Leaman Weiffenbach, Félix AlbertoTacul Vargas, Matías Ignacio2025-09-112025-09-112025https://repositorio.udec.cl/handle/11594/13057Tesis presentada para optar al grado de Magíster en Ciencias de la Ingeniería con mención en Ingeniería Mecánica.Los CubeSats, nanosatélites de bajo costo, se han convertido en una herramienta ampliamente utilizada en diversas aplicaciones espaciales, especialmente en misiones de observación terrestre. En este tipo de misiones, es fundamental orientar con precisión la carga útil hacia la superficie terrestre para garantizar la calidad de los datos recolectados. Sin embargo, tanto el rendimiento como el costo de estos satélites dependen en gran medida de las características de los sensores y actuadores que los componen. En este contexto, el presente estudio aborda el desafío de identificar el conjunto óptimo de componentes del sistema de determinación y control de actitud (ADCS), ajustándose a los requisitos específicos de cada misión. Con este propósito, se desarrolló una suite de simulación que modela tanto la dinámica orbital como la actitud del CubeSat, integrando sensores y actuadores en el Subsistema de Determinación y Control de Actitud (ADCS). Esta suite incorpora algoritmos de estimación, como una variante del filtro de Kalman extendido, y controladores LQR o PD según requerimiento. Se diseño una suite de optimización capaz de encontrar un equilibrio entre costo y rendimiento, considerando las restricciones impuestas por los System Engineering envelopes (como masa y potencia) y los Measures of Performance (MoP) definidos por el usuario. Dado que el problema de optimización no es convexo y presenta múltiples mínimos locales, se evaluaron diversos algoritmos, destacando el método de Powell como el más robusto. Este algoritmo, implementado a través del módulo scipy.optimize en Python, demostró una alta capacidad para alcanzar mínimos globales sin requerir derivadas explícitas. Como demostración, se ejecutó un caso práctico de optimización utilizando magnetorquers, donde se seleccionaron componentes físicos óptimos bajo restricciones técnicas representativas de la misión SUCHAI-3. El estudio reveló que para métricas como la agilidad, la autoridad del actuador tiene un impacto crítico, mientras que para métricas como el jitter o la exactitud, la precisión de los sensores es más determinante. Los resultados indicaron que el diseño optimo de un ADCS debe balancear cuidadosamente los SE Envelopes y los MoP según el objetivo de la misión, siendo posible, mediante esta metodología, seleccionar componentes específicos en función de su contribución al rendimiento general del sistema. Esta herramienta será evaluada a futuro como un optimizador no solo aplicable a CubeSats, sino también, con las adaptaciones necesarias, como una solución para otros tipos de vehículos aéreos, como los RPAS, incorporando cambios o mejoras al algoritmo de optimización según los requerimientos de cada plataforma.CubeSats, low-cost nanosatellites, have become widely used tools in various space applications, particularly in Earth observation missions. In such missions, accurately pointing the payload toward Earth is essential to ensure the quality of the collected data. However, both the per formance and cost of these satellites largely depend on the characteristics of their sensors and actuators. In this context, the present study addresses the challenge of identifying the optimal set of components for the Attitude Determination and Control System (ADCS), tailored to the specific requirements of each mission. To this end, a simulation suite was developed to model both the orbital and attitude dynamics of the CubeSat, integrating sensors and actuators within the ADCS. This suite incorporates estimation algorithms, such as a variant of the Extended Kalman Filter, as well as LQR or PD controllers, depending on the requirements. An optimizacion framework was designed to balance cost and performance, considering constraints imposed by System Engineering (SE) envelopes—such as mass and power—and user-defined Measures of Performance (MoP). Since the optimization problem is non-convex and presents multiple local minima, several algo rithms were tested, with the Powell method standing out as the most robust. This algorithm, implemented via the scipy.optimize module in Python, demonstrated strong capabilities for f inding global minima without requiring explicit derivatives. As a demonstration, a practi cal optimization case was executed using magnetorquers, where optimal physical components were selected under technical constraints representative of the SUCHAI-3 mission. The study revealed that actuator authority plays a critical role in agility-related metrics, while sensor accuracy is more influential for metrics such as jitter and pointing accuracy. The results indicated that the optimal design of an ADCS must carefully balance SE envelopes and MoP according to the mission objective. Using this methodology, it is possible to select specific components based on their contribution to the overall system performance. This tool will be evaluated in the future not only as an optimizer for CubeSats, but also—after the neces sary adaptations—as a solution for other types of aerial vehicles, such as RPAS, incorporating algorithmic improvements as required by each platform.esCC BY-NC-ND 4.0 DEED Attribution-NonCommercial-NoDerivs 4.0 InternationalDiseño de sistemasSatélites artificialesAerospace telemetryThesis