O Centro de Lançamento de Alcântara (CLA), dentre suas atividades, realiza o rastreio de veículos aeroespaciais. Os dados de localização são fornecidos principalmente pelos radares de rastreio. Em caso de perda dos sinais dos radares, a localização é baseada em uma trajetória nominal pré-definida. Com o objetivo de se estimar a localização do veículo, em situações de perda dos sinais dos radares, este trabalho propõe um filtro adaptativo nebuloso. Foram realizadas simulações de rastreio de um voo real lançado a partir do CLA em 2018. Os dados mostram que o filtro proposto modela as não linearidades do vôo real, e estima a posição do veículo para os cenários de perda dos sinais dos radares.

In order to track a suborbital vehicle, some tracking system are used. Tracking radar can be used for this purpose. This paper presents a method using triangulation of antennas other than radars, for estimating the position of the vehicle. The goal is to improve the capability of keeping tracking the vehicle, even in loss of signal scenarios. Also, a dynamic filter is proposed for improving the estimation accuracy, based on a fuzzy system identification. Simulations were performed to demonstrate the proposed methods in estimating a suborbital vehicle position.

In order to track a suborbital vehicle, some tracking system are used. Tracking radar can be used for this purpose. This paper presents a method using triangulation of antennas other than radars, for estimating the position of the vehicle. The goal is to improve the capability of keeping tracking the vehicle, even in loss of signal scenarios. Also, a dynamic filter is proposed for improving the estimation accuracy, based on a fuzzy system identification. Simulations were performed to demonstrate the proposed methods in estimating a suborbital vehicle position. Resumo: Centros de Lançamento rastreiam o voo de veículos suborbitias a partir de sistemas e equipamentos a exemplo de radares de rastreio. Este trabalho apresenta um método baseado em triangulação de antenas para estimar a posição do veículo. O objetivo é aumentar a capacidade de rastreamento, mesmo em cenários de perda de sinais de rastreio. Além disso, é proposto um filtro dinâmico para melhorar a precisão da estimação, utilizando técnicas de identificação de sistemas nebulosas.