@InProceedings{GarciaKuSiBaZaPa:2022:EfCoFi,
author = "Garcia, Roberta V. and Kuga, H{\'e}lio Koiti and Silva, William
Reis and Baroni, Leandro and Zanardi, Maria Cec{\'{\i}}lia and
Pardal, Paula C. P. M.",
affiliation = "{Universidade de S{\~a}o Paulo (USP)} and {Instituto Nacional de
Pesquisas Espaciais (INPE)} and {Universidade de Bras{\'{\i}}lia
(UnB)} and {Universidade Federal do ABC (UFABC)} and {Universidade
Estadual Paulista (UNESP)}",
title = "A efici{\^e}ncia computacional dos filtros de Kalman
n{\~a}o-lineares sob a perspectiva da estima{\c{c}}{\~a}o de
atitude",
year = "2022",
organization = "Col{\'o}quio Brasileiro de Din{\^a}mica Orbital, 221.",
abstract = "Uma miss{\~a}o espacial envolve diversos requisitos que devem ser
levados em conta para que o seu objetivo seja cumprido com
excel{\^e}ncia. Um dos requisitos fundamentais {\'e} a
defini{\c{c}}{\~a}o de como a estima{\c{c}}{\~a}o de atitude
ser{\'a} realizada, para que o subsistema de
determina{\c{c}}{\~a}o e controle de atitude possa estabilizar o
ve{\'{\i}}culo e orient{\'a}-lo nas dire{\c{c}}{\~o}es
desejadas durante a miss{\~a}o. Neste sentido, o objetivo deste
trabalho {\'e} realizar uma an{\'a}lise do desempenho
computacional (tempo de processamento e precis{\~a}o dos
resultados) obtido pelos Filtros de Kalman n{\~a}o-lineares
durante o processo de estima{\c{c}}{\~a}o de atitude, quando
dados simulados de telemetria e efem{\'e}rides s{\~a}o levados
em conta no processo. Nas {\'u}ltimas d{\'e}cadas muito se tem
estudado sobre novos estimadores ou mesmo vers{\~o}es
reformuladas de filtros j{\'a} existentes aplic{\'a}veis ao
problema de estima{\c{c}}{\~a}o de atitude com a premissa de
resultados mais precisos e aplic{\'a}veis em tempo real. Desde as
miss{\~o}es Apolo at{\'e} os dias atuais, o Extended Kalman
Filter (EKF) {\'e} amplamente utilizado no setor aeroespacial.
Algumas desvantagens podem ser apontadas no uso do EKF como, em
alguns casos, a lineariza{\c{c}}{\~a}o exigida pode oferecer uma
representa{\c{c}}{\~a}o com pouca precis{\~a}o, o que pode
levar a problemas de diverg{\^e}ncia, al{\'e}m da pr{\'o}pria
implementa{\c{c}}{\~a}o do algoritmo que requer o c{\'a}lculo
de matrizes Jacobianas, podendo ser elas bastante complexas. Para
superar os problemas consequentes da lineariza{\c{c}}{\~a}o e do
c{\'a}lculo das matrizes jacobianas necess{\'a}rios no EKF,
outros estimadores foram desenvolvidos como, por exemplo, a
fam{\'{\i}}lia de algoritmos do Filtro de Kalman Sigma-Ponto em
que, dentre eles, destacam-se neste trabalho o Unscented Kalman
Filter (UKF) (Julier, S. J. et al., 2004), o Cubature Kalman
Filter (CKF) (Arasaratnam, I. et al., 2009) e o Central Difference
Kalman Filter (CDKF) (Van Der Merwe, R., 2004). Das
compara{\c{c}}{\~o}es dos resultados da atitude estimada,
observou-se que os estimadores UKF, CKF e CDKF s{\~a}o
competitivos com o EKF, pois oferecem maior efici{\^e}ncia quando
s{\~a}o submetidos a situa{\c{c}}{\~o}es indesejadas, mantendo
ainda um tempo de processamento adequado para
aplica{\c{c}}{\~o}es reais.",
conference-location = "12-16 dez. 2022",
conference-year = "S{\~a}o Jos{\'e} dos Campos, SP",
language = "en",
urlaccessdate = "19 maio 2024"
}