Self-calibration rank filter for unknown dynamic inputs mitigation during the Mars powered descent phase

سیستم های ناوبری پیشرفته برای تعیین دقیق فرود در مرحله ورود، فرود و فرود مأموریت های آینده به مریخ نیاز دارند. برای غلبه بر مشکل برآورد موقعیت افقی در مرحله مهاجرت مریخ، واحد اندازه گیری درایو، رادار داپلر و طرح ناوبری پیوسته سطح پیشنهاد شده است و یک فیلتر معمولی مانند فیلتر کلامان تمیز و یا بدون انقباض پذیرفته شده است. با این حال، در عمل مهندسی، این فیلترهای مرسوم برای سیستم های غیر خطی با ورودی های ناشناخته پویا ممکن است کاهش یا حتی انحراف یابد. فقدان دقت ناوبری ممکن است منجر به رشد زیاد ناوبری های جعلی شود. برای حل این مشکل، براساس فیلتر رتبه بندی، یک فیلد رتبه بندی خودکار خود برای ارزیابی حالت یک سیستم غیرخطی برای کاهش اثرات ورودی های پویای ناشناخته پیشنهاد شده است. نتایج شبیه سازی مونت کارلو برای نشان دادن عملکرد خوب فیلتر رتبه بندی کالیبراسیون برای ناوبری ناشی از فرود مریخ ارائه شده است. رتبه رتبه بندی کالیبراسیون خود را نه تنها مانع از واگرایی فیلتر می شود، بلکه باعث می شود که دقت تخمینی حالت نیز قابل توجهی را بهبود بخشد.