fa مروری بر بهینه‌سازی عملکرد ماهواره‌های مکعبی سنجش از دور با استفاده از تکنیک‌های هوش مصنوعی: کنترل وضعیت، انتقال داده و مدیریت حرارتی ژئودزی و هیدروگرافی Geo&Hydro ترویجی Tarviji <div style="text-align: justify;"><span style="font-size:12px;"><span style="font-family:Tahoma;"><span style="direction:rtl"><span style="unicode-bidi:embed"><span new="" roman="" times=""><span style="letter-spacing:-0.1pt"><span lang="AR-SA"><span b="" nazanin="">ماهواره‌های مکعبی سنجش از دور به دلیل اندازه کوچک و هزینه پایین، به عنوان ابزارهای ارزشمندی در مأموریت‌های فضایی مورد استفاده قرار می‌گیرند. این مقاله به بررسی چالش‌ها و نوآوری‌های کلیدی در سه حوزه اساسی این نوع ماهواره‌ها شامل سیستم‌های تعیین و کنترل وضعیت </span></span>(ADCS)<span lang="AR-SA"><span b="" nazanin="">، انتقال داده به زمین، و مدیریت حرارتی می‌پردازد</span></span>.<span b="" nazanin=""> در بخش سیستم‌های </span>ADCS<span lang="AR-SA"><span b="" nazanin="">، به تحلیل چالش‌های محدودیت اندازه و وزن، دقت بالا و نیاز به پاسخگویی سریع پرداخته شده است. استفاده از هوش مصنوعی و الگوریتم‌های یادگیری ماشین برای بهبود عملکرد این سیستم‌ها، شامل استفاده از شبکه‌های عصبی و فیلترهای کالمن توسعه‌یافته، در کنترل وضعیت ماهواره‌های مکعبی مورد بررسی قرار گرفته و تأثیرات مثبت آن‌ها بر افزایش دقت و کاهش خطاها تحلیل شده است</span></span>.<span b="" nazanin=""> در بخش انتقال داده، مشکلات مربوط به پهنای باند، مدیریت حجم داده‌ها، و تأخیر در انتقال مورد بررسی قرار گرفته است. بهینه‌سازی فرآیند انتقال داده با استفاده از الگوریتم‌های فشرده‌سازی و تکنیک‌های هوش مصنوعی برای مدیریت و دسته‌بندی داده‌ها، به کاهش حجم داده‌های غیرضروری و افزایش کارایی ارتباطات پرداخته شده است</span>.<span b="" nazanin=""> بخش مدیریت حرارتی به تحلیل چالش‌های کنترل دما در ماهواره‌های مکعبی و راهکارهای پیشنهادی مانند استفاده از مواد و پوشش‌های حرارتی و شبیه‌سازی دقیق رفتار حرارتی با استفاده از شبکه‌های عصبی مصنوعی پرداخته است. این مطالعه به بررسی روش‌های بهینه‌سازی و پیش‌بینی وضعیت حرارتی برای حفظ کارایی سیستم‌های حساس در شرایط فضایی پرداخته و نتایج آن نشان‌دهنده‌ی کاهش زمان پردازش و هزینه‌های محاسباتی است</span>.<span b="" nazanin=""> این مقاله همچنین به بررسی پروژه‌های نوآورانه مانند</span> IPEX <span lang="AR-SA"><span b="" nazanin="">و</span></span> Amazonia-1 <span lang="AR-SA"><span b="" nazanin="">پرداخته و تأثیر فناوری‌های هوش مصنوعی بر بهبود عملکرد و کارایی ماهواره‌های مکعبی را تحلیل می‌کند. نتایج حاصل از این بررسی‌ها می‌تواند به بهبود فناوری‌های فضایی و ارتقاء مأموریت‌های سنجش از دور کمک کند</span></span>.</span></span></span></span></span></span></div> <div style="text-align: justify;"><span style="font-size:12px;"><span style="font-family:Tahoma;">Remote sensing CubeSats are valuable tools in space missions. This paper analyses the key challenges and innovations in three essential domains of these satellites: Attitude Determination and Control Systems (ADCS), data transmission to Earth, and thermal management. In the ADCS section, the paper examines challenges related to size and weight limitations, high precision, and the need for rapid responsiveness. The use of artificial intelligence and machine learning algorithms to enhance the performance of these systems&mdash;including neural networks and extended Kalman filters for CubeSat attitude control&mdash;is explored, with positive impacts on accuracy and error reduction analyzed. The data transmission section reviews issues related to bandwidth, data volume management, and transmission delays. The optimization of the data transmission process through compression algorithms and artificial intelligence techniques for data management and classification is discussed, focusing on reducing unnecessary data and improving communication efficiency. The thermal management section analyses temperature control challenges in CubeSats and proposes solutions such as thermal materials and coatings, along with precise thermal behavior simulation using artificial neural networks. This study evaluates methods for optimizing and predicting thermal conditions to maintain the performance of sensitive systems in space environments, with results indicating reduced processing time and computational costs. The paper also reviews innovative projects such as IPEX and Amazonia-1, analyzing the impact of AI technologies on enhancing CubeSat performance and efficiency. The findings of this review could contribute to advancing space technologies and enhancing remote sensing mission capabilities.</span></span></div> ماهواره مکعبی, سنجش از دور, هوش مصنوعی, بهینه سازی عملکرد, کنترل وضعیت ماهواره, مدیریت حرارتی CubeSat, Remote Sensing, Artificial Intelligence, Performance Optimizations, Attitude Control, Thermal Management 115 125 http://jgst.issgeac.ir/browse.php?a_code=A-10-236-3&slc_lang=fa&sid=1 Mahdi Farhangi مهدی فرهنگی ma.farhangi@mail.sbu.ac.ir 100319475328460010879 100319475328460010879 No Shahid Beheshti University دانشگاه شهید بهشتی Amir Aghabalaei امیر آقابالائی remotesensing@ihu.ac.ir 100319475328460010880 100319475328460010880 Yes Imam Hossein University دانشگاه جامع امام حسین (ع) Yahya Jamour یحیی جمور y_djamour@sbu.ac.ir 100319475328460010881 100319475328460010881 No Shahid Beheshti University دانشگاه شهید بهشتی