بهبود سنجش وضعیت ماهواره مدار پایین (LEO) با استفاده از نظریه ترکیب اطلاعات سنسوری
Publish place: 16th Annual Conference on Mechanical Engineering
Publish Year: 1387
Type: Conference paper
Language: Persian
View: 1,963
This Paper With 7 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
ISME16_530
Index date: 11 November 2007
بهبود سنجش وضعیت ماهواره مدار پایین (LEO) با استفاده از نظریه ترکیب اطلاعات سنسوری abstract
دراین مقاله طراحی زیر سیستم تعیین وضعیت یک ماهواره نمونه با بکارگیری سنسور خورشید و مگنتومتر صورت می گیرد. در راستای شبیه سازی محیط ماهواره لازم است که بردار زمین – ماهواره - ، زمین – خورشید ، ماهواره – خورشید و بردار میدان مغناطیسی زمین در سیستم مختصات بدنه محاسبه شود. اخیرا روش ترکیب اطلاعات سنسوری با استفاده از روشهای احتمالاتی، حداقل مربعات خطا و هوشمند در زمینه های مختلف مورد توجه قرار گرفته است که البته در حوزه ماهواره و ابزار دقیق فضا کمتر به این موضوع پرداخته شده است. در این مقاله مبحث ترکیب اطلاعات سنسوری با استفاده از الگوریتم فیلتر کالمن توسعه یافته جهت ترکیب اطلاعات دو سنسور بکار گرفته می شود. در راستای طراحی فیلتر کالمن توسعه یافته تحلیل معادلات سیستم ماهواره و معادلات مدل مشاهده لازم است. سپس با استفاده از شبیه سازی زیر سیستم تعیین وضعیت ، برتری این روش ازلحاظ دقت نسبت به روشهای معمول مانند الگوریتم جبری نشان داد ه می شود.
بهبود سنجش وضعیت ماهواره مدار پایین (LEO) با استفاده از نظریه ترکیب اطلاعات سنسوری Keywords:
سنسور خورشید , سنسور میدان مغناطیسی زمین , الگوریتم جبری , فیلتر کالمن توسعه یافته , ترکیب اطلاعات سنسوری
بهبود سنجش وضعیت ماهواره مدار پایین (LEO) با استفاده از نظریه ترکیب اطلاعات سنسوری authors
زینب طالبی
دانشجوی مقطع کارشناسی ارشد - دانشگاه تربیت مدرس دانشکده فنی و مهندسی
حمیدرضا مومنی
دانشیار - دانشگاه تربیت مدرس دانشکده فنی و مهندسی
بهزاد مشیری
استاد، قطب علمی کنترل و پردازش هوشمند دانشکده فنی دانشگاه تهران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :