Constrained Control for Autonomous Spacecraft Rendezvous: Learning-Based Time Shift Governor

要約

この論文では、二体問題の設定においてランデブーおよびドッキング (RD) ミッション中に制約を強制するためのタイム シフト ガバナー (TSG) ベースの制御スキームを開発します。
公称閉ループ システムへのアドオン スキームとして、TSG はタイムシフトされたチーフ宇宙船の軌道をデピュティ宇宙船のターゲット基準として生成します。
命令された基準軌道のこの修正により、ランデブーを実行するために時間シフトがゼロに減少する一方で、制約が強制されることが保証される。
TSG 実装に対する私たちのアプローチは、過去の副宇宙船と主宇宙船の一連の状態の関数として時間シフト パラメーターを近似する LSTM ニューラル ネットワークを統合します。
この LSTM ニューラル ネットワークは、シミュレーション データからオフラインでトレーニングされます。
提案された制御スキームの有効性を実証するために、地球低軌道 (LEO) およびモルニヤ軌道での RD ミッションのシミュレーション結果を報告します。
提案されたスキームは、ほとんどのシナリオでタイム シフト パラメーターの計算時間を短縮し、ランデブー ミッションを正常に完了します。

要約(オリジナル)

This paper develops a Time Shift Governor (TSG)-based control scheme to enforce constraints during rendezvous and docking (RD) missions in the setting of the Two-Body problem. As an add-on scheme to the nominal closed-loop system, the TSG generates a time-shifted Chief spacecraft trajectory as a target reference for the Deputy spacecraft. This modification of the commanded reference trajectory ensures that constraints are enforced while the time shift is reduced to zero to effect the rendezvous. Our approach to TSG implementation integrates an LSTM neural network which approximates the time shift parameter as a function of a sequence of past Deputy and Chief spacecraft states. This LSTM neural network is trained offline from simulation data. We report simulation results for RD missions in the Low Earth Orbit (LEO) and on the Molniya orbit to demonstrate the effectiveness of the proposed control scheme. The proposed scheme reduces the time to compute the time shift parameter in most of the scenarios and successfully completes rendezvous missions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google