Upload
velten-bohland
View
112
Download
0
Tags:
Embed Size (px)
Citation preview
Robotische Astronomie
T.Granzer,Uni Potsdam, 15.11.2006
Prinzipien, Probleme und ihre Lösungen
Netzwerk-layout
Caster Receiver
SCS TelescopeMOVE_TELESCOPE
Waiting for acknowledge
Acknowledge, Done in 300 sec
Waiting for done
Done
Ein Kommunikationszyklus
Kommunikation, Details:
Ein normaler Tag
Ein normales Objekt
Herausforderung:
Beurteile Wetter (inkl. Bewölkung)
Wähle das Objekt
Richte das Teleskop aus
Identifiziere den Zielstern
Messe das Objekt
Garantiere optimale Messbedingungen während der Beobachtung
Datenreduktion
Ersetze den erfahrenen Beobachter:
Herausforderung Wolken
Ermittlung des Bewölkungs-grades durch Vergleich mit Katalog
Wetter: Beurteilung
Stabile, ideale Beobachtungs-bedingungen
Wetter: Vorhersage
Schutz der Instrumente muss garantiert werden.
Ausrichten des Teleskops :Optische und mechanische Achsen fallen nicht zusammen
Teleskopstruktur biegt sich durch (~Hook'sches Gesetz)
Aufstellungsfehler
Korrektur durch 7-parametriges 'pointing model':
)cos()sin()cos(
);sec()tan()tan()cos()tan()sin(
hTaAaAEh
hBhNhaAhaAAa
fENoff
NPPAEENoff
Probleme des klassischen PM:
Korrelation zw. NPAE und BNP wegen
cos(h)
1lim
cos(h)
sin(h)limtan(h)lim
2π/h2π/h2π/h
Nicht verschwindende Erwartungswerte, z.B. für TF:
4/2)cos(2/
dh
Genauigkeit nicht besser als ~10".
Herausforderung Stern identifizieren
Im Prinzip ein Vergleich zwischen Katalog und realem Bild....
Position und HelligkeitPosition des Objekts mittels 'center of gravity':
CCDCCDCCD AAA
dAxIxdAxIxdAxIxxdAxIx )()'(')'()'()( 0
0
0
…oder mittels 'PSF-fitting' (min. 4 parameter, x0, m, ):
)2)(exp(psf e.g.mit ),psf()( 2200 xx)x(xxIxI
Helligkeit als Integral über Intensität, 'seeing' über Gauss:
yx
ji
A
IdAxImCCD
,,)(log
dAxI
dAxI
)(
)(
4
12
2
2
Sternidentifikation?
Direktes Bild, wird konvoliert mit normierten Gauss-profil:
ydxdyyxx
yxIyxIyx
)2
)()(exp(),(),(
2
22
,
orgfilter
Kontrast verstärkt
Unterscheidung zwischen 'cosmics' und non-stellar Objekten notwendig
Sternidentifkation (cont.)
Definiere 'sharpness' eines Objekts durch:
)(/)max( 0filterorg xIIs
Definiere 'Elliptizität' eines Objekts durch:
jiji
ji yxyxI
yxIyxE 00,
2002
22002
211
),(
),(,
)(4
Stars identified at prob. 0.443
Probability function defined by manual identification of stars on ~100 acquire frames
Fokus
Measure diagonals or
Measure side length.
Messung des Durchmessers des Sternscheibchens, Minimum ist idealer Focuswert.Besser: Fokuspyramide, teilt das Bild in vier Einzelbilder, die im idealen Fokus eine bestimmte Distanz haben.
Nachführung
Im Regelfall Überwachung der Teleskopposition während der Belichtung notwendig.Durch auftretende Verzögerungen zwischen Messung und Motorreaktion muss das Signal gefiltert werden.Robust: PID (proportional, integral, differential) Kontroller.Dependency of optimal PID parameters on seeing and
guider dead-time, from a telescope model
Currently, only a single PID parameter set per axis is used.
Datenreduktion
Courtesy: A.Ritter
Problem Objektwahl
Traditionell: Kurze Beobachtungs-perioden, wenige Objekte
Robotisch: Lange Zeiträume, viele Objekte
Ad-hoc Ansatz nicht ausreichend!
Auswahlalgorithmen:
Queue scheduling:
Die Beobachtungsabfolge wird direkt vorgegeben
Einfache Implementation
Kann nicht auf Umweltveränderungen reagieren
Häufiger menschlicher Eingriff
Auswahlalgorithmen (cont‘d):
Critical-path scheduling:
Einsatz bei Bauvorhaben, reagiert auf Wetteränderungen
Nur sinnvoll, um mehrere Teilprojekte zu verzahnen.
Nicht anwendbar für die meisten Beobachtungen in der Astronomie.
Auswahlalgorithmen (cont‘d):
Optimal scheduling:
Objektauswahl wird für einen begrenzten Zeitraum optimiert.
CPU-intensiv (N! - Permutationen).
Nicht vorhergesagte Ereignisse erfordern eine Neuberechnung.
Schwierig mit veränderlichem Wetter..
Auswahlalgorithmen (cont‘d):
Dispatch scheduling:
Objektauswahl nach momentanen Verhältnissen.
Muss in real-time laufen, aber nur N
Wetteränderungen werden intrinsisch berücksichtigt
Bei fast allen robotischen Teleskopen verwendet.
Dispatch scheduling
Auswahl basiert auf einer 'merit function':
i
ii tfwtm )()(
Individuelle boni fi‘s werden mit veränderlicher Wichtung wi addiert.
Das Objekt mit dem höchsten m wird ausgewählt.
Phasenkritische Beobachtung
Tuning dispatch scheduling
'Nimm bestest‘ zu naïv:
Projekte sollen beendet werden.
Zeit muss gerecht verteilt werden.
Benötige Langzeitperspektive.
Fine-tuning der Wichtungen wi essentiell
Airmass und/oder Meridiannähe?
Komplettierung der Programme?
Maximiere die Integrationszeit, minimiere Verluste?
Schwerpunkt Benutzergleichbehandlung?
Wie gut ist meine Auswahl?
Bestimmung der Wichtung verzahnt mit der Messbarkeit der Güte der Objektauswahl.
Wie ?
Beispiel
Conclusio:
Nur ein System, das alle Teilbereiche optimal löst, wird auch die besten Ergebnisse liefern.