낮은 지구 궤도에서 비행하는 위성 형성은 우주 태양전지로는 어렵습니다. 각 위성은 그룹을 하나로 유지하기 위해 안정적으로 유지되어야 합니다. 이는 태양전지에서 가장 많은 에너지를 얻는 데 도움이 됩니다. 테스트 임무는 다음을 보여줍니다. 드래그, 자세 변화, 스마트 컨트롤이 도움이 될 수 있습니다. 이러한 것들은 위성을 함께 유지하고 전력 사용을 더 좋게 만듭니다. 실시간 도구와 카메라는 태양전지가 올바른 방향을 가리키는 데 도움이 됩니다. 이것은 줄 수 있습니다 최대 35% 더 많은 태양 에너지 . 궤도와 자세는 함께 작용하므로 강력한 제어가 필요합니다. 작은 실수라도 그룹과 위성이 얼마나 잘 작동하는지에 해를 끼칠 수 있습니다. 테스트 프로젝트에서는 좋은 LEO 작업을 위해서는 비행, 위성 이동 및 태양 전지의 균형을 맞추는 것이 중요하다는 것을 보여줍니다.
우리는 태양 복사 압력, 대기 항력, 지구의 모양과 같은 힘을 모델링해야 합니다. 이는 위성이 함께 머물면서 가장 많은 태양 에너지를 얻는 데 도움이 됩니다.
각도를 우주 태양전지s 자주 바꾸면 위성이 더 많은 에너지를 얻는 데 도움이 됩니다. 또한 안정적인 그룹에 머무르는 데 도움이 됩니다.
스마트 제어 알고리즘과 다양한 작동 방법은 위성이 더 잘 움직일 수 있도록 도와줍니다. 함께 비행할 때 연료가 절약되고 실수가 줄어듭니다.
정확한 상대 위치 지정과 실시간 데이터를 사용하면 위성을 가깝게 유지할 수 있습니다. 이는 그들이 낮은 지구 궤도에서 팀으로 잘 일하는 데 도움이 됩니다.
분석 모델과 시뮬레이션 도구를 모두 사용하면 팀이 임무를 계획하고 테스트하는 데 도움이 됩니다. 이를 통해 더 많은 지구 범위와 더 나은 전력 사용으로 더 나은 위성 임무를 수행할 수 있습니다.
태양 복사 압력은 낮은 지구 궤도에 있는 위성에 일정한 힘을 가합니다. 이 힘은 광자가 위성 표면에 닿을 때 발생합니다. 우주 태양전지 . 시간이 지남에 따라 태양 복사 압력은 위성의 이동 및 회전 방식을 변경할 수 있습니다. 연구에 따르면 궤도가 흔들리고 모양이 바뀔 수 있습니다. 이러한 변화는 위성이 지구로 돌아가거나 묘지 궤도에 머무르는 데 도움이 될 수 있습니다. 궤도가 어떻게 변하는지 알려면 태양 복사 압력을 모델링해야 합니다. SimORBIT와 같은 상세한 컴퓨터 모델은 이 힘을 사용하여 궤도를 더 잘 예측합니다. 태양 복사 압력은 다른 힘과도 작용하므로 위성을 하나로 유지하고 더 많은 에너지를 얻는 데 매우 중요합니다.
대기 항력 은 LEO의 위성, 특히 450km 미만에 영향을 미치는 주요 힘입니다. 공기는 얇지만 항력은 여전히 위성의 속도를 늦추고 궤도를 축소시킵니다. 항력은 공기의 두께에 따라 달라지며 태양과 지구의 자기장에 따라 달라집니다. 태양이 매우 활동적일 때 위성은 몇 주마다 부스트가 필요합니다. 상황이 조용할 때는 부스트가 많이 필요하지 않습니다. 드래그는 위성의 모양과 위성의 면적에 따라 달라집니다. 태양전지 커버 . 항력을 모델링하기 위해 추적 데이터, 센서 및 공기 밀도 모델을 사용합니다. 좋은 모델은 궤도가 얼마나 빨리 줄어들고, 충돌을 멈추고, 위성이 더 오래 작동하는지 추측하는 데 도움이 됩니다. 새로운 임무에서는 실시간 데이터를 사용하여 드래그 모델을 개선하고 궤도를 제어하는 데 도움을 줍니다.
