Les approches traditionnelles de contrôle reposent sur des modèles linéaires et des compensateurs proportionnels-intégraux-dérivés (PID), mais la complexité croissante des missions modernes – allant de l'observation agile de la Terre à l'interférométrie des espaces profonds – exige des algorithmes capables de gérer la dynamique non linéaire, les perturbations incertaines et le matériel dégradé.L'apprentissage automatique (ML) offre un nouveau paradigme : le contrôle basé sur les données qui peut apprendre de la télémétrie, s'adapter aux conditions changeantes et optimiser les performances en temps réel.

Principes fondamentaux du contrôle des roues de réaction

Une roue de réaction est un dispositif d'échange de forces : alors que la roue accélère, elle exerce un couple sur le corps de l'engin spatial, la tournant autour de l'axe de la roue. Le système est régi par la conservation de l'élan angulaire, et le couple net appliqué à l'engin spatial égale le temps d'inertie de la roue à son accélération angulaire. La plupart des ensembles de roues de réaction utilisent trois roues orthogonales (ou quatre dans une configuration pyramidale redondante) pour assurer un contrôle à trois axes.

Les architectures classiques de contrôle utilisent généralement une cascade de deux boucles : une boucle extérieure pour la détermination de l'assiette (à l'aide de traqueurs étoiles, de capteurs solaires ou de gyroscopes) et une boucle intérieure pour la régulation de la vitesse des roues. La boucle intérieure utilise souvent un contrôleur PID qui commande la tension du moteur en fonction de l'erreur entre la vitesse désirée et la vitesse réelle des roues.

  • Elle suppose la linéarité, mais le frottement des roues de réaction, le rétro-EMF et la saturation sont fortement non linéaires.
  • Il ne peut s'adapter aux changements de propriétés de masse des engins spatiaux (par exemple, après la déplétion du carburant ou le déploiement de la charge utile).
  • Il permet de rejeter les perturbations limitées pour les couples extérieurs inconnus (pression de rayonnement solaire, gradient de gravité, couple magnétique).
  • Il n'exploite pas les connaissances du domaine sur les contraintes futures de mouvement ