⚡ electrical engineering

Star-Tracker-Constrained Attitude MPC for CubeSats

Este artículo presenta un marco de control predictivo basado en modelos lineales en línea para CubeSats que garantiza la disponibilidad del rastreador de estrellas durante maniobras de seguimiento de objetivos terrestres, formulando el problema como un programa cuadrático mediante linealización analítica y validando su rendimiento mediante simulaciones de alta fidelidad.

Autores originales: Dominik Beňo, Patrik Valábek, Martin Hromčík, Martin Klaučo

Publicado 2026-04-02

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Dominik Beňo, Patrik Valábek, Martin Hromčík, Martin Klaučo

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que tienes un satélite CubeSat (un pequeño satélite del tamaño de una caja de zapatos) que necesita tomar fotos de la Tierra, como un dron fotógrafo muy avanzado. Su misión es seguir un objetivo en movimiento en el suelo (como una ciudad o un barco) mientras gira y se mueve por el espacio.

Aquí está el problema: este satélite tiene una cámara principal (para ver la Tierra) y un sensor de estrellas (como una brújula muy precisa que mira al cielo para saber dónde está).

El Dilema: "No puedes mirar a ambos lados a la vez"

El sensor de estrellas es muy delicado. Si el satélite gira demasiado rápido, el sensor se mareará y perderá la orientación. Además, si el Sol o la Tierra entran en su campo de visión, lo "cegarán" (como cuando te pones de frente a un faro potente y no ves nada más).

El reto es: ¿Cómo giras el satélite para seguir a tu objetivo en la Tierra sin girar tan rápido que el sensor de estrellas se maree, y sin que el Sol o la Tierra le tapen la vista?

Antes, los ingenieros hacían esto "a ciegas" o planificaban todo desde la Tierra días antes. Si algo salía mal o el objetivo cambiaba, el satélite no podía reaccionar rápido.

La Solución: El "Piloto Automático con Bola de Cristal"

Este artículo presenta un nuevo cerebro para el satélite llamado MPC (Control Predictivo por Modelo). Piensa en él como un conductor experto que no solo mira el coche que tiene delante, sino que predice el futuro unos segundos más adelante.

Aquí te explico cómo funciona con analogías sencillas:

1. El "Mapa Mental" que se actualiza cada segundo

El satélite no resuelve un problema matemático gigante y complejo cada vez que gira (eso le tomaría demasiado tiempo y energía). En su lugar, hace algo inteligente:

Imagina que estás en una montaña rusa oscura. En lugar de calcular toda la montaña, el satélite solo mira el tramo inmediato (los próximos 5 segundos) y asume que es una línea recta.
Calcula la mejor forma de girar en ese tramo corto.
Luego, un segundo después, mira el siguiente tramo, actualiza su "línea recta" y vuelve a calcular.
Esto se llama linealización. Es como decir: "Para los próximos 50 pasos, asumiré que el suelo es plano, aunque sé que es una montaña". Esto hace que los cálculos sean rapidísimos y fáciles para la pequeña computadora del satélite.

2. Las "Reglas del Juego" (Restricciones)

El nuevo cerebro tiene tres reglas estrictas que nunca puede romper:

Regla de la velocidad: "No girarás más rápido de lo que el sensor de estrellas puede soportar" (como no correr más rápido de lo que tu perro puede seguirte).
Regla del Sol y la Tierra: "Nunca dejarás que el Sol o la Tierra entren en la cámara del sensor de estrellas" (como no mirar directamente al sol).
Regla del motor: "No usarás más fuerza de la que tus motores pueden dar".

3. El "Planificador de Ruta"

El sistema calcula miles de posibilidades en una fracción de segundo (usando un método matemático llamado Programación Cuadrática, que suena complicado pero es como buscar el camino más corto en un laberinto).