J2 섭동은 지구가 완벽한 공이 아니기 때문에 발생합니다. 이로 인해 기울기 및 방향과 같은 위성 궤도의 일부가 변경됩니다. J2 효과는 위성 그룹에 중요합니다. 왜냐하면 시간이 지남에 따라 서로 떨어져 나갈 수 있기 때문입니다. 일부 모델은 위성 모션 수학에 J2 변경 사항을 추가합니다. 이러한 모델은 이동을 계획하고 위성을 제어하는 가장 좋은 방법을 선택하는 데 도움이 됩니다. J2 모델을 사용하여 팀은 위성을 가까이 유지하고 필요할 때 경로를 변경할 수 있습니다. J2, 태양 복사압 및 항력 모델을 함께 사용하면 LEO의 위성에 영향을 미치는 요소를 전체적으로 볼 수 있습니다.
참고: 태양 복사압, 대기 항력, J2 섭동을 잘 모델링하는 것은 매우 중요합니다. 이는 위성을 함께 유지하고, 태양 전지를 올바른 방향으로 가리키고, 낮은 지구 궤도에서 임무가 작동하도록 하는 데 도움이 됩니다.
우주태양전지가 어떻게 향하는지는 매우 중요하다. 이는 위성이 잘 비행하고 낮은 지구 궤도에서 전력을 공급하는 데 도움이 됩니다. 위성이 함께 비행할 때 각 위성은 태양 전지를 태양을 향하도록 회전해야 합니다. 이것을 최적화라고 합니다. 햇빛을 최대한 많이 받는 데 도움이 됩니다. 하나의 위성의 각도를 변경하면 전체 그룹에 미치는 힘이 변경될 수 있습니다.
위성은 센서와 제어 장치를 사용하여 최상의 각도를 유지합니다. 이러한 시스템은 햇빛이나 위성 위치가 변경되면 변경되어야 합니다. 그들은 또한 그룹의 다른 위성도 감시합니다. 가장 좋은 각도는 위성의 위치와 연중 시간에 따라 다릅니다. 예를 들어, 감비아 브리카마(Brikama)의 연구에 따르면 연중 가장 좋은 기울기는 5.1°에서 28.2° 사이인 것으로 나타났습니다. 가장 큰 힘은 14.8°~15.5° 부근의 기울기에서 나왔습니다. 이는 1년에 18% 더 많은 태양 에너지를 제공했습니다. PMC의 또 다른 연구에 따르면 26° 기울임이 가장 큰 힘을 제공하는 것으로 나타났습니다. 더 높거나 낮은 각도에서 더 적은 힘이 나왔습니다. 이 연구는 올바른 각도를 선택하는 것이 실제로 더 많은 에너지를 수집하는 데 도움이 된다는 것을 보여줍니다.
다른 장소에 있는 위성에는 다른 기울기 각도가 필요합니다. 중국 남부와 우간다를 비교한 연구입니다. 중국 남부에서 가장 좋은 기울기는 약 현지 위도보다 2.8° 더 높습니다 . 우간다에서는 가장 좋은 각도가 0.0°에서 11.2°로 매달 바뀌었습니다. 매달 또는 계절에 따라 각도를 바꾸면 더 많은 햇빛을 받는 데 도움이 됩니다. 이러한 결과는 각도를 자주 바꾸는 것이 파워와 그룹 비행에 중요하다는 것을 보여줍니다.
팁: 팀은 실시간 데이터와 컨트롤을 사용하여 변경해야 합니다. 태양전지 각도가 자주 발생합니다. 이것은 그룹을 안정되게 유지하고 가장 많은 에너지를 얻습니다.
태양복사압(SRP)은 햇빛이 위성에 닿는 힘입니다. 위성, 특히 태양전지를 밀거나 회전시킵니다. 좋은 SRP 모델은 위성이 어떻게 움직이는지 파악하는 데 도움이 됩니다. 또한 위성 제어 방법을 계획하는 데 도움이 됩니다.
최신 모델은 특수 도구를 사용하여 SRP가 위성에 어떤 영향을 미치는지 확인합니다. 이러한 도구는 광선 추적 . 햇빛이 반사되어 태양 전지에 그림자를 만드는 방식을 추적하는 광선 추적은 단단한 모양과 다양한 재료에 적용됩니다. 일부 모델은 OpenCL 및 OpenGL과 함께 GPU를 사용하여 빠르게 실행됩니다. 빠른 모델은 위성을 빠르게 제어하는 데 도움이 됩니다.
