Cette recherche évalue de nouvelles approches pour améliorer la performance des solutions de navigation pour lanceurs de satellite. La première est l’utilisation des données de la trajectoire de référence. L’idée de cette approche est de pondérer, tout au long de la mission, la confiance sur le fait que le lanceur suit la trajectoire prédite afin d’exploiter les données d’attitude de la trajectoire de référence dans la solution de navigation. La seconde approche est l’ajout d’un modèle stochastique du lanceur à la solution de navigation. Pour ce modèle, l’accélération et la vélocité angulaire sont représentées par une marche aléatoire dont la variance est ajustée en fonction de la connaissance des forces agissantes sur le lanceur. Finalement, l’usage de plusieurs unités de mesures inertielles bas de gamme est comparé à l’usage d’une seule unité de mesures inertielles de meilleure qualité. Le recours à plusieurs unités de mesures inertielles permet de répartir celles-ci sur la structure du lanceur. L’effet du positionnement de ces unités de mesures est évalué en comparant des solutions de navigation dont tous les capteurs sont placés dans la tête du lanceur à une solution où les capteurs sont répartis dans la tête de chacun des étages du lanceur. Quelques approches pour effectuer la fusion des unités de mesures inertielles sont testées ; fusion de toutes les unités de mesures dans une seule centrale inertielle, fusion de plusieurs centrales inertielles et fusion de plusieurs centrales inertielles avec contraintes géométrique. Pour plusieurs des solutions proposées ainsi que pour plusieurs autres déjà existantes, une étude exhaustive de l’observabilité est effectuée. L’observabilité est vérifiée à l’aide de la matrice d’observabilité, de l’étude de la propagation de la matrice de covariance et de l’analyse à la sensibilité à une mesure aberrante. Finalement, une méthode simplifiée pour évaluer les performances des solutions de navigation inertielle sur une trajectoire fixe est présentée. Les résultats montrent que l’usage des données de la trajectoire de référence permet de réduire l’erreur d’estimation du roulis. Cependant, l’ajout de ces données n’améliore pas l’observabilité du modèle de base sur lequel celles-ci sont ajoutées. Le recours à un modèle stochastique de la dynamique du lanceur n’apporte que des gains marginaux sur les estimations d’attitude, de vélocité et de position. Par contre, cette approche améliore substantiellement les estimations d’accélération et de vélocité angulaire. La distribution des capteurs inertiels sur la structure du lanceur n’améliore pas la précision de navigation. Cette dernière est même dégradée lorsque des capteurs sont perdus en raison des largages d’étages. La fusion de plusieurs unités de mesures inertielles à l’aide d’une centrale inertielle offre des performances équivalentes à celles obtenues avec une seule unité de mesure. Par contre, la fusion de plusieurs centrales inertielles permet de réduire l’erreur d’estimation. Qui plus est, des gains additionnels peuvent être obtenus lorsque des contraintes géométriques sur l’attitude, la vélocité et la position relatives entre les centrales inertielles sont ajoutées à cette dernière approche. Les tests d’observabilité ont montré que la modélisation des biais de capteurs par un processus de Markov plutôt que par une marche aléatoire a peu d’impact sur l’observabilité du modèle. De plus, sur une mission de courte durée, le choix du modèle pour représenter les biais de capteurs n’a qu’un effet négligeable sur la précision des estimations. Les analyses d’observabilité ont aussi montré que le recours à un seul récepteur GPS n’est pas suffisant pour assurer l’observabilité du roulis et que le biais de mesure de position du récepteur GPS n’est pas observable. / This research evaluates new approaches to improve the performance of navigation solutions for satellite launchers. The first is the use of data from the reference trajectory. The idea of this approach is to weigh, throughout the mission, the confidence that the launcher follows the predicted trajectory in order to exploit the attitude data of the reference trajectory in the navigation solution. The second approach is to add a stochastic model of the launcher to the navigation solution. For this model, the acceleration and the angular velocity are represented by a random walk whose variance is adjusted according to the knowledge of the forces acting on the launcher. Finally, the use of several low-end inertial measurement units is compared to the use of a single higher quality inertial measurement unit. The use of several inertial measurement units makes it possible to distribute these on the structure of the launcher. The effect of the positioning of these measurement units is evaluated by comparing navigation solutions of which all the sensors are placed in the head of the launcher