یکنواخت سازی کاتالوگ ستاره به روش مثلث بندی جهت کاربرد در حس گر ستاره
محل انتشار: مهندسی مکانیک مدرس، دوره: 18، شماره: 6
سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 71
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_MME-18-6_023
تاریخ نمایه سازی: 8 اسفند 1403
چکیده مقاله:
حجم پایگاه داده و کمینه ستاره های قابل مشاهده در میدان دید حس گر ستاره دو پارامتر مهم، تاثیرگذار و در عین حال متناقض می باشند که می بایست در طراحی مورد توجه قرار گیرند. در این راستا هدف از این مقاله یکنواخت سازی پایگاه داده با استفاده از توزیع یکنواخت نقاط بر روی کره سماوی و به روش مثلث بندی است. برای این منظور انتخاب کاتالوگ ستاره مناسب، قدر کمینه مطلوب و حذف ستاره های دوبل ازجمله سایر مراحل فرآیند یکنواخت سازی می باشد که در این تحقیق انجام شده است. بدین ترتیب نتایج بررسی های انجام گرفته نشان داد که مثلث بندی دلونی به روش استریپک سریع تر و دقیق تر از روش شبکه ژئودزیک است. همچنین با انجام شبیه سازی و اجرای تست های مونت کارلو جهت شمارش تعداد ستاره های مشاهده شده در میدان دید های مختلف یک حس گر ستاره نوعی، مشخص گردید یکنواخت سازی به روش مثلث بندی دلونی منجر به کاهش چشمگیر احتمال مشاهده تراکم زیاد ستاره های کاتالوگ در میدان دید حس گر می گردد به گونه ای که احتمال مشاهده بیش از ۲۵ ستاره در تمامی میدان های دید ممکن به صفر رسیده است. از سویی دیگر برای مشاهده ۴ و یا بیشتر از ۴ ستاره در سطح اطمینان بیشتر از ۹۵%، در کاتالوگ غیریکنواخت نیاز به میدان دید حداقل ۱۲.۵ درجه می باشد. این در حالی است که در پایگاه داده یکنواخت شده این میدان دید به اندکی بیش از ۱۳ درجه افزایش یافته است؛ به عبارت دیگر یکنواخت سازی تا حدودی کمینه میدان دید لازم جهت مشاهده حداقل تعداد ستاره مورد نیاز را افزایش داده است.
کلیدواژه ها:
نویسندگان
فرشاد سمیه یی
Department of Flight Dynamics & Control, Faculty of Aerospace Engineering, K. N. Toosi University of Technology, Tehran, IRAN
امیرعلی نیکخواه
professor
جعفر روشنی یان
professor
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :