Busca avançada
Ano de início
Entree

Estudo da dinâmica orbital de CubeSats utilizando machine learning

Processo: 21/08274-9
Modalidade de apoio:Bolsas no Brasil - Doutorado
Vigência (Início): 01 de maio de 2023
Situação:Interrompido
Área do conhecimento:Engenharias - Engenharia Aeroespacial - Dinâmica de Vôo
Pesquisador responsável:Antônio Fernando Bertachini de Almeida Prado
Beneficiário:Gabriel Antonio Caritá
Instituição Sede: Instituto Nacional de Pesquisas Espaciais (INPE). Ministério da Ciência, Tecnologia e Inovações (Brasil). São José dos Campos , SP, Brasil
Assunto(s):Trajetórias e órbitas   Astrodinâmica   Aprendizado computacional   Mecânica celeste   Veículos espaciais
Palavra(s)-Chave do Pesquisador:Astrodinâmica | Cubesats | machine learning | mecânica celeste | Veiculos Espaciais | Trajetórias e Órbitas

Resumo

Os satélites são utilizados como ferramenta de pesquisa espacial há diversas décadas, obtendo resultados de suma importância no desenvolvimento científico, implicando em transformações na atual sociedade. A utilização de satélites de baixo custo e a diminuição relevante nos gastos associados a lançamentos vem se destacando ao passar dos anos. Esses satélites denominados de CubeSats têm sido de grande relevância no atual momento da exploração e pesquisa espacial, fato ocasionado por sua praticidade em aspectos astrodinâmicos, tais como dimensão e massa. As constelações de CubeSats possuem diversas aplicações em diferentes áreas, podemos citar como exemplo, missões de pesquisa no meio interestelar e em corpos celestes, sensoriamento remoto, análise de propriedades ópticas atmosféricas, radiação, climatologia, agricultura, monitoramento de desastres naturais, queimadas e incêndios. A partir disso surge a necessidade de resultados provenientes de simulações numéricas com a finalidade de prever o comportamento orbital de tais satélites.Neste presente trabalho, propomos estudar numericamente as características da dinâmica orbital de constelações de CubeSats, tais como, ressonâncias, trajetórias, estabilidade e caos em missões espaciais, como, por exemplo, em órbitas baixas, médias e altas (LEO, MEO e HEO), considerando efeitos atmosféricos e de radiação. Nesse sentido, o estudo será feito por meio da utilização de aspectos associados ao Machine Learning (ML) com o objetivo de reduzir tempo computacional através de algoritmos. Os algoritmos estão implementando em bibliotecas como o Keras e TensorFlow, disponíveis em PYTHON. Um dos algoritmos que pretendemos utilizar é o algoritmo genético com a finalidade de introduzir um indicador para classificar comportamentos orbitais. Pretendemos caracterizar trajetórias e caos por meio de análise de séries temporais com de técnicas de ML e redes neurais, para comparar com resultados de indicadores caóticos renomados na literatura como, por exemplo, o MEGNO. Utilizaremos uma base de dados obtida numericamente para treinar os algoritmos para cada tarefa específica. O Integrador numérico, implícito e de passo adaptativo IAS15, implementado no pacote REBOUND e disponibilizado em PYTHON, será adotado. Também utilizaremos de integradores já implementados pelo grupo de pesquisa em FORTRAN. (AU)

Matéria(s) publicada(s) na Agência FAPESP sobre a bolsa:
Matéria(s) publicada(s) em Outras Mídias (0 total):
Mais itensMenos itens
VEICULO: TITULO (DATA)
VEICULO: TITULO (DATA)

Publicações científicas
(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)
CARITA, G. A.; ALJBAAE, S.; PRADO, A. F. B. A.; SIGNOR, A. C.; MORAIS, M. H. M.; SANCHEZ, D. M.. Analysis of the natural orbits around Io. CELESTIAL MECHANICS & DYNAMICAL ASTRONOMY, v. 135, n. 5, p. 18-pg., . (21/11982-5, 22/08716-4, 21/08274-9, 16/24561-0)

Por favor, reporte erros na lista de publicações científicas utilizando este formulário.