مقایسه عملکرد روش های ترکیب اطلاعات جهت تخمین وضعیت ماهواره زمین آهنگ

در این مقاله از فیلتر کالمن توسعه یافته به عنوان یکی از روش های کلاسیک و شبکه عصبی مصنوعی به عنوان روشی هوشمند در ترکیب اطلاعات سنسورها، برای حل مسئله تخمین وضعیت ماهواره در مدار زمین آهنگ استفاده می شود. حسگرهای فعال زیرسیستم تعیین وضعیت درفاز عملیات نامی شامل حسگرهای خورشیدی و زمینی بوده که با استفاده از خروجی آنها متغیرهای حالت مبین وضعیت ماهواره، شامل سه ترم سرعت زاویه ای مطلق ماهواره در دستگاه بدنی و چهار ترم کواترنیون های وضعیت دستگاه بدنی نسبت به دستگاه مداری تخمین زده می شوند. در این تحقیق ابتدا سعی شده است تا متغیرهای حالت سیستم با استفاده از فیلتر کالمن توسعه یافته تخمین زده شده و سپس با استناد به نتایج حاصل از تخمین به کمک شبکه پرسپترون چند لایه این دو راهکار با هم مقایسه می شوند. نتایج شبیه سازی های انجام شده موید این نکته است که با آموزش مناسب تخمین گر مبتنی بر راهکار شبکه عصبی مورد استفاده، خطای تخمین وضعیت و مدت زمان صرف شده جهت تخمین نسبت به فیلتر کالمن توسعه یافته کاهش می یابد.