En los últimos tiempos, la ingeniería del diseño de satélites ha progresado enormemente y actualmente existen técnicas muy precisas para evaluar su optima solución o arquitectura. Este proyecto amplía un paquete de software existente desarrollado en el SEAK Lab de Cornell University y consiste en la mejora de los agentes responsables del diseño de los subsistemas de comunicaciones y energía. Con mi contribución, estos agentes pueden ahora utilizar ecuaciones físicas de primer orden para seleccionar los componentes apropiados de cada subsistema para satisfacer todos los requisitos de la misión, así como estimar la masa, el tamaño y el coste de todos los subsistemas con más fidelidad. Estos dos módulos son posteriormente combinados con los del resto de subsistemas tales como ADCS, estructuras, OBDH o control térmico desarrollados por el laboratorio usando dos tipos de algoritmos de MDO, Multidisciplinary Feasible (MDF) y Collaborative Optimization (CO), para optimizar el diseño de un satélite definido por un gran número de variables de diseño y afectado por diferentes disciplinas intensamente relacionadas.

En els últims temps, l’enginyeria del disseny de satèl·lits ha progressat enormement i actualment existeixen tècniques molt precises per avaluar-ne la seva optima solució o arquitectura. Aquest projecte amplia un paquet de programari existent desenvolupat en el SEAK Lab de Cornell University i consisteix en la millora dels agents responsables del disseny dels subsistemes de comunicacions i energia. Amb la meva contribució, aquests agents poden ara utilitzar equacions físiques de primer ordre per a seleccionar els components apropiats de cada subsistema per tal de satisfer tots els requisits de la missió, així com estimar la massa, la mida i el cost de tots els subsistemes amb més fidelitat. Aquests dos mòduls són posteriorment combinats amb els de la resta de subsistemes com ara ADCS, estructures, OBDH o control tèrmic desenvolupats pel laboratori usant dos tipus d’algoritmes de MDO, Multidisciplinary Feasible (MDF) i Collaborative Optimization (CO), per optimitzar el disseny d'un satèl·lit definit per un gran nombre de variables de disseny i afectat per diferents disciplines intensament relacionades.

In recent times, the engineering design of spacecraft has enormously progressed and we now have extremely precise techniques to assess its optimal solution or architecture. This project extends an existing software package for mission design and architecture developed at Cornell's SEAK Lab and consists of improving the design agents responsible for the communications and the electrical power subsystems. With my contribution, these agents can now use first-order physics-based equations to select the appropriate subsystem components to meet all the mission requirements as well as estimate mass, size and cost of the whole subsystems with higher fidelity. These power and communications subsystem modules are later combined with the other subsystem modules such as ADCS, structures, avionics or thermal developed by the lab using two different kinds of MDO architectures, Multidisciplinary Feasible (MDF) and Collaborative Optimization (CO), to optimize the design of a satellite defined by a large number of design variables and affected by highly coupled disciplines.

Currently, large space organizations such as NASA and ESA have concurrent design facilities where they conduct rapid mission design exercises to assess the cost, value and feasibility of multiple mission concepts in a relatively short time (a few days to a few weeks). The goal of this project is to extend an existing software package for mission design and architecture developed at Cornell's SEAK LAB to address some of its current limitations. The software, written in Java, JESS, and Matlab, implements the MADKIT multi-agent framework, in which different agents are charged