모델은 또한 BRDF를 사용하여 SRP가 다양한 표면에서 어떻게 변하는지 보여줍니다. BRDF는 태양 전지의 반짝이고 둔한 반사를 예측하는 데 도움이 됩니다. 엔지니어는 푸리에 확장을 사용하여 광선 추적 결과를 궤도 모델에 추가합니다. 이는 위성 움직임의 실시간 모델링과 계획된 모델링 모두에 도움이 됩니다.
분석 모델은 SRP가 태양전지 전력을 어떻게 변화시키는지 확인하는 데 도움이 됩니다. 일부 모델은 태양전지의 이미터 부분에서 방정식을 풉니다. 그들은 이미터 포화 전류 밀도를 표면 재결합 속도와 연결합니다. 데이터의 출처 확산 저항 프로파일링(SRP)은 이러한 모델이 올바른지 확인합니다. 엔지니어들은 다양한 도핑 프로필을 살펴봄으로써 표면이 태양전지 전력을 어떻게 변화시키는지 확인합니다. Silvaco의 ATHENA와 같은 도구는 SRP 데이터를 사용하여 태양전지가 우주에서 얼마나 잘 작동할지 추측합니다.
LEO 위성 그룹의 태양전지에 대한 SRP 효과를 모델링하는 주요 방법은 다음과 같습니다.
반사, 그림자 및 재료에 대한 광선 추적
이전 데이터와 새 데이터를 모두 사용하는 반분석 모델
빠르고 상세한 결과를 위한 GPU 가속 모델
좋은 반사 예측을 위한 BRDF 모델
SRP 데이터를 사용하여 표면을 전력에 연결하는 분석 모델
| 모델링 접근법 | 주요 특징 | 역학에서의 적용 |
|---|---|---|
| 레이 트레이싱 | 단단한 모양과 반사로 작업 | SRP 힘과 회전 예측 |
| 반분석 모델 | 많은 데이터 소스를 사용합니다. | 출시 후 결과가 더 좋아졌습니다. |
| GPU 가속 | 매우 빠르게 실행됩니다. | 위성을 실시간으로 제어하는 데 도움이 됩니다. |
| BRDF 모델링 | 반성 표현을 잘함 | SRP 힘 예측을 향상시킵니다. |
| 분석 모델 | 표면을 전원에 연결 | 태양전지 효율 확인 |
참고: 태양복사압에 대한 좋은 모델은 매우 중요합니다. 그들은 위성을 함께 유지하고 태양 전지에서 가장 많은 에너지를 얻는 데 도움이 됩니다.
제어 알고리즘은 매우 중요합니다. 위성 편대 비행 . 이는 위성을 올바른 지점과 방향으로 유지하는 데 도움이 됩니다. 팀은 특수 모델을 사용하여 낮은 지구 궤도에서 위성이 어떻게 움직이는지 추측합니다. 이러한 모델에는 태양 복사압, 대기 항력, J2 섭동 등이 포함됩니다. 엔지니어들은 이러한 힘에 대해 알면 그룹을 더 잘 제어할 수 있는 방법을 찾을 수 있습니다.
모델 예측 제어(MPC)는 위성을 제어하는 최고의 방법입니다. MPC는 실시간 모델과 수학을 사용하여 위성 위치를 변경합니다. 다음에 무슨 일이 일어날지 추측하고 최선의 움직임을 선택합니다. MPC가 FTC(Fixed-Time Control)와 함께 작동하면 오류가 더 빨리 수정되고 스윙이 줄어듭니다. 슬라이딩 모드 제어와 FTC만으로는 속도가 느리고 스윙이 더 많습니다. 공기역학적 힘 기반 제어는 항력과 양력을 사용하여 3D 이동을 돕습니다. 이는 테스트와 실제 하드웨어에서 잘 작동합니다.
