Time of Flight Estimation in Low-thrust Transfers Between Asteroids Using Deep Neural Networks

Мұқаба

Дәйексөз келтіру

Толық мәтін

Ашық рұқсат Ашық рұқсат
Рұқсат жабық Рұқсат берілді
Рұқсат жабық Тек жазылушылар үшін

Аннотация

This paper focuses on optimizing the transfer time for multiple asteroid rendezvous missions utilizing low-thrust propulsion. An indirect method based on Pontryagin’s maximum principle is employed to generate training data by optimizing low-thrust trajectories for minimal time of flight. A deep neural network (DNN) is subsequently trained to estimate the minimum time of flight (TOF) between each pair of asteroids. To enhance the accuracy of predictions for rapid transfers (less than 150 days), the dataset is augmented with additional trajectory simulations. Leveraging the trained neural network, a Beam Search (BS) algorithm is implemented to efficiently determine the fastest sequence of rendezvous with multiple asteroids, starting from an arbitrary initial asteroid. The results demonstrate that an optimal rendezvous sequence involving 15 asteroids is achieved, with an average time of flight of 107.5 days per segment.

Авторлар туралы

Zh. Li

Lomonosov Moscow State University

Хат алмасуға жауапты Автор.
Email: lzj114065264@outlook.com
Moscow, Russia

V. Koryanov

Bauman Moscow State Technical University

Email: vkoryanov@mail.ru
Moscow, Russia

V. Zubko

Space Research Institute

Email: v.zubko@cosmos.ru
Moscow, Russia

Әдебиет тізімі

  1. Ивашкин В.В., Чернов А.В. Оптимизация траекторий перелетов космического аппарата к сближающемуся с Землей астероиду при использовании малой тяги // Препринты ИПМ им. М.В. Келдыша. 1996. No 62. https://library.keldysh.ru/preprint.asp?id=1996-62
  2. Ивашкин В.В., Чернов А.В. Определение оптимальных траекторий космических полетов к сближающемуся с Землей астероиду с использованием малой тяги. // Препринты ИПМ им. М.В. Келдыша. 1997. No 19. https://library.keldysh.ru/preprint.asp?id=1997-19
  3. Bellome A., Sanchez J.P., Kemble S. Multi-Objective Design of Gravity Assist Trajectories via Graph Transcription and Dynamic Programming. Ph.D. thesis. Cranfield University, 2022.
  4. D'Amario L.A., Bright L.E., Wolf A.A. Galileo trajectory design // Space Science Reviews. 1992. V. 60(1). doi: 10.1007/BF00216849.
  5. Prockter L., Murchie S., Cheng A. et al. The NEAR shoemaker mission to asteroid 433 Eros // Acta Astronautica. 2002. V. 51(1-9). P. 491-500.
  6. Rayman M.D., Chadbourne P.A., Culwell J.S. et al. Mission design for deep space 1: A low - thrust technology validation mission // Acta Astronautica. 1999. V. 45(4-9). P. 381-388. DOI: http://dx.doi.org/10.1016/S0094-5765(99)00157-5
  7. Accomazzo A., Ferri P., Hubault A. et al. Rosetta visits asteroid (21) Lutetia // Acta Astronautica. 2012. V. 72. P. 178-184. doi: 10.1016/j.actaastro.2011.09.006.
  8. Kawaguchi J., Fujiwara A., Uesugi T. Hayabusa - Its technology and science accomplishment summary and Hayabusa-2 // Acta Astronautica. 2008. V. 62(10). P. 639-647. https://doi.org/10.1016/j.actaastro.2008.01.028
  9. ESA - Juice spacecraft specs. https://www.esa.int/Science_Exploration/Space_Science/Juice/Juice_spacecraft_specs
  10. GTOC Portal - The Global Trajectory Optimisation Competition Portal. https://sophia.estec.esa.int/gtoc_portal/
  11. Понтрягин Л.С., Болтянский В.Г., Гамкрелидзе Р.В. и др. Математическая теория оптимальных процессов. Москва: Физматиздат, 1983. 392 с.
  12. Ивашкин В.В., Крылов И.В. Оптимизация траекторий космического аппарата с электроракетным двигателем малой тяги // Препринты ИПМ им. М.В. Келдыша. 2020. No 94. С. 1-32. https://doi.org/10.20948/prepr-2020-94