to a solution where the sensors are distributed in the head of each stage of the launcher. Some approaches for merging the inertial measurement units data are tested; fusion of all the inertial measurement units in a single inertial navigation system, fusion of several inertial navigation systems and fusion of several inertial navigation systems with geometric constraints. For many of the proposed solutions as well as for several others already in existence, an exhaustive study of the observability is carried out. The observability is verified using the observability matrix, the study of the propagation of the covariance matrix and the analysis of the sensitivity to measurement outliers. Finally, a simplified method for evaluating the performance of inertial navigation solutions on a fixed trajectory is presented. The results show that the use of the reference trajectory data makes it possible to improve the roll estimate. However, adding these data does not improve the observability of the base model on which they are added. The use of a stochastic model of the launcher dynamics provides marginal gains on attitude, velocity and position estimates. On the other hand, this approach substantially improves the acceleration and angular velocity estimates. The distribution of inertial sensors on the launcher structure does not improve navigation accuracy. The latter is even degraded when sensors are lost due to stage jettisoning. Merging several inertial measurement units with a single inertial navigation system provides performance equivalent to that achieved with a single inertial measurement unit. On the other hand, the fusion of several inertial navigation systems makes it possible to reduce the estimation error. Moreover, additional gains can be obtained when geometric constraints on the relative attitude, velocity and position between inertial navigation systems are added to this latter approach. Observability tests have shown that modelling sensor biases by a Markov process rather than a random walk has little impact on the observability of the model. In addition, on a short-term mission, the choice of the model to represent the sensor bias has only a negligible effect on the precision of the estimates. Observability analyzes have also shown that the use of a single GPS receiver is not sufficient to ensure the observability of the roll and that the position measurement bias of the GPS receiver is not observable.

Cette recherche évalue de nouvelles approches pour améliorer la performance des solutions de navigation pour lanceurs de satellite. La première est l’utilisation des données de la trajectoire de référence. L’idée de cette approche est de pondérer, tout au long de la mission, la confiance sur le fait que le lanceur suit la trajectoire prédite afin d’exploiter les données d’attitude de la trajectoire de référence dans la solution de navigation. La seconde approche est l’ajout d’un modèle stochastique du lanceur à la solution de navigation. Pour ce modèle, l’accélération et la vélocité angulaire sont représentées par une marche aléatoire dont la variance est ajustée en fonction de la connaissance des forces agissantes sur le lanceur. Finalement, l’usage de plusieurs unités de mesures inertielles bas de gamme est comparé à l’usage d’une seule unité de mesures inertielles de meilleure qualité. Le recours à plusieurs unités de mesures inertielles permet de répartir celles-ci sur la structure du lanceur. L’effet du positionnement de ces unités de mesures est évalué en comparant des solutions de navigation dont tous les capteurs sont placés dans la tête du lanceur à une solution où les capteurs sont répartis dans la tête de chacun des étages du lanceur. Quelques approches pour effectuer la fusion des unités de mesures inertielles sont testées ; fusion de toutes les unités de mesures dans une seule centrale inertielle, fusion de plusieurs centrales inertielles et fusion de plusieurs centrales inertielles avec contraintes géométrique. Pour plusieurs des solutions proposées ainsi que pour plusieurs autres déjà existantes, une étude exhaustive de l’observabilité est effectuée. L’observabilité est vérifiée à l’aide de la matrice d’observabilité, de l’étude de la propagation de la matrice de covariance et de l’analyse à la sensibilité à une mesure aberrante. Finalement, une méthode simplifiée pour évaluer les performances des solutions de navigation inertielle sur une trajectoire fixe est présentée. Les résultats montrent que l’usage des données de la trajectoire de référence permet de réduire l’erreur d’estimation du roulis. Cependant, l’ajout de ces données n’améliore pas l’observabilité du modèle de base sur lequel celles-ci sont ajoutées. Le recours à un modèle stochastique de la dynamique du lanceur n’apporte que des gains marginaux sur les estimations d’attitude, de vélocité et de position. Par contre, cette approche