| 제어 전략 | 성능 지표 및 기능 | 주요 결과 |
|---|---|---|
| 고정시간 제어와 결합된 MPC | 태도 오류 수렴은 ~0.015입니다. 각속도 오류 ~0.07; 약 ±0.1 Nm 정도의 토크 안정화 제어; 더 빠른 수렴 및 감소된 진동 | 뛰어난 안정성과 견고성; 더 빠른 오류 수렴; 향상된 통신 효율성 |
| 고정 시간 제어(FTC) 단독 | 수렴 속도가 느려짐 더 많은 진동 | 지층 안정성 유지에 덜 효과적 |
| 슬라이딩 모드 제어(SMC) | 수렴 속도가 느려짐 더 많은 진동 | 지층 안정성 유지에 덜 효과적 |
| 공기역학적 힘 기반 제어 | MPC를 통한 제약 강화; 시뮬레이션 및 hardware-in-the-loop에서 검증되었습니다. 입력 제약의 복잡성을 처리합니다. | 향상된 제약 조건 처리로 3D 상대 모션 제어 가능 |
| 저추력 저작동 제어(MPC) | 연료 소비 및 제어 정확도 분석; 중앙 집중식 프레임워크와 분산형 프레임워크 비교 | 자율적이고 안정적인 폐쇄 루프 제어; 기존 방법에 대한 성능 벤치마크 |
이러한 모든 알고리즘에는 좋은 최적화가 필요합니다. 엔지니어들은 모델을 사용하여 각 위성에 가장 적합한 움직임을 선택합니다. 그들은 에너지를 절약하고 올바른 위치를 유지하며 그룹을 안정적으로 유지하려고 노력합니다. 적응형 평가 DWA 및 DWA-ORCA 융합과 같은 최신 알고리즘은 경로를 계획하고 충돌을 방지하는 데 도움이 됩니다. 이러한 방법은 임무를 더 빠르게 수행하고 위성이 변경 사항을 처리하는 데 도움이 됩니다. 그만큼 DWA-ORCA 융합 방식은 충돌을 40% 더 효과적으로 방지합니다 . 기존 방식보다
위성은 다른 것을 사용합니다. 작동 방법 . 대형을 유지하는 각 방법에는 위성이 어떻게 움직이고 어떤 힘이 위성에 작용하는지에 대한 좋은 모델이 필요합니다. 내부 이동 질량은 질량 중심과 제어 방향을 변경하는 데 도움이 됩니다. 자기 토커는 지구의 자기장을 사용하여 회전력을 만듭니다. 저추력 추진기와 같은 전기 추진 시스템은 작은 힘으로 위치를 변경합니다.
엔지니어는 임무에 필요한 사항에 따라 작동 방법을 선택합니다. 소규모 위성 그룹의 경우 전기 추진을 통해 정밀한 제어가 가능하고 연료가 절약됩니다. 자기토커는 연료를 사용하지 않고 회전하는데 좋습니다. 내부 이동 질량은 방향을 빠르게 바꾸는 데 도움이 됩니다. 팀은 최적화를 사용하여 각 방식을 언제, 어떻게 사용할지 결정합니다. 모델은 각 작동이 전체 그룹에 어떤 영향을 미칠지 추측하는 데 도움이 됩니다.
MPC를 사용한 저추력 저작동 제어는 소규모 그룹과 대규모 그룹 모두에 적합합니다 . 중앙 집중식 방식은 소규모 그룹에 가장 적합하고, 분산 방식은 대규모 그룹에 적합합니다. 최적화는 연료를 절약하고 정확한 제어를 유지하는 데 도움이 됩니다. 이러한 방법을 사용하면 위성이 스스로 모양을 변경하고 제어가 잘 작동하도록 할 수 있습니다.
팁: 스마트 제어 알고리즘과 함께 다양한 작동 방법을 사용하면 위성 편대 비행이 더 좋아지고 에너지가 절약됩니다.
위성 편대 비행을 위해서는 좋은 상대 위치 지정이 필요합니다. 팀은 특수 모델과 수학을 사용하여 각 위성의 위치를 추적합니다. GDOP(Geometric Dilution of Precision)는 그룹의 모양이 위치 실수에 어떻게 영향을 미치는지 보여줍니다. GDOP가 낮을수록 위치 정확도가 향상됩니다. 위치 오류는 측정 실수와 그룹 모양에 따라 달라집니다.