  13. Иванюхин А.В., Петухов В.Г., Юн Сон Ук. Траектории перелета к Луне с минимальной тягой // Косм. исслед. 2022. Т. 60. No 6. С. 517-527.
  14. Ду Ч., Старинова О.Л. Генерация искусственных гало-орбит в окололунном пространстве с использованием двигателей малой тягой // Косм. исслед. 2022. Т. 60. С. 151-166. doi: 10.31857/S0023420622020029.
  15. Моргунов Н.В., Широбоков М.Г. Двухуровневый параметрический метод оптимизации траектории перелета с малой тягой // Препринты ИПМ им. М.В. Келдыша. 2024. No 56. С. 1-24. https://doi.org/10.20948/prepr-2024-56
  16. Pan B., Ran Y., Qing W. et al. Heat-Equation-Based Smoothing Homotopy Method for Nonlinear Optimal Control Problems // J. Guidance, Control, and Dynamics. 2024. P. 1-14. doi: 10.2514/1.G008216.
  17. Morelli A., Hofmann C., Topputo F. A Homotopic Approach for Robust Low-Thrust Trajectory Design through Convex Optimization // Proc. 72nd International Astronautical Congress. Dubai, United Arab Emirates. 2021. P. 23-78.
  18. Guo X., Ren D., Wu D. et al. DNN estimation of low-thrust transfer time: Focusing on fast transfers in multi-asteroid rendezvous missions // Acta Astronautica. 2023. V. 204. P. 518-530. doi: 10.1016/j.actaastro.2022.09.006.
  19. Bellome A., Sánchez J.P., Mateas J.C.G. et al. Modified dynamic programming for asteroids belt exploration // Acta Astronautica. 2024. V. 215. P. 142-155. doi: 10.1016/j.actaastro.2023.11.018.
  20. Лебедев В.Н. Расчет движения космического аппарата с малой тягой. М.: Вычислительный центр АН СССР, 1968. 108 с.
  21. Корнеев К.Р. Длительность перелета между круговыми компланарными орбитами с идеально регулируемым двигателем малой тяги // Материалы Молодежной научной конференции "Новые горизонты прикладной математики - 2024". Т. 1. М.: ИПМ им. М.В. Келдыша, 2024. С. 38-39. doi: 10.20948/prepr-2024-10226.
  22. Сорокин А.В., Широбоков М.Г. Разработка нейронных сетей для управления орбитальным движением космического аппарата с двигателем малой тяги // Препринты ИПМ им. М.В. Келдыша. 2018. No 269. 31 с. doi: 10.20948/prepr-2018-269.
  23. Li H., Chen S., Izzo D. et al. Deep networks as approximators of optimal low-thrust and multi-impulse cost in multitarget missions // Acta Astronautica. 2020. V. 166. P. 469-481. https://doi.org/10.1016/j.actaastro.2019.09.023
  24. Gao Y., Kluever C. Low-thrust interplanetary orbit transfers using hybrid trajectory optimization method with multiple shooting // AIAA/AAS Astrodynamics Specialist Conference and Exhibit. 2004. http://dx.doi.org/10.2514/6.2004-5088
  25. Battin R.H. An Introduction to the Mathematics and Methods of Astrodynamics. New York: American Institute of Aeronautics and Astronautics, 1999.
  26. Jiang F., Baoyin H., Li J. Practical techniques for low-thrust trajectory optimization with homotopic approach // J. Guid. Control Dyn. 2012. V. 35(1). P. 245-258. http://dx.doi.org/10.2514/1.52476
  27. Izzo D., Märtens M., Pan B. A survey on artificial intelligence trends in spacecraft guidance dynamics and control // Astrodynamics. 2019. V. 3(4). P. 287-299. http://dx.doi.org/10.1007/s42064-018-0053-6
  28. Kurz-Kim J.-R., Loretan M. On the properties of the coefficient of determination in regression models with infinite variance variables // J. Econometrics. 2014. V. 181. Iss. 1. P. 15-24. https://doi.org/10.1016/j.jeconom.2014.02.004
  29. Battin R.H. An Introduction to the Mathematics and Methods of Astrodynamics. New York: American Institute of Aeronautics and Astronautics, 1999.

Қосымша файлдар

Қосымша файлдар
Әрекет
1. JATS XML
Жүктеу

© Russian Academy of Sciences, 2025

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».