Filtro de Kalman Extendido de Segundo Orden Analítico para la Estimación de Órbitas Relativas de Satélites
Autores: Yang, Zhen; Shang, Mingyan; Yin, Juqi
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Filtro de Kalman Extendido de Segundo Orden Analítico para la Estimación de Órbitas Relativas de Satélites
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Aeroespacial
Palabras clave
Estudio
Problema de estimación de órbita relativa
Nave espacial observadora
Objeto espacial objetivo
ángulos de rumbo
Cámara a bordo única
Filtro de Kalman extendido
EKF
Ecuaciones de movimiento relativo lineales
Ecuación de Clohessy-Wiltshire
No linealidades
Problema de determinación de órbita
Filtro de Kalman extendido analítico de segundo orden
ASEKF
Estados relativos de los satélites
Incertidumbres
Ecuación de movimiento relativo analítica de segundo orden
Perturbación
Robustez
Rendimiento de error cuadrático medio
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 24
Citaciones: Sin citaciones
Este estudio considera un problema de estimación de órbita relativa en el que una nave espacial observadora navega con respecto a un objeto espacial objetivo a una gran distancia de separación (varios kilómetros) utilizando solo los ángulos de rumbo obtenidos por una única cámara a bordo. Generalmente, se utiliza el filtro de Kalman extendido (EKF), que se basa en ecuaciones de movimiento relativo lineales como la ecuación de Clohessy-Wiltshire, para la navegación relativa de satélites. El EKF linealiza el error de estimación alrededor de la estimación actual y aplica las ecuaciones del filtro de Kalman a este sistema linealizado. Sin embargo, se ha demostrado que las no linealidades del problema de determinación de órbita pueden hacer que la suposición de linealización sea insuficiente para representar la incertidumbre real. Por lo tanto, se propone en este estudio un filtro de Kalman extendido de segundo orden analítico (ASEKF) para la estimación de órbita relativa. El ASEKF, para estimar secuencialmente los estados relativos de los satélites y sus incertidumbres asociadas, se formula en base a una ecuación de movimiento relativo analítica de segundo orden bajo perturbación, que puede superar las deficiencias de los enfoques existentes que se centran principalmente en aplicaciones en dinámicas de órbita de dos cuerpos, casi circulares y linealizadas. Los resultados numéricos muestran que el método propuesto proporciona una robustez superior y un rendimiento de error cuadrático medio en comparación con los estimadores lineales bajo las condiciones consideradas.
Descripción
Este estudio considera un problema de estimación de órbita relativa en el que una nave espacial observadora navega con respecto a un objeto espacial objetivo a una gran distancia de separación (varios kilómetros) utilizando solo los ángulos de rumbo obtenidos por una única cámara a bordo. Generalmente, se utiliza el filtro de Kalman extendido (EKF), que se basa en ecuaciones de movimiento relativo lineales como la ecuación de Clohessy-Wiltshire, para la navegación relativa de satélites. El EKF linealiza el error de estimación alrededor de la estimación actual y aplica las ecuaciones del filtro de Kalman a este sistema linealizado. Sin embargo, se ha demostrado que las no linealidades del problema de determinación de órbita pueden hacer que la suposición de linealización sea insuficiente para representar la incertidumbre real. Por lo tanto, se propone en este estudio un filtro de Kalman extendido de segundo orden analítico (ASEKF) para la estimación de órbita relativa. El ASEKF, para estimar secuencialmente los estados relativos de los satélites y sus incertidumbres asociadas, se formula en base a una ecuación de movimiento relativo analítica de segundo orden bajo perturbación, que puede superar las deficiencias de los enfoques existentes que se centran principalmente en aplicaciones en dinámicas de órbita de dos cuerpos, casi circulares y linealizadas. Los resultados numéricos muestran que el método propuesto proporciona una robustez superior y un rendimiento de error cuadrático medio en comparación con los estimadores lineales bajo las condiciones consideradas.