위성은 실시간 GNSS 기준선 측정을 사용하여 매우 가까운 위치 정확도를 얻을 수 있습니다. GRACE 임무에서는 밀리미터만큼 작은 위치 오류가 발생했습니다. 일부 고정밀 방법에서는 더 작은 오류가 발생할 수 있습니다. PRISMA 임무는 위성 간 최대 10cm의 정확도를 보여주었습니다. 빠른 컴퓨터는 매번 0.1초 이내에 데이터를 처리할 수 있습니다.
| 측정항목 유형 | 설명/값 | 컨텍스트/소스 예 |
|---|---|---|
| 절대 위치 오류 | 센티미터 수준의 정확도 | 위성 형성 시 실시간 GNSS 기준선 측정 |
| 절대 위치 오류 | 밀리미터 수준의 정확도 | GRACE 위성 마이크로파 범위 기준선 |
| 절대 위치 오류 | 미크론 수준의 정확도 | 고정밀 상대 위치 결정 방법(Wang et al., 2021) |
| 상대 위치 정확도 | 최대 10cm 정확도 | PRISMA 위성 온보드 상대 모션 결정 |
| 계산 속도 | 에포크당 0.1초 미만 | 기준 측정의 실시간 처리 |
| 기준선 길이 범위 | 10m ~ 9.3km | 센티미터 수준의 정확도가 유지되는 범위 |
GPS, BeiDou, IIMU를 함께 사용하는 등의 스마트 제어 방법을 사용하면 위치 정확도가 더욱 향상됩니다. 이러한 시스템은 다음을 수행할 수 있습니다. 5미터 이내에 위치의 95% 이상을 유지하십시오 . 더 나은 모델과 알고리즘은 위성이 더 정확하고 안정적으로 함께 비행하는 데 도움이 됩니다.
참고: 상대 위치의 좋은 모델, 제어 및 최적화는 위성 형성 비행 임무가 낮은 지구 궤도에서 잘 작동하는 데 도움이 됩니다.
분석적 접근 방식은 엔지니어가 낮은 지구 궤도에서 비행하는 위성 형성에 대해 배우는 데 도움이 됩니다. 이러한 방법은 수학 모델을 사용하여 위성이 우주에서 어떻게 움직이는지 보여줍니다. 그만큼 고전적인 방사형-횡단-법선 좌표계는 각 위성을 쉽게 추적하는 데 도움이 됩니다. 이 시스템을 통해 엔지니어는 추력이 가장 낮은 움직임을 계획할 수 있습니다. 속도 제한을 설정하고 위성을 안전하게 유지하는 데 도움이 됩니다. 팀은 이를 사용하여 위성을 서로 가깝게 유지하는 방법을 계획합니다.
한 가지 예는 Formation Flying L-band Aperture Synesis 임무입니다. 이번 임무에서는 이 수학 시스템을 사용하여 위성을 실시간으로 제어했습니다. 분석 모델은 또한 태양 복사 압력 및 대기 항력과 같은 힘을 추가합니다. 이러한 힘은 궤도를 변경하고 위성이 함께 유지되는 방식에 영향을 미칩니다. 정확한 궤도 결정을 통해 엔지니어는 궤도가 어떻게 변경되고 제어 계획을 수정할지 추측할 수 있습니다.
분석 모델링은 위성을 그룹으로 비행하기 위한 강력한 기반을 제공합니다. 이는 팀이 궤도, 제어 및 에너지 사용에 대해 선택하는 데 도움이 됩니다. 모델은 또한 임무 성공에 중요한 좋은 궤도 정보를 제공합니다.
시뮬레이션 도구를 사용하면 엔지니어는 발사 전에 위성 형성 비행을 테스트할 수 있습니다. 이러한 도구는 컴퓨터 모델을 사용하여 위성이 우주에서 어떻게 움직이는지 보여줍니다. 여기에는 태양 복사압, 대기 항력, J2 섭동과 같은 모든 주요 힘이 포함됩니다. 시뮬레이션 도구는 또한 방법을 보여줍니다. 태양전지는 위성의 움직임을 변화시킨다.
엔지니어들은 축소된 차수 모델을 사용하여 시뮬레이션을 더 빠르게 만듭니다. 이 모델은 주요 부품을 유지하지만 컴퓨터 전력을 덜 사용합니다. 신뢰성 분석은 시뮬레이션이 실제 결과와 일치하는지 확인합니다. 몬테카를로 시뮬레이션과 민감도 분석은 위성 형성 비행에서 가장 중요한 사항을 찾는 데 도움이 됩니다. 이러한 방법은 입력의 변화가 궤도와 정확한 궤도 결정에 어떤 영향을 미치는지 보여줍니다.
시뮬레이션 도구는 모델링의 실수도 확인합니다. 반올림, 잘림, 이산화 오류를 찾습니다. 엔지니어는 이러한 실수를 찾아 시뮬레이션 결과를 신뢰할 수 있습니다. 시뮬레이션과 수학 결과의 긴밀한 일치는 이러한 도구가 잘 작동한다는 것을 입증합니다.
