Traducción automática, no revisada por un hablante nativo. El inglés es la referencia.

Páginas de tipos de escenarioEditar en GitHubFuente: docs/kinds/by-kind/mars-pnt.md

mars-pnt (tipo de escenario)

Tipo de escenario del motor v0.40.0, familia Constelaciones, cobertura y geometría. Consultivo: salida de análisis de una herramienta de investigación e ingeniería, no un equipo de navegación homologado ni un servicio de seguridad de la vida humana. Toda etiqueta de aquí es la del motor o la de la matriz de verificación; un tipo de escenario es MODELLED salvo que la matriz diga otra cosa (cómo se gana una etiqueta: la sección Evidence del README).

Qué hace#

PNT de espacio profundo en Marte: una constelación simulada de relés MARCONI (relés areoestacionarios e inclinados que emiten en un sentido y retransmiten en ambos sentidos a una estación de espacio profundo) navega a un usuario de referencia (transfer | lmo | surface) mediante el estimador de fusión radiométrica conjunta unidireccional y bidireccional. Indica la geometría y la visibilidad por época, el RMS alcanzado frente a la verdad, y la covarianza formal (posición 1σ / 3σ): una cifra de mérito simulada honesta, NO un nivel de protección certificado.

Una ejecución de scenarios/mars-pnt-lmo.toml se resume así: mars-pnt 5aad87fcc94a | usuario lmo, reloj uso | 5 relés (media 3,1 a la vista) | RMS de posición convergido 0,25 m, 1σ formal 0,31 m (3σ 0,93 m: cifra de mérito de covarianza, no un PL certificado) | σ de frecuencia del reloj 3.71e-13 | cov-PD true

Entradas#

Del esquema (kshana kinds --json):

  • Campos obligatorios: ninguno
  • Campos opcionales: user, clock_class, step_s, duration_s, nmax, range_sigma_m, doppler_sigma_mps, dynamic_tightness, two_way_period_s, seed

El ejemplo scenarios/mars-pnt-lmo.toml establece, entre otros:

Campo Valor Unidad
clock_class uso texto
doppler_sigma_mps 1.0000e-4 m/s
duration_s 7200 s
dynamic_tightness 0.1 no indicado
kind mars-pnt texto
nmax 4 no indicado
range_sigma_m 1 m
seed 331514052 no indicado
step_s 60 s
two_way_period_s 1800 s
user lmo texto

Ejecútelo#

kshana scenarios/mars-pnt-lmo.toml

3 escenarios incluidos usan este tipo de escenario; los demás están en scenarios/.

Qué proporciona#

Los resultados escalares de esa ejecución, con las unidades que indica el motor:

Resultado Valor Unidad
areostationary_radius_m 2.0428e7 m
clock_class uso texto
evidence.id_rule el identificador estable de la fila de la matriz (el ID texto
evidence.matrix docs/VERIFICATION-MATRIX.md texto
evidence.tier MODELLED texto
fom.converged_pos_3sigma_m 0.927387 m
fom.converged_pos_rms_m 0.245604 m
fom.converged_pos_sigma_m 0.309129 m
fom.covariance_pd_throughout true indicador
fom.epochs 120 recuento
El gráfico que el motor genera para scenarios/mars-pnt-lmo.toml, tipo de escenario mars-pnt

Evidencias#

MODELLED: las filas de la matriz de verificación que nombran este tipo de escenario.

  • MODELLED El tipo de escenario body-pnt: un orbitador o un módulo de aterrizaje en superficie alrededor de un cuerpo elegido por nombre navega con pseudodistancias unidireccionales de una constelación de navegación Walker en torno al cuerpo (órbitas de dos cuerpos con la deriva secular J2 del cuerpo, un reloj de usuario desconocido

Las filas que la propia ejecución puso a prueba, con la referencia independiente que da la matriz a cada una (las fuentes públicas se nombran allí):

  • VALIDATED Recuperar un estado de época [r,v] a partir de distancias desde estaciones terrestres mediante un corrector diferencial por lotes de Gauss–Newton y un filtro secuencial, sobre un modelo de fuerzas de dos cuerpos+J2. Referencia independiente (ExternalDataset): Orekit 12,2 (CS GROUP, Apache-2.0) BatchLSEstimator (Levenberg–Marquardt) + KalmanEstimator (EKF): una biblioteca de estimación de terceros independiente sobre un modelo de fuerzas equivalente; el estado de época recuperado y el RMS de los residuos posteriores al ajuste coinciden hasta <1e-3 m sin ruido y <3 m con un suelo de ruido de 5 m
  • MODELLED Reloj de Kalman de 3 estados (fase/frecuencia/deriva) de van Loan, estabilizado de Joseph. Referencia independiente (ReferenceImpl): filterpy 1.4.5 KalmanFilter (R. Labbe, MIT), con F mediante scipy.linalg.expm y Q mediante la matriz por bloques de Van Loan 1978 — una implementación de referencia independiente que reproduce la trayectoria completa del filtro de kshana. Consistencia entre implementaciones: la física del reloj y la calibración de Allan no están validadas externamente, por lo que esto sigue siendo MODELLED. 0,30 comparación externa, un hallazgo (sigue siendo MODELLED): en relojes finales de IGS de 30 s de 11 GPS Blo
  • MODELLED Determinista, con hash de escenario, SBOM + barreras golden multiplataforma. Referencia independiente (ExternalDataset): ajuste a la norma del SBOM al esquema JSON oficial de CycloneDX 1,5 (+ identificadores SPDX válidos) — un estándar externo publicado, cero errores de validación en todo el grafo de dependencias; la parte de determinismo de FoM / reproducibilidad byte a byte sigue siendo una comprobación de autoconsistencia fijada, por lo que la fila sigue siendo MODELLED

Limitaciones#

Lo que el propio informe de la ejecución dice que no está modelado o no está validado:

  • La estimación del estado del reloj de a bordo es MODELLED, no está validada: se comprueba frente a una implementación separada de este mismo código base — independiente de la unidad bajo prueba, pero no autoridad externa. (matriz de verificación (docs/MODELLED-RATIONALE.md))
  • La reproducibilidad y el aseguramiento del software son MODELLED, no están validados: una subafirmación se comprueba externamente, pero la capacidad completa compone piezas modeladas, por lo que la capacidad sigue siendo modelada. (matriz de verificación (docs/MODELLED-RATIONALE.md))

Véase también#