Development and testing of STASIS balancing algorithm

In the rapidly evolving field of space exploration, CubeSats are becoming increasingly prominent due to their cost-effectiveness and operational efficiency. However, the current satellite communication paradigm struggles to keep up with this growth. The ERC-funded EXTREMA project aims to address this gap by enhancing CubeSats with autonomous capabilities, eliminating certain communication steps. To realize this visionary project, rigorous ground testing is imperative to manage the associated risks. Thus, STASIS, the FlatSat crafted at the DART laboratory in Polytechnic of Milan, was designed to ensure reliable validation of autonomous GNC algorithms. However, to establish a dependable basis for simulations, STASIS shall accurately replicate a micro-gravity environment. The thesis delineates the development and testing of an automatic mass balancing algorithm for STASIS, aimed to generate a micro-gravity environment for the simulator, pivotal for the success of the EXTREMA project. The balancing process employs a set of shifting masses, wireless controlled to modify the system's internal mass distribution until the offset between the center of mass and the center of rotation is canceled. These masses generate a torque within a plane orthogonal to the gravity vector, introducing an under-actuated control challenge. Therefore, a two-step procedure is proposed. The first step involves achieving planar balancing through the application of a non-linear feedback control technique. Following, the residual vertical offset is estimated using a constrained batch least squares method. This estimation feeds the platform's inertia parameters to a Kalman filter, potentially refining the accuracy of the balancing procedure. Comprehensive simulations on the platform's digital twin authenticated these algorithms, paving the way for real-world tests. Results proved how reduced is the spectrum of viable strategies to achieve unbiased balancing. Hence, this step was pivotal, pinpointing and addressing possible concerns, and bolstering the algorithms resilience. Experimental results demonstrate a 10^(-5) m precision for automatic planar balancing.

Nel campo dell'esplorazione spaziale, i CubeSat stanno diventando sempre più importanti grazie alla loro economicità ed efficienza operativa. Tuttavia, l'attuale paradigma di comunicazione satellitare fatica a tenere il passo con questa crescita. Il progetto EXTREMA mira a colmare questa lacuna potenziando i CubeSat con capacità autonome, eliminando alcune fasi di comunicazione. Per realizzare questo progetto innovativo, sono indispensabili rigorosi test a terra atti a mitigare i rischi. Con tale fine, STASIS è stato sviluppato presso il laboratorio DART, nel Politecnico di Milano. Per stabilire una base valida per le simulazioni, STASIS deve replicare accuratamente un ambiente di microgravità. A tale scopo, la tesi presenta l'implementazione e i test sperimentali di un algoritmo di bilanciamento per STASIS. Il processo di bilanciamento impiega un insieme di masse mobili, controllate via wireless per modificare la distribuzione di massa del sistema fino a compensare la differenza tra centro di massa e centro di rotazione. Tuttavia, le masse generano una coppia necessariamente ortogonale al vettore gravitazionale, introducendo un problema di sotto-attuazione, che viene risolto tramite una procedura a due fasi. La prima fase prevede il conseguimento del bilanciamento planare attraverso l'applicazione di una tecnica di controllo non lineare. In seguito, l'offset verticale residuo viene stimato utilizzando un metodo dei minimi quadrati vincolato. Questa stima, avendo come risultato l'inerzia del simulatore, permette di un'osservazione del sistema basata sulla teoria di Kalman, potenzialmente affinando l'accuratezza della procedura di bilanciamento. Numerose simulazioni sul gemello digitale della piattaforma hanno autenticato questi algoritmi, aprendo la strada ai test nel mondo reale. I risultati delle simulazioni hanno dimostrato quanto sia ridotto lo spettro delle strategie praticabili per ottenere risultati robusti. Pertanto, questo passaggio è stato fondamentale, permettendo di individuare e affrontare possibili criticità e rafforzando, quindi, la resilienza degli algoritmi. I risultati sperimentali dimostrano una precisione di 10^(-5) m per il bilanciamento planare.