최신 시뮬레이션 도구는 동적 GPS 기반 사자자리 궤도 결정에 도움이 됩니다. 이는 팀이 정확한 궤도 정보를 얻고 위성을 올바른 위치에 유지하는 데 도움이 됩니다. 이러한 도구는 위성 편대 비행 임무를 계획, 테스트 및 실행하는 데 매우 중요합니다.
팁: 팀은 위성 편대 비행에서 최상의 결과를 얻으려면 분석 모델과 시뮬레이션 모델을 모두 사용해야 합니다. 이런 식으로 그들은 정확한 궤도 정보와 신뢰할 수 있는 임무를 얻습니다.
저궤도에서의 시범 임무는 태양 전지를 이용한 위성 형성이 실제 생활에서 어떻게 작동하는지 보여줍니다. 팀은 이러한 임무를 사용하여 지구 범위를 테스트합니다. 태양 에너지 , 그리고 위성이 얼마나 잘 함께 유지되는지. 하나의 미션에서는 X-밴드 SAR 페이로드를 갖춘 3개의 위성이 팀으로 작동했습니다. 그들은 아르헨티나의 EEZ에 대해 완전한 정보를 제공했습니다. 위성은 날씨나 햇빛이 바뀌어도 숨어 있는 배를 찾아냈습니다. 이 임무는 위성 경로와 태양전지 방향의 좋은 모델링이 지구 범위와 임무 성공에 도움이 된다는 것을 보여주었습니다.
또 다른 임무는 온보드 처리를 살펴보았습니다. 위성은 스마트 모델을 사용하여 SAR 이미지의 얼룩 노이즈를 수정했습니다. 이를 통해 목표를 더 쉽게 찾을 수 있었고 실수도 줄어들었습니다. 팀은 또한 위성이 서로 어떻게 통신하는지 테스트했습니다. 그들은 데이터를 공유하고 형태를 변경하기 위해 지상에서 우주로, 위성 간 링크를 사용했습니다. 이러한 임무는 위성이 강력한 모델과 제어 기능을 갖춘 경우 지연 허용 네트워킹을 사용할 수 있음을 입증했습니다.
시범 임무는 모델링이 지구 범위, 태양광 발전 및 협력에 중요한 이유를 보여줍니다.
팀은 임무가 얼마나 잘 수행되는지 측정하기 위해 명확한 방법을 사용합니다. 여기에는 과학적 가치, 적용 범위 확인 및 직면한 문제가 포함됩니다. 아래 표는 임무에서 다양한 위성 유형이 어떤 역할을 했는지 보여줍니다.
| 아키텍처 유형 | 과학 가치 지표 | 비용 및 위험 고려 사항 | 결과 / 과제 |
|---|---|---|---|
| POD 아키텍처 | 0.08~0.12 | 주요 측정 목표를 달성하지 못했습니다. 규모를 키우기가 어렵습니다. | 제대로 작동하지 않았기 때문에 사용되지 않았습니다. |
| GG 아키텍처 | 최대 3.5 | 많은 과학 데이터를 제공할 수 있지만 준비가 되지 않았으며 계획도 불분명합니다. | 향후 10년 동안 사용하도록 선택되지 않았습니다. |
| LEO-MEO 아키텍처 | 1.12(4위성) | 위성 간 측정이 어렵습니다. 레이저 출력 제한; 옛날 방식보다 나을 게 없어요. | 개선이 없고 문제가 너무 많아서 사용하지 않습니다. |
| SmallSat/CubeSat 별자리 | 해당 없음 | 비용이 너무 많이 듭니다. 규모가 작고 새로운 기술을 사용하더라도 위험이 더 높습니다. | 비용이 높고 위험이 높기 때문에 사용되지 않습니다. |
성능 점검에서는 지구 범위, 위성 통과 및 온보드 처리도 살펴봅니다. 팀에서는 모델을 사용하여 지구 범위를 계획하고 데이터 전송을 위한 위성 경로를 개선합니다. 온보드 처리는 SAR 이미지 노이즈를 수정하는 데 도움이 되며, 좋은 링크는 위성이 스스로 작동하는 데 도움이 됩니다. 미션에서는 얼룩 소음, 까다로운 그룹 설계, 위성 크기 및 태양 전지 전력의 균형 등의 문제를 발견했습니다.
