MARC

 008260203s2023        us                              c    eng  d
■001000017365963
■00520260209102904
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798265400222
■035    ▼a(MiAaPQ)AAI32315602
■035    ▼a(MiAaPQ)GeorgiaTech73138
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a629.13
■1001  ▼aKing-Smith,  Matthew.
■24510▼aGraph  Optimization  and  Dual  Quaternions  for  Spacecraft  Autonomy  During  Close  Proximity  Operations
■260    ▼a[Sl]▼bGeorgia  Institute  of  Technology▼c2023
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2023
■300    ▼a168  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  87-05,  Section:  B.
■500    ▼aAdvisor:  Tsiotras,  Panagiotis;Dellaert,  Frank.
■5021  ▼aThesis  (Ph.D.)--Georgia  Institute  of  Technology,  2023.
■520    ▼aOver  the  last  decade,  the  space  servicing  industry  has  become  an  increasingly  profitable  and  tantalizing  domain  for  both  the  private  and  public  market  sectors.  For  instance,  the  on-orbit  satellite  servicing  market  size  is  projected  to  grow  from  $2.4  billion  to  $5.1  billion  from  2023  to  2030,  pushing  the  demand  for  dedicated  satellite  servicing  Mission  Extension  Vehicles  (MEVs)  and  projects.  As  the  scope  and  ambitions  of  spacecraft  servicing  missions  grow  beyond  basic  module-exchanging  servicers  for  both  lower  Earth  and  geostationary  orbits,  the  need  to  enable  the  next  generation  of  robotic  servicing  technology  has  become  increasingly  relevant.Although  the  mechanical,  electrical,  dexterous,  and  sensing  capabilities  of  MEVs  have  reached  a  technology  readiness  level  for  appropriately  servicing  both  new  and  heritage  flightproven  architectures  during  proximity  operations,  the  outstanding  needed  core  infrastructure  for  bridging  the  interactions  between  all  of  these  different  components  is  that  of  machine  intelligence  or  autonomy.In  this  dissertation,  graph  optimization  and  dual  quaternion  modeling  and  control  techniques  for  enabling  the  next  generation  of  spacecraft  autonomy  for  future  space  missions  during  close  proximity  operations  are  investigated.  Specifically,  this  work  contributes  to  enabling  next-generation  spacecraft  autonomy  by  advancing  two  key  areas  of  intelligent  machine  decision-making  for  space  systems:  a)  task  performance,  or  the  capacity  to  model  and  control  one's  self  to  execute  predefined  tasks  or  goals,  and  b)  navigation,  or  the  capacity  to  model,  localize,  and  navigate  environments.The  first  main  contribution  of  this  dissertation  is  to  show  that  dual  quaternions  enable  task  performance  for  multibody  systems  via  a  compact  6-Degree-Of-Freedom  (DOF)  formulation  of  position  and  attitude  or  pose  for  modeling  and  control  of  both  ground-base  and  SpacecraftMounted  Robotic  Systems  (SMRSs).  In  particular,  this  thesis  presents  results  for  both  a  multibody  robust  hybrid  global  dual  quaternion  controller  for  simultaneous  pose-tracking  of  a  spacecraft  base  and  end-effector  of  SMRSs,  along  with  a  novel  allocation  technique  to  mitigate  problems  such  as  system  singularities  in  a  simulation  environment,  and  hardware  verification  of  dual  quaternion  kinematics  on  a  ground-based  manipulator  system  in  the  Dynamics  and  Control  Systems  Laboratory  (DCSL).The  other  significant  contribution  of  this  thesis  consists  of  work  about  graph-based  optimization,  notably,  a  deterministic  approach,  i.e.,  A*  search,  and  a  probabilistic  factor  graph  optimization  technique,  for  online  trajectory  generation,  optimal  control,  state  estimation,  collision  avoidance,  and  object  detection  for  spacecraft  navigation.  More  specifically,  leveraging  the  dual  quaternion  algebra  with  the  A*  search  algorithm,  an  attitude-constrained,  collision-avoiding,  path-planning  approach  for  6-DOF  spacecraft  navigation  in  an  environment  with  moving  objects  is  developed  and  verified  in  simulation.  Additionally,  we  present  a  new  algorithm  for  spacecraft  navigation,  Simultaneous  Control  And  Trajectory  Estimation  (SCATE),  which  concurrently  solves  probabilistic  optimal  control,  and  sensor  fusion  for  state  estimation  and  object  localization  problems  using  a  factor  graph-based  optimization  approach.  The  SCATE  algorithm's  flexibility  for  constrained  motion  planning  is  demonstrated  online  to  solve  an  optimal  control  problem  constrained  by  two-norm  minimized  control  input  threshold-limiting,  attitude-pointing,  collision  avoidance,  and  waypoint  navigation,  as  well  as  the  algorithm's  capacity  for  object  localization  and  state  estimation  of  spacecraft  via  air-bearing  robotic  platform,  with  their  respective  onboard  sensors,  in  the  DCSL.
■590    ▼aSchool  code:  0078.
■650  4▼aAeronautics
■650  4▼aKinematics
■650  4▼aCoordinate  transformations
■650  4▼aOptimization  techniques
■650  4▼aPlanning
■650  4▼aGraph  representations
■650  4▼aRobots
■650  4▼aAttitudes
■650  4▼aVisualization
■650  4▼aRobotics
■650  4▼aAerospace  engineering
■650  4▼aIndustrial  engineering
■690    ▼a0771
■690    ▼a0538
■690    ▼a0546
■71020▼aGeorgia  Institute  of  Technology.
■7730  ▼tDissertations  Abstracts  International▼g87-05B.
■790    ▼a0078
■791    ▼aPh.D.
■792    ▼a2023
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17365963▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서