서지주요정보
GPU-accelerated optimization of CubeSat constellation design considering cloud cover uncertainty = 구름 차폐 불확실성을 고려한 GPU 기반의 큐브 위성 군집 가속 최적화 기법 연구
서명 / 저자 GPU-accelerated optimization of CubeSat constellation design considering cloud cover uncertainty = 구름 차폐 불확실성을 고려한 GPU 기반의 큐브 위성 군집 가속 최적화 기법 연구 / Hsiu-Hsuan Huang.
저자명 Huang, Hsiu-Hsuan ; 황 시우수안
발행사항 [대전 : 한국과학기술원, 2020].
Online Access 원문보기 원문인쇄

소장정보

등록번호

8035823

소장위치/청구기호

학술문화관(도서관)2층 패컬티라운지(학위논문)

MAE 20017

휴대폰 전송

도서상태

이용가능

대출가능

반납예정일

리뷰정보

초록정보

Over the past decades, the miniaturization of commercial off-the-shelf electronics has led to the development of nanosatellites, especially on the basis of CubeSat standard. And recently, space community begins to realize that constellations of hundreds of CubeSats have potential to provide comparable or even greater capabilities than a single traditional large satellite in real space missions, but with lower cost and higher robustness. However, to design such a satellite constellation for reaping its benefits entails solving large-scale multi-objective optimization problems. One obvious problem is to decide the orbit elements of each CubeSat in the constellation with the purpose of optimizing some performance measures. In order to reduce the burden on the orbit design engineers and speed up the design process of future constellation missions, this study developed a tool named ACCELERATOR, which is essentially a multi-objective genetic algorithm with GPU-based modules, for obtaining optimal orbital configuration of the CubeSat constellations in reasonable time. Moreover, the primary limiting factor in the optical satellite constellation scheduling problem, namely the cloud cover uncertainty, was considered during the iterations of the genetic algorithm with Monte Carlo method. Therefore the resulting optimal constellations were believed to be robust enough to cope with the uncertainty while in the operations phase of the satellite constellation.

지난 수십 년간의 상용(commercial off-the-shelf) 전자 장치의 소형화는 특히 큐브 위성(CubeSat)의 규격 표준에 기반한 초소형 나노 위성의 개발을 이끌었다. 최근에는 우주 산업에서 수백 개의 큐브 위성이 실제 우주 임무에서 기존의 단일 대형 위성보다 유사하거나 더 큰 기능을 제공할 수 있음에도 비용은 낮고 강건성(robustness)은 높다는 것을 인식하기 시작했다. 그렇지만 이러한 위성 군집(constellation)의 성능상의 이점을 얻기 위해서는 대규모의 다목적 최적화 문제를 해결해야 하는 제한이 있다. 즉, 성능 척도를 최적화 하기 위해서 위성 군집 내의 각각의 큐브 위성들의 궤도 요소들이 이러한 요구사항에 맞춰서 결정되어야 한다는 점이다. 따라서 본 연구는 궤도 설계 엔지니어의 부담을 줄이고 미래의 큐브 위성 군집 임무의 설계 프로세스를 높이기 위해서, GPU 가속 모듈을 갖춘 다목적 유전자 알고리즘 기반의 최적의 위성 군집 궤도 형상을 설계하는 ACCELERATOR라는 소프트웨어 도구를 개발했다. 그리고 몬테카를로 방법으로 유전자 알고리즘을 반복하는 동안 광학 임무를 수행하는 위성 군집의 스케줄링 문제의 주요 제한 요인인 구름 차폐 불확실성(Cloud cover uncertainty) 또한 고려되었다. 따라서 최종적으로 획득된 최적의 위성 군집은 운용 단계(Operations phase)에서 불확실성에 대처하기에 충분히 강건한 것으로 확인되었다.

서지기타정보

서지기타정보
청구기호 {MAE 20017
형태사항 iv, 52 p. : 삽도 ; 30 cm
언어 영어
일반주기 저자명의 한글표기 : 시우수안 황
지도교수의 영문표기 : Hyochoong Bang
지도교수의 한글표기 : 방효충
학위논문 학위논문(석사) - 한국과학기술원 : 항공우주공학과,
서지주기 References : p. 47-50
주제 CubeSat constellation
Robust design
Multi-objective genetic algorithm
Orbit propagation
Monte Carlo method
GPU-accelerated computing
큐브 위성 군집
강건 설계
다목적 유전자 알고리즘
궤도 전파
몬테카를로 방법
GPU 가속 컴퓨팅
QR CODE qr code