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.