Adquiriendo señal…
Adquiriendo señal…
Lección 8 de 9· Control y estimación
0 de 9 lecciones · 0 %
El controlador de la lección 7 necesita y . Ningún sensor los da directamente: unos miden direcciones (hacia el Sol, hacia el campo magnético, hacia estrellas conocidas) y otros miden velocidad angular. La determinación de actitud es el arte de combinarlos. Es la aplicación más directa de Estimación y Kalman: allí el filtro se dedujo en general; aquí se aplica al par clásico giróscopo-rastreador.
Un sensor de dirección da un vector unitario en ejes del cuerpo con un error angular que modelamos con desviación en cada uno de los dos ejes transversales. Valores de ejemplo de la serie:
| sensor | por eje | nota |
|---|---|---|
| Sol | 0.5° | no ve nada en eclipse |
| horizonte (nadir) | 0.25° | |
| magnetómetro | 1.0° | : modelo de campo y ruido |
| rastreador de estrellas | 0.01° | 0.03° por estrella, con 9; 0.09° alrededor del eje óptico; 1 Hz |
Un solo vector deja libre el giro alrededor de sí mismo: girar 90° alrededor del Sol no cambia la medida del Sol.
El giróscopo mide a alta frecuencia, pero con un sesgo y ruido. Integrado, el sesgo de 1°/h crece en línea recta (1° en una hora) y el ruido, de 0.1°/√h, como la raíz del tiempo (0.1° en una hora; con diez veces más tiempo, solo 3.2 veces más). Desde los 23 s, el giróscopo solo ya es peor que el rastreador. Uno es rápido y se aleja; el otro, lento y estable.
Sean dos direcciones conocidas en el inercial y las mismas medidas en el cuerpo, con (, del inercial al cuerpo).
Deducción. Construimos una base ortonormal con cada par:
Como es una rotación, conserva productos cruz y normas: si los datos son exactos, la tríada del cuerpo es aplicada a la del inercial, . Despejando,
Sin ruido el error es cero (en la máquina, ). Con ruido, el primer vector se respeta exactamente y el segundo solo aporta el giro alrededor del primero, así que conviene poner primero el más preciso. En el ejemplo de la serie, con el Sol y el campo a 86° entre sí, el error RMS sobre 2000 pruebas es de 1.21° con el Sol primero y 1.50° con el campo primero.
Con tres o más medidas, TRIAD desperdicia información. Wahba (1965) propuso buscar la rotación que minimiza
Como , minimizar es maximizar con . Davenport mostró que, escrito con el cuaternión, eso es maximizar una forma cuadrática con , y por el cociente de Rayleigh de Álgebra lineal la solución es el autovector de mayor autovalor de la matriz simétrica (4×4) armada con . Alternativamente, se resuelve con la SVD de .
Ejemplo. Pesos de ejemplo: Sol 4, campo 1, nadir 16 (en unidades de ). En una prueba, el costo baja de 17.9 (TRIAD) a 2.7 (Wahba); sobre 2000 pruebas el error RMS pasa de 1.21° a 0.58°. Si se duplica el ruido, todos los errores se duplican: el problema es lineal en el ruido pequeño.
Determinar la actitud medida a medida es una foto. Para tener una actitud continua entre medidas, el filtro de Kalman combina el giróscopo (10 Hz) con el rastreador (1 Hz). Sobre un eje, el estado es y el modelo
Predecir. , con del paseo aleatorio del giróscopo () y del sesgo. Sin medidas, la incertidumbre del ángulo crece de 0.10° a 0.35° en diez minutos.
Corregir. Llega la estrella, con y : , . Tras cinco minutos sin medidas, una innovación de −0.073° hace caer la del ángulo de 0.20° a 0.01°. Como ángulo y sesgo están correlacionados en (el término de los ata), la corrección también mueve el sesgo: así se estima el sesgo sin medirlo nunca.
Resultado. Solo con el giróscopo, la deriva a los 10 min es de 0.17°. Con el filtro, el error del ángulo cae a unas 0.004° —por debajo del ruido del propio rastreador, porque el giróscopo suaviza entre medidas— y la incertidumbre del sesgo baja de 2°/h a 0.25°/h. En las 200 corridas de la serie, un 95 % de los errores cae dentro de , como debe.
Las cifras deterministas coinciden con el texto: 1.00° del magnetómetro, 0.010° del rastreador, sesgo y ruido integrados (0.167° y 0.041° a 10 min; 1.000° y 0.100° a 60 min), 85.99° entre el Sol y el campo, la covarianza que crece de 0.10° a 0.35° sin medidas y la del filtro en 0.0039° y 0.246°/h. El Monte Carlo, con su propia semilla, da errores RMS de 1.23°, 1.51° y 0.60°, a unas centésimas de las cifras del video (1.21°, 1.50°, 0.58°).
En TRIAD, ¿qué vector conviene poner primero?
El filtro de un eje ignora el acoplamiento entre ejes: en 3D se usa el filtro de Kalman multiplicativo (MEKF), que estima un pequeño error de actitud de tres componentes alrededor de un cuaternión de referencia para no romper la norma uno. Los sensores reales tienen desalineaciones, factores de escala, zonas ciegas (el Sol en eclipse, el rastreador deslumbrado por el Sol o la Luna) y retardos de procesamiento. Los valores de la tabla son de ejemplo, ajustados a este modelo.
Ya tenemos todo: modelos, actuadores, controlador y estimador. La lección 9 los junta en una maniobra de apuntamiento real, en el seguimiento del nadir a lo largo de una órbita y en el presupuesto de error de un subsistema completo.
Cierre de la lección
Sigue el recorrido de la lección paso a paso.
Con una cuenta desbloqueas el cuestionario, el foro de dudas y el tutor con IA de esta lección, además del registro de progreso y el certificado verificable al terminar «Dinámica y control de actitud: apuntar un satélite con precisión».