18643

۱۸۶۴۳

طراحي الگوريتم هاي كاليبراسيون روي برد حسگرهاي تعيين وضعيت ماهواره با استفاده از روشهاي مبتني بر فيلتر كالمن

كارشناسي ارشد

كنترل

آذر ماه ۱۳۹۶

دكتر حسين بلندي

دكتر مصطفي عابدي

برق

يكي از اركان مهم ماهواره ها زير سيستم تعيين و كنترل وضعيت است كه باعث جهت دهي به ماهواره و پايدارسازي آن مي شود. اطلاعات وضعيت ماهواره از طريق حسگرها دريافت شده و سپس با استفاده از قوانين كنترلي و عملگرها، گشتاور لازم براي قرارگيري ماهواره در وضعيت مناسب فراهم ميشود. در اين زير سيستم دقيق بودن اطلاعات اندازه گيري از اهميت بسيار بالايي برخوردار است زيرا در غير اين صورت باعث قرارگيري ماهواره در وضعيت نامناسب مي شود. با توجه به اينكه حسگرها تحت تأثير خطاهاي سيستماتيك و تصادفي به دليل تأثيرات دمايي، لرزشهاي ناشي از جدايش ماهواره از ماهواره بر، فرسودگي و نويزهاي ايجاد شده توسط محيط يا خود حسگر قرار مي گيرند، دقت آن ها كاهش مي يابد. بنابراين لازم است روي برد به صورت خارج از خط يا برخط كاليبره شوند. در اين پژوهش كاليبراسيون روي برد چهار حسگر تعيين وضعيت شامل حسگر مغناطيسي، ردياب ستاره، حسگر خورشيد آنالوگ(هرمي شكل) و حسگر خورشيد ديجيتال آرايه خطي و آرايه صفحه اي مورد بررسي قرار مي گيرد. در ابتدا منابع خطاي حسگرها بررسي مي شود و بر اساس آنها يك مدل دقيق از حسگرها استخراج مي گردد. سپس سناريوي توليد خروجي حسگرها هنگامي كه روي يك ماهواره نصب شده اند و ماهواره در يك مدار با ارتفاع پايين حركت مي كند ارائه ميشود. در ادامه به منظور كاليبراسيون حسگر مغناطيسي، روش خارج از خط دو مرحله اي حداقل مربعات و روش برخط دو مرحله اي فيلتر كالمن پيشنهاد مي شود. روش اول بر پايه يك مسئله بهينه سازي است و از تركيب سه الگوريتم پاسخ متمركز، لونبرگ ماركاد و حداقل مربعات خطي براي يافتن پارامترهاي داخلي حسگر شامل باياس، ضريب مقياس و عدم تعامد و پارامترهاي خطاي نصب استفاده مي كند. روش دوم از تركيب دو الگوريتم فيلتر كالمن توسعه يافته يا خنثي و الگوريتم فيلتر كالمن خطي ايجاد مي شود. مزيت اين دو روش يافتن پارامترهاي داخلي حسگر به همراه خطاي نصب با دقت بالاست. به هر حال روش برخط به دليل نياز به حافظه ذخيره سازي كم و توانايي محاسبه پارامترها در هر لحظه نسبت به روش خارج از خط برتري دارد ولي تنظيم پارامترهاي اوليه آنها زمانبر است. از بين روش هاي برخط، روش تركيبي فيلتر كالمن خنثي و فيلتر كالمن خطي داراي دقت بالاتر و سرعت همگرايي بيشتر است اما پياده سازي آن دشوارتر و زمان محاسبات آن بيشتر است. روشهاي ذكر شده براي كاليبراسيون ردياب ستاره جهت به دست آوردن پارامترهاي داخلي حسگر شامل ضرايب اپتيكي و ضرايب اعوجاج و پارامترهاي خطاي نصب نيز مورد مطالعه قرار مي گيرند. مزيت اين روش ها در كاليبراسيون ردياب ستاره در مقايسه با روش هاي قبلي در نظر گرفتن رابطه متقابل بين ضرايب اپتيكي و ضرايب اعوجاج است كه باعث افزايش دقت كاليبراسيون ميشود. كاليبراسيون حسگرهاي خورشيد ديجيتال آرايه خطي و آرايه صفحه اي نيز براي اولين بار در اين پايان نامه صورت ميگيرد و روشهاي ذكر شده نيز روي اين حسگرها اعمال ميشود. در نهايت جهت كاليبراسيون حسگر خورشيد آنالوگ(هرمي شكل) نيز روش خارج از خط حداقل مربعات براي استخراج باياس و روش برخط فيلتر كالمن خطي تركيبي براي استخراج باياس و خطاي نصب پيشنهاد ميشود. واژه‌هاي كليدي: زير سيستم تعيين وكنترل وضعيت، كاليبراسيون روي برد، حسگر مغناطيسي، ردياب ستاره، حسگر خورشيد آنالوگ، حسگر خورشيد ديجيتال، فيلتر كالمن توسعه¬يافته، فيلتر كالمن خنثي، فيلتر كالمن خطي

1396/12/15

3/6/2018 12:00:00 AM

One of the important pillars of satellites is the attitude determination and control subsystem, which will have the task of stabilizing and orienting the satellite. Satellite attitude information is received through the sensors and then using the control rules and actuators, the required torque is provided for orienting the satellite in the desired condition. In this subsystem, the accuracy of the measurement information is very important because otherwise it causes the satellite to be in an inappropriate attitude. Due to the fact that the sensors are affected by systematic and random errors due to thermal effects, intense vibration during the launching process, instrument aging and noise caused by the environment or sensor itself, their accuracy is reduced. Therefore it is necessary to calibrate onboard them using offline or online methods. In this study, the calibration of four sensors including a magnetometer, a star sensor, an analogue Sun sensor and a digital Sun sensor are investigated. First, errors sources are evaluated and based on these, a precise models of the sensors are extracted. Then the sensor output scenario is provided when mounted on a satellite and the satellite moves in a low orbit. In the following, in order to calibrate the magnetometer, a nonlinear two-stage least squares method and a two-stage Kalman filter method are proposed. The first method is based on an optimization problem and uses the combination of three algorithms including center solution, Levenberg Marquardt and linear least squares to find the internal parameters of the sensor including the bias, scale factor, non-orthogonal, and the parameters of the installation error. The second method is based on the combination of two algorithms including extended Kalman filter or unscented Kalman filter and linear Kalman filter. The advantage of these two methods is to find the internal parameters of the sensor with high accuracy. However, the online method is superior to the offline method due to low storage memory and the ability to calculate parameters at any one time, but the initial setup of the parameters is time-consuming. Througth the online methods, the combination of unscented Kalman filter and linear Kalman filter has a higher accuracy and more convergence speed, but its implementation is more difficult and time-consuming. The mentioned methods for calibrating the star tracker also are studied to obtain the internal parameters of the sensor including optical coefficients, distortion coefficients and the parameters of the installation error. Compared to previous methods, the advantage of these methods in calibrating the star tracker is to consider the relationship between optical coefficients and distortion coefficients, which increases the accuracy of calibration. Calibration of Digital Sun Sensors are also done in this thesis for the first time, and the methods mentioned above are also applied to these sensors. Finally, for the calibration of the analogue Sun sensor, linear least square method is also proposed for extraction of the bias and combinatorial Kalman filter for bias and installation errors. Keywords: Attitude determination and control sub-system, on-board calibration, Magnetometer, star sensor, Analogue Sun sensor, Digital Sun sensor, Extended Kalman filter, Unscented Kalman filter, Linear Kalman filter.