Star tracker measurement filtering via UF/EKF with recursive prefiltering of IMU reading

During the last decades space missions have gotten more affordable thanks to the introduction of CubeSats, miniaturized satellites assembled with off-the-shelf components, so that even universities and small agencies can autonomously design and launch a space mission with low budget. However, this kind of technology is very limited in terms of available power, mass and volume, and its components are selected in order to satisfy such stringent constraints. Consequently, sensors and actuators are typically affected by higher levels of noise with respect to the standard counterparts developed on purpose for classical satellites, affecting the overall performance of the system. This work presents a filtering strategy with the aim of improving the attitude determination provided by the ADCS of CubeSats for deep-space missions, with practical application on Hera's second CubeSat: Milani. This solution, moreover, have implications on the guidance and control since better starting data are provided to the control system. The implemented strategy involves a recursive filter for the pre-filtering of the gyroscope output, followed by an Extended Kalman Filter/Unscented Filter in which the star tracker output is processed and the bias instability is estimated in order to provide more accurate readings to the control system. The filters are then tested in three scenarios that may arise during a space mission, and their performance are evaluated. The thesis discusses the problems related to low cost/noisy hardware and the improvements that can be obtained with an appropriate filtering strategy making CubeSats a more attractive choice even for deep-space autonomous missions. Simulations shown a reduction of about the 65% concerning the sigma (standard deviation) of the angular velocity signal adopting the filtering strategy and of about the 50% concerning the sigma of the quaternion components. Moreover the bias instability is estimated with an accuracy up to the second order.

Nel corso delle ultime decadi le missioni spaziali sono diventate molto più convenienti dal punto di vista economico grazie all'introduzione dei CubeSats, satelliti in miniatura assemblati con componenti standard. In tal modo è divenuto possibile anche per le università e/o piccole agenzie progettare e lanciare autonomamente missioni spaziali contando su un budget contenuto. Tale tipo di tecnologia, tuttavia, ha dei forti limiti in termini di potenza disponibile, massa e volume a disposizione a bordo. I vari componenti, infatti, sono progettati tenendo conto di tali limiti, portando a sensori/attuatori spesso affetti da livelli di rumore superiori a quelli riscontrati nelle controparti sviluppate per satelliti tradizionali, andando ad influire sulle prestazioni finali del sistema. In questo lavoro viene presentata una strategia di filtraggio atta a migliorare la determinazione dell'assetto grazie all'utilizzo di segnali più puliti nel caso di CubeSats impiegati in missioni interplanetarie, fornendo un'applicazione pratica incentrando le simulazioni su Milani, il secondo CubeSat trasportato da Hera. La strategia prevede un filtro ricorsivo utilizzato per prefiltrare l'output dell'IMU, seguito da un filtro di Kalman extended/unscented nel quale viene stimata l'instabilità del bias di tale sensore e nel contempo processato l'output dello star tracker. I filtri sono stati dunque testati in tre scenari che possono verificarsi durante una missione in modo da valutarne le prestazioni. Nel presente lavoro vengono affrontati i problemi relativi ai componenti affetti da alti livelli di rumore e i miglioramenti che si possono ottenere adottando un'appropriata strategia di filtraggio, rendendo i CubeSats una scelta più appetibile anche per missioni autonome nello spazio profondo. Dalle simulazioni effettuate è possibile evincere una diminuzione di circa il 65% per quanto riguarda la deviazione standard ottenuta dalle misurazioni sulla velocità angolare, mentre di circa il 50% riguardo le componenti dei quaternioni. Infine, grazie ai filtri principali, è stato possibile stimare l'instabilità del bias con un accuratezza del secondo ordine.