناسب تخمینگر مبتنی بر راهکار شبکه عصبی مورد استفاده، خطای تخمین وضعیت و مدت زمان صرف شده جهت تخمین نسبت به فیلتر کالمن توسعه یافته کاهش مییابد

تخمین وضعیت، ترکیب اطلاعات، شبکه عصبی مصنوعی، فیلتر کالمن توسعه یافته، ماهواره زمینآهنگ