[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
بخش‌های اصلی
صفحه اصلی::
اطلاعات نشریه::
برای نویسندگان::
آرشیو مجله و مقالات::
برای داوران::
تماس با ما::
امکانات پایگاه::
::
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
پایگاه های نمایه کننده







 
..
آمار سایت
تعداد مشاهده ی مقالات: 2801393

مقالات منتشر شده: 661
نرخ پذیرش: 73.8
نرخ رد: 17.62

میانگین دریافت تا تصمیم‌گیری اولیه: 5 تا 10 روز
میانگین دریافت تا پذیرش: 190 روز
____
..
:: دوره 14، شماره 3 - ( 12-1403 ) ::
دوره 14 شماره 3 صفحات 125-115 برگشت به فهرست نسخه ها
مروری بر بهینه‌سازی عملکرد ماهواره‌های مکعبی سنجش از دور با استفاده از تکنیک‌های هوش مصنوعی: کنترل وضعیت، انتقال داده و مدیریت حرارتی
مهدی فرهنگی ، امیر آقابالائی* ، یحیی جمور
چکیده:   (141 مشاهده)
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 (ADCS)، انتقال داده به زمین، و مدیریت حرارتی می‌پردازد. در بخش سیستم‌های ADCS، 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. 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. 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. این مقاله همچنین به بررسی پروژه‌های نوآورانه مانند IPEX و Amazonia-1 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.
شماره‌ی مقاله: 8
واژه‌های کلیدی: ماهواره مکعبی، سنجش از دور، هوش مصنوعی، بهینه سازی عملکرد، کنترل وضعیت ماهواره، مدیریت حرارتی
متن کامل [PDF 683 kb]   (75 دریافت)    
نوع مطالعه: ترویجی | موضوع مقاله: ژئودزی و هیدروگرافی
دریافت: 1403/8/16
فهرست منابع
1. K. Khurshid, R. Mahmood, and Q. Ul Islam, "A survey of camera modules for CubeSats - Design of imaging payload of ICUBE-1," RAST 2013 - Proc. 6th Int. Conf. Recent Adv. Sp. Technol., pp. 875-879, 2013, doi: 10.1109/RAST.2013.6581337. [DOI:10.1109/RAST.2013.6581337]
2. M. Islam Bappy et al., "Advanced payload architecture for a hyperspectral earth imaging CubeSat based on Software Defined Radio and Deep Neural Network Cube Sat Ground Station View project CubeSat View project Advanced payload architecture for a hyperspectral earth imaging CubeS," no. July 2020, 2018, [Online]. Available: https://www.researchgate.net/publication/331534101.
3. N. Ivliev et al., "First Earth-Imaging CubeSat with Harmonic Diffractive Lens," Remote Sens., vol. 14, no. 9, 2022, doi: 10.3390/rs14092230. [DOI:10.3390/rs14092230]
4. L. Feruglio, "Artificial Intelligence for Small Satellites Mission Autonomy," Dr. Diss. Politec. di Torino, 2017.
5. P. A. Oche, G. A. Ewa, and N. Ibekwe, "Applications and Challenges of Artificial Intelligence in Space Missions," IEEE Access, vol. 12, pp. 44481-44509, 2024, doi: 10.1109/ACCESS.2021.3132500. [DOI:10.1109/ACCESS.2021.3132500]
6. E. Allthorpe-Mullis et al., "CubeSat Camera: A Low Cost Imaging System for CubeSat Platforms," 7th Interplanet. CubeSat Work., pp. 1-9, 2018, [Online]. Available: https://icubesat.files.wordpress.com/2018/05/b-35201805251613 paper.pdf
7. M. N. Sarvi and H. Mahdipour, "Performance Evaluation of CubeSats for Remote Sensing Missions: A Review." Journal of Geoinformatics in Civil Engineering (JGCE), 2023.
8. M. Preisinger, "Advancing the Attitude Determination and Control System for the CubeSat MOVE-II," 2019.
9. J. D. Reis Junior, A. M. Ambrosio, F. L. de Sousa, and D. F. Silva, "Spacecraft real-time thermal simulation using artificial neural networks," J. Brazilian Soc. Mech. Sci. Eng., vol. 43, no. 4, p. 198, Apr. 2021, doi: 10.1007/s40430-021-02908-7. [DOI:10.1007/s40430-021-02908-7]