이러한 임무의 주요 교훈은 좋은 모델, 신중한 계획 및 실시간 제어가 더 나은 지구 범위와 더 많은 태양 에너지를 확보하는 데 도움이 된다는 것입니다.
낮은 지구 궤도에서 위성을 함께 비행하려면 신중한 계획이 필요합니다. 팀은 각 위성의 위치를 정확히 알아야 합니다. 또한 그룹을 통제하기 위해서는 강력한 모델과 현명한 방법이 필요합니다. 테스트 임무는 지구를 잘 덮고 궤도를 안정적으로 유지하는 것이 중요하다는 것을 보여줍니다. 시간이 지남에 따라 팀은 위성을 제어하는 방법을 변경했습니다. 아래 표는 더 나은 에너지와 적용 범위를 위해 AI를 사용하는 새로운 방법을 보여줍니다.
| 의 제어 방법 | 설계 접근 성능 | 시뮬레이션에서 | 현실에서의 성능 | 현실에 대한 견고성 진화 | 추세에 대한 격차 노트 |
|---|---|---|---|---|---|
| 초콜릿 | AutoMoDe 제품군, 편향된 설계 | 높은 | 상대적으로 높음 | 높은 | 과적합을 줄이기 위해 편향을 도입하고 임무 전반에 걸쳐 견고함 |
| 신경 진화 | 덜 편향된 신경망 | 높은 | 상당한 하락 | 낮추다 | 더 유연하지만 과적합 및 현실 격차 문제가 발생하기 쉽습니다. |
| 랜덤워크 | 비최적화 기준선 | 낮은 | 안정적인 | 안정적인 | 최적화 없음, 실패 비교를 위한 기준으로 사용됨 |
가장 좋은 방법은 자주 테스트하고, 모델을 계속 업데이트하고, 위성의 위치를 항상 파악하는 것입니다. 팀은 전력 공급을 위해 태양 전지판을 사용하는 것과 항력을 처리하는 것 사이에서 균형을 찾아야 합니다. 또한 지구를 계속 잘 덮어야 합니다. 앞으로 팀은 더 나은 패널, 항력에 맞서는 방법 및 새로운 센서를 사용할 것입니다. 이러한 것들은 테스트와 지구를 덮는 데 도움이 될 것입니다. 팀은 위성 위치를 계속 테스트하고, 모델링하고, 확인하여 제대로 작동하는지 확인해야 합니다.
새로운 테스트 임무를 수행하려는 팀은 좋은 모델을 사용하고, 위성의 위치를 알고, 스마트 제어를 사용해야 합니다. 이것은 그들이 지구를 더 잘 덮고 궤도가 잘 작동하도록 도울 것입니다.
위성 편대 비행은 지구를 더 많이 덮는 데 도움이 됩니다. 팀은 위성을 제자리에 유지하기 위해 신중한 제어를 사용합니다. 이를 통해 더 많은 사진을 찍고 과학 및 커뮤니케이션을 위한 더 많은 데이터를 수집할 수 있습니다.
우주 태양전지는 장거리 여행을 위해 위성에 전력을 공급합니다. 태양전지가 뾰족한 방식에 따라 얻는 전력량이 달라집니다. 팀은 더 많은 햇빛을 받고 올바른 장소를 계속 감시하기 위해 태양 전지를 움직입니다.
항력 및 태양 복사 압력과 같은 힘을 모델링하면 위성이 어떻게 움직이는지 보여줍니다. 좋은 모델은 팀이 위성이 어디로 가야 할지 계획하는 데 도움이 됩니다. 이를 통해 테스트 중에 공백이 발생하지 않고 적용 범위가 계속 유지됩니다.
시범 임무에서는 실제 위성을 사용하여 적용 범위 아이디어를 시험해 봅니다. 팀은 위성이 특정 영역을 얼마나 잘 커버하는지 관찰합니다. 이러한 테스트는 팀이 미래를 위해 더 나은 계획을 세우는 데 도움이 됩니다.
팀에는 궤도 이동, 우주력, 전력 부족 등의 문제가 있습니다. 계속해서 관찰하려면 위성을 움직이고 태양전지 각도를 바꿔야 합니다. 좋은 계획과 빠른 제어는 이러한 문제를 해결하는 데 도움이 됩니다.
