Оценка времени перелета к астероидам с малой тягой с использованием нейронных сетей

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

В настоящей статье рассматривается задача оптимизации времени для многократных сближений с астероидами при использовании малой тяги. Сначала для генерации обучающих данных был применен косвенный метод, основанный на принципе максимума Понтрягина, с помощью которого оптимизировались траектории с минимальным временем перелета с малой тягой. Глубокая нейронная сеть использовалась для оценки минимального времени перелета между каждой парой астероидов. Для улучшения прогнозирования в части быстрых перелетов (время перелета менее 150 дней) набор данных был расширен. На основе обученной нейронной сети в рамках метода пучкового поиска (beam search) был осуществлен быстрый поиск кратчайшего маршрута для последовательного сближения с несколькими астероидами, начиная с произвольного. В результате была получена оптимальная последовательность перелета сближений с 15 астероидами одним космическим аппаратом. Среднее время перелета на каждом отдельном участке маршрута составило 107.5 дня.

Об авторах

Чж. Ли

Московский государственный университет имени М.В. Ломоносова

Автор, ответственный за переписку.
Email: lzj114065264@outlook.com
Москва, Россия

В. В. Корянов

Московский государственный технический университет им. Н.Э. Баумана

Email: vkoryanov@mail.ru
Москва, Россия

В. А. Зубко

Институт космических исследований РАН

Email: v.zubko@cosmos.ru
Москва, Россия

Список литературы

  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. № 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. № 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). P. 23–78. https://doi.org/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. https://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. https://doi.org/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. М.: 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. № 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. № 6. С. 517–527.
  14. Ду Ч., Старинова О.Л. Генерация искусственных гало-орбит в окололунном пространстве с использованием двигателей малой тяги // Косм. исслед. 2022. Т. 60. С. 151–166. https://doi.org/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. № 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. https://doi.org/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, UAE. 2021.
  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. https://doi.org/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. https://doi.org/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. https://doi.org/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. № 269. 31 с. https://doi.org/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. https://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. https://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. https://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.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© Российская академия наук, 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».