10. L. Feruglio and S. Corpino, "Neural networks to increase the autonomy of interplanetary nanosatellite missions," Rob. Auton. Syst., vol. 93, pp. 52-60, 2017, doi: 10.1016/j.robot.2017.04.005. [DOI:10.1016/j.robot.2017.04.005]
11. J. D. Liddle, A. P. Holt, S. J. Jason, K. A. O'Donnell, and E. J. Stevens, "Space science with CubeSats and nanosatellites," Nat. Astron., vol. 4, no. 11, pp. 1026-1030, 2020, doi: 10.1038/S41550-020-01247-2. [DOI:10.1038/s41550-020-01247-2]
12. J. Goodwill et al., "NASA SpaceCube Edge TPU SmallSat Card for Autonomous Operations and Onboard Science-Data Analysis," 35th Small Satell. Conf., 2021, [Online]. Available: https://ntrs.nasa.gov/api/citations/20210019764/downloads/SSC21-VII-08-TPU_v11.pdf
13. E. E. Secretariat, "Ecss-E-St-50-01C, Space data links - Telemetry synchronization and channel coding," Ecss, no. July, pp. 443-458, 2008.
14. S. Nie, J. M. Jornet, and I. F. Akyildiz, "Deep-learning-based resource allocation for multi-band communications in cubesat networks," 2019 IEEE International Conference on Communications Workshops, ICC Workshops 2019 - Proceedings. 2019. doi: 10.1109/ICCW.2019.8757157. [DOI:10.1109/ICCW.2019.8757157]
15. A. Smith, "Space engineering, Communications," Sp. Sci., no. July, pp. 443-458, 2004, doi: 10.1142/9781860944574_0014. [DOI:10.1142/9781860944574_0014]
16. A. Smith, "Space engineering, SpaceWire - Links, nodes, routers and networks," Sp. Sci., no. July, pp. 443-458, 2004, doi: 10.1142/9781860944574_0014. [DOI:10.1142/9781860944574_0014]
17. S. Chien et al., "Onboard autonomy on the intelligent payload experiment CubeSat mission," J. Aerosp. Inf. Syst., vol. 14, no. 6, pp. 307-315, 2017, doi: 10.2514/1.I010386. [DOI:10.2514/1.I010386]
18. J. Castellví Esturi and Jordi, "Feasibility Study of a Multispectral Remote Sensing Mission based on a 6U CubeSat Standard," Oct. 2014, Accessed: Feb. 09, 2024. [Online] Available: http://recercat.cat/handle/2072/242187
19. J. Junior, A. Ambrosio, and F. Sousa, "Real-Time Cubesat Thermal Simulation using Artificial Neural Networks," Journal of Computational Interdisciplinary Sciences, vol. 8, no. 2. 2017. doi: 10.6062/jcis.2017.08.02.0126. [DOI:10.6062/jcis.2017.08.02.0126]
ارسال پیام به نویسنده مسئول

ارسال نظر درباره این مقاله
نام کاربری یا پست الکترونیک شما:

CAPTCHA



XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Farhangi M, Aghabalaei A, Jamour Y. A Review on Performance Optimization of Remote Sensing CubeSats Using Artificial Intelligence Techniques: Attitude Control, Data Transmission, and Thermal Management. JGST 2025; 14 (3) : 8
URL: http://jgst.issgeac.ir/article-1-1207-fa.html

فرهنگی مهدی، آقابالائی امیر، جمور یحیی. مروری بر بهینه‌سازی عملکرد ماهواره‌های مکعبی سنجش از دور با استفاده از تکنیک‌های هوش مصنوعی: کنترل وضعیت، انتقال داده و مدیریت حرارتی. علوم و فنون نقشه برداری. 1403; 14 (3) :115-125

URL: http://jgst.issgeac.ir/article-1-1207-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
دوره 14، شماره 3 - ( 12-1403 ) برگشت به فهرست نسخه ها
نشریه علمی علوم و فنون نقشه برداری Journal of Geomatics Science and Technology