The objective of this project is the development of a mission analysis tool for the nanosatellite company GomSpace Sweden. Although there are many existing software, they can be quite complicated and time consuming to use. The goal of this work is to build a simple app to be used at the earliest stages of space missions in order to obtain key figures of merit quickly and easily. By comparing results, assessing the feasibility of customer needs, analysing how various parameters affect each other, it enables immediate deeper understanding of the implications of the main design decisions that are taken at the very beginning of a mission. The tool shall aid the system engineering process of determining orbit manoeuvre capability specifically for CubeSat electric propulsion systems taking into account the most relevant factors for perturbation in Low Earth Orbit (LEO), i.e. atmospheric drag and Earth’s oblateness effects. The manoeuvres investigated are: orbit raising from an insert orbit to an operating orbit, orbit maintenance, deorbiting within the space debris mitigation guidelines and collision avoidance within the 12 to 24 hours that the system has to react. The manoeuvres cost is assessed in terms of Delta v requirements, propellant mass and transfer times. The tool was developed with MATLAB and packaged as a standalone Linux application. / Målet med detta examensarbete var att utveckla ett verktyg för missionsanalys för nanosatellitföretaget GomSpace Sweden. Det finns många andra mjukvaror för att nå samma mål men de är ofta komplicerade och tidskrävande. Det specifika målet var således att skapa en enkel applikation som kan användas i de tidiga stegen av utformning av rymduppdrag för att snabbt och enkelt få fram viktiga parametrar. Genom att jämföra resultat, uppskatta genomförbarheten av kundbehov och analysera hur olika parametrar påverkar varandra kan omedelbar förståelse erhållas rörande påverkan av designbeslut som tas i början av rymduppdragen. Verktyget ska stödja systemingenjörsprocessen genom att uppskatta banförflyttningskapacitet för elektriska framdrivningssystem för CubeSats och ta i beaktande de mest relevanta faktorerna gällande störningar i låg jordbana (LEO), i.e. atmosfäriskt motstånd och effekterna av Jordens form. De undersökta manövrarna är: banhöjning från injektionsbana till operationell bana, banunderhåll, bansänkning som följer riktlinjerna för rymdskrot och kollisionsundvikande inom de 12 till 24 timmar som systemet har på sig att reagera. Kostnaden för manövrarna är uppskattade genom DeltaV-krav, massan av bränslet och förflyttningstider. Verktyget utvecklades med MATLAB och paketerades som en fristående applikation i Linux.

<p>Our modern society is more dependent on its assets in space now more than ever. For<br> example, the Global Positioning System (GPS) many rely on for navigation uses data from a<br> 24-satellite constellation. Additionally, our current infrastructure for gas pumps, cell phones,<br> ATMs, traffic lights, weather data, etc. all depend on satellite data from various constel-<br> lations. As a result, it is increasingly necessary to accurately track and predict the space<br> domain. In this thesis, after discussing how space object tracking and object position pre-<br> diction is currently being done, I propose a machine learning-based approach to improving<br> the space object position prediction over the standard SGP4 method, which is limited in<br> prediction accuracy time to about 24 hours. Using this approach, we are able to show that<br> meaningful improvements over the standard SGP4 model can be achieved using a machine<br> learning model built based on a type of recurrent neural network called a long short term<br> memory model (LSTM). I also provide distance predictions for 4 different space objects over<br> time frames of 15 and 30 days. Future work in this area is likely to include extending and<br> validating this approach on additional satellites to construct a more general model, testing a<br> wider range of models to determine limits on accuracy across a broad range of time horizons,<br> and proposing similar methods less dependent on antiquated data formats like the TLE.</p>