améliore substantiellement les estimations d’accélération et de vélocité angulaire. La distribution des capteurs inertiels sur la structure du lanceur n’améliore pas la précision de navigation. Cette dernière est même dégradée lorsque des capteurs sont perdus en raison des largages d’étages. La fusion de plusieurs unités de mesures inertielles à l’aide d’une centrale inertielle offre des performances équivalentes à celles obtenues avec une seule unité de mesure. Par contre, la fusion de plusieurs centrales inertielles permet de réduire l’erreur d’estimation. Qui plus est, des gains additionnels peuvent être obtenus lorsque des contraintes géométriques sur l’attitude, la vélocité et la position relatives entre les centrales inertielles sont ajoutées à cette dernière approche. Les tests d’observabilité ont montré que la modélisation des biais de capteurs par un processus de Markov plutôt que par une marche aléatoire a peu d’impact sur l’observabilité du modèle. De plus, sur une mission de courte durée, le choix du modèle pour représenter les biais de capteurs n’a qu’un effet négligeable sur la précision des estimations. Les analyses d’observabilité ont aussi montré que le recours à un seul récepteur GPS n’est pas suffisant pour assurer l’observabilité du roulis et que le biais de mesure de position du récepteur GPS n’est pas observable. / This research evaluates new approaches to improve the performance of navigation solutions for satellite launchers. The first is the use of data from the reference trajectory. The idea of this approach is to weigh, throughout the mission, the confidence that the launcher follows the predicted trajectory in order to exploit the attitude data of the reference trajectory in the navigation solution. The second approach is to add a stochastic model of the launcher to the navigation solution. For this model, the acceleration and the angular velocity are represented by a random walk whose variance is adjusted according to the knowledge of the forces acting on the launcher. Finally, the use of several low-end inertial measurement units is compared to the use of a single higher quality inertial measurement unit. The use of several inertial measurement units makes it possible to distribute these on the structure of the launcher. The effect of the positioning of these measurement units is evaluated by comparing navigation solutions of which all the sensors are placed in the head of the launcher to a solution where the sensors are distributed in the head of each stage of the launcher. Some approaches for merging the inertial measurement units data are tested; fusion of all the inertial measurement units in a single inertial navigation system, fusion of several inertial navigation systems and fusion of several inertial navigation systems with geometric constraints. For many of the proposed solutions as well as for several others already in existence, an exhaustive study of the observability is carried out. The observability is verified using the observability matrix, the study of the propagation of the covariance matrix and the analysis of the sensitivity to measurement outliers. Finally, a simplified method for evaluating the performance of inertial navigation solutions on a fixed trajectory is presented. The results show that the use of the reference trajectory data makes it possible to improve the roll estimate. However, adding these data does not improve the observability of the base model on which they are added. The use of a stochastic model of the launcher dynamics provides marginal gains on attitude, velocity and position estimates. On the other hand, this approach substantially improves the acceleration and angular velocity estimates. The distribution of inertial sensors on the launcher structure does not improve navigation accuracy. The latter is even degraded when sensors are lost due to stage jettisoning. Merging several inertial measurement units with a single inertial navigation system provides performance equivalent to that achieved with a single inertial measurement unit. On the other hand, the fusion of several inertial navigation systems makes it possible to reduce the estimation error. Moreover, additional gains can be obtained when geometric constraints on the relative attitude, velocity and position between inertial navigation systems are added to this latter approach. Observability tests have shown that modelling sensor biases by a Markov process rather than a random walk has little impact on the observability of the model. In addition, on a short-term mission, the choice of the model to represent the sensor bias has only a negligible effect on the precision of the estimates. Observability analyzes have also shown that the use of a single GPS receiver is not sufficient to ensure the observability of the roll and that the position measurement bias of the GPS receiver is not observable.