Si ve que va a girar muy rápido, frena un poco.
Si ve que el Sol se acerca a su sensor, ajusta la ruta para esquivarlo, incluso si eso significa que la foto de la Tierra no será perfecta por un instante.
Todo esto ocurre en tiempo real, mientras el satélite vuela. No necesita esperar instrucciones de la Tierra.

¿Funcionó? (Las Pruebas)

Los autores probaron este sistema en una simulación muy realista (como un videojuego de física súper avanzado hecho por la NASA).

Comparación: Lo compararon con dos otros métodos: uno que calcula todo el viaje de antemano (lento y rígido) y otro "ingenuo" que solo intenta ir rápido sin mirar las reglas.
Resultado:
- El método "ingenuo" giró muy rápido, pero casi perdió el sensor de estrellas y la foto salió borrosa.
- El método "pre-calculado" fue preciso, pero no podía reaccionar si algo cambiaba.
- El nuevo MPC fue el ganador: mantuvo el sensor seguro, respetó todas las reglas y tomó fotos muy nítidas, todo mientras se adaptaba al vuelo en tiempo real.

En Resumen

Este papel presenta un sistema de navegación inteligente para pequeños satélites. Es como darle a un coche autónomo la capacidad de conducir por una carretera de montaña con niebla, sabiendo exactamente cuándo frenar para no volcar (velocidad), cuándo girar para no chocar contra un árbol (exclusión solar) y cómo llegar a su destino lo más rápido posible sin perder el control.

Gracias a esto, los pequeños satélites baratos podrán hacer misiones complejas de observación terrestre de forma más autónoma, segura y eficiente, sin depender de que un humano en la Tierra les diga qué hacer cada segundo.

Resumen Técnico: Control Predictivo por Modelo (MPC) de Actitud para CubeSats con Restricciones de Rastreo Estelar

1. Planteamiento del Problema

Las misiones de observación terrestre en satélites pequeños (CubeSats) requieren maniobras de giro (slew) rápidas y precisas para seguir objetivos en movimiento mientras mantienen la calidad de la imagen. Un desafío crítico en estas plataformas es la limitación de recursos: a menudo dependen de un único rastreador estelar para la determinación de actitud debido a restricciones de masa, potencia y costo.

Esto impone restricciones de control estrictas:

Límites de velocidad angular: Los rastreadores estelares pierden el bloqueo si la velocidad de giro del satélite supera un umbral específico (típicamente 1°/s a 3°/s).
Zonas de exclusión: El rastreador no puede apuntar hacia el Sol ni hacia el horizonte terrestre (nadir) para evitar cegarse.
Objetivo: El controlador debe minimizar el error de apuntado hacia el objetivo terrestre, respetando simultáneamente los límites de velocidad, par de los actuadores y, crucialmente, manteniendo al rastreador estelar dentro de su zona operativa segura durante toda la maniobra.

Los enfoques actuales (optimización de trayectorias offline o campos de potencial) carecen de autonomía, requieren intervención en tierra o no garantizan el cumplimiento estricto de las restricciones en tiempo real.

2. Metodología Propuesta

Los autores proponen un marco de Control Predictivo por Modelo (MPC) lineal en línea que se adapta dinámicamente al estado actual del satélite.

Linealización Analítica: En lugar de resolver un problema de optimización no lineal (NMPC) complejo en cada paso, el modelo de dinámica rígida no lineal y las restricciones geométricas se linealizan analíticamente alrededor de la estimación del estado actual en cada instante de control.
Formulación QP: Esta linealización convierte el problema de control en un Programa Cuadrático (QP) estándar y de tiempo variante. Esto reduce drásticamente la complejidad computacional en línea, haciéndolo compatible con el hardware limitado de los CubeSats.
Observador de Estado: Se utiliza un Filtro de Kalman de Tiempo Variante (TVKF) con estados de perturbación aumentados para estimar tanto la actitud como los pares de perturbación no modelados y errores de linealización.
Restricciones: El MPC gestiona un horizonte deslizante que incluye:
- Límites de velocidad angular ( $\omega$ ).
- Límites de par de los actuadores ( $u$ ).
- Restricciones de exclusión geométrica (ángulo mínimo con el Sol y el nadir).
- Variables de holgura (slack variables) con penalización alta para garantizar la factibilidad del problema sin violar las restricciones críticas.

