Autonomous Payload Thermal Control

要約

小型衛星では、熱制御装置、科学機器、電子部品を設置するスペースが少なくなります。
さらに、電子機器が近接しているため電力消費が難しくなり、温度を適切に制御できなくなり、コンポーネントの寿命とミッションのパフォーマンスが低下するリスクがあります。
この課題に対処するために、衛星に搭載されたインテリジェンスの向上の到来を利用して、衛星上の熱制御ポリシーを学習するために、ソフト アクター クリティカル アルゴリズムを使用する深層強化学習ベースのフレームワークが提案されています。
このフレームワークは、単純なシミュレート環境と、将来の IMAGIN-e ミッションで出荷され、ISS でホストされる実空間エッジ処理コンピューターの両方で評価されます。
実験結果は、提案されたフレームワークが、動作範囲内の温度を維持するためにペイロードの処理能力を制御する方法を学習でき、従来の熱制御システムを補完できることを示しています。

要約(オリジナル)

In small satellites there is less room for heat control equipment, scientific instruments, and electronic components. Furthermore, the near proximity of the electronics makes power dissipation difficult, with the risk of not being able to control the temperature appropriately, reducing component lifetime and mission performance. To address this challenge, taking advantage of the advent of increasing intelligence on board satellites, a deep reinforcement learning based framework that uses Soft Actor-Critic algorithm is proposed for learning the thermal control policy onboard. The framework is evaluated both in a naive simulated environment and in a real space edge processing computer that will be shipped in the future IMAGIN-e mission and hosted in the ISS. The experiment results show that the proposed framework is able to learn to control the payload processing power to maintain the temperature under operational ranges, complementing traditional thermal control systems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google