3. Contribuciones Clave

Formulación MPC Lineal de Tiempo Variante: Un enfoque que impone conjuntamente restricciones de velocidad, actuadores y exclusión estelar en un bucle de retroalimentación en línea, eliminando la necesidad de diseño de trayectorias offline o intervención humana.
Reducción a QP Estándar: La linealización analítica de la dinámica y las salidas geométricas reduce el problema a un QP, ofreciendo un perfil computacional más bajo que los esquemas NMPC no lineales.
Caracterización de Robustez: Un análisis exhaustivo mediante simulaciones Monte Carlo que define los límites operativos del método frente a variaciones en la geometría del objetivo y perturbaciones en el tensor de inercia.

4. Resultados y Validación

Los autores validaron el controlador utilizando el simulador de alta fidelidad "42" de la NASA en un entorno de modelo en el bucle (model-in-the-loop).

Escenario: Un CubeSat de 8U en órbita solar-sincronizada (550 km) realizando un seguimiento de un objetivo fijo en Praga.
Comparativa: Se comparó el MPC lineal contra:
1. Optimización de trayectoria no lineal (offline, óptima pero sin retroalimentación).
2. Solución "ingenua" (basada en limitación de velocidad de referencia sin optimización de restricciones de exclusión).
Rendimiento en Simulación Única:
- El MPC logró un error medio de apuntado de 0.188°, comparable a la optimización no lineal (0.031°) y muy superior a la solución ingenua en términos de cumplimiento de restricciones.
- Cumplió estrictamente con las restricciones de exclusión solar y de nadir, mientras que la solución ingenua las ignoró.
- El tiempo de asentamiento fue de ~49.7 segundos.
Simulaciones Monte Carlo (100 ejecuciones):
- El controlador satisfizo todas las restricciones de exclusión, velocidad y actuadores en el 100% de las ejecuciones.
- En el 97% de los casos, las zonas de exclusión estuvieron activas, demostrando la capacidad del controlador para navegarlas.
- En 65 de 89 casos válidos (excluyendo 11 casos geométricamente imposibles donde las restricciones de exclusión chocaron), el error de apuntado se mantuvo por debajo de 1° durante toda la ventana de observación.
- El número promedio de iteraciones del solucionador QP fue de ~19 por paso de control, confirmando la regularidad computacional y la viabilidad para software de vuelo.

5. Significado e Impacto

Este trabajo cierra una brecha importante en el control de actitud para nanosatélites. Demuestra que es posible lograr un seguimiento de objetivos en tierra ágil y autónomo en plataformas con recursos limitados, sin sacrificar la disponibilidad de los sensores críticos (rastreadores estelares).

Autonomía: Elimina la dependencia de enlaces ascendentes desde tierra para nuevas maniobras, permitiendo reaccionar a objetivos imprevistos.
Fiabilidad: Proporciona garantías formales de cumplimiento de restricciones (a diferencia de los campos de potencial) con una carga computacional manejable.
Aplicabilidad: El enfoque es directamente aplicable a misiones de observación terrestre, radar de apertura sintética (SAR) y comunicaciones ópticas donde la calidad de los datos depende de la precisión de apuntado y la estabilidad del sensor.

El estudio concluye que, aunque existen limitaciones geométricas inherentes en configuraciones de un solo rastreador (cuando el Sol y el nadir bloquean simultáneamente el campo de visión), el MPC lineal propuesto ofrece la solución óptima disponible para maximizar el tiempo de observación útil dentro de las restricciones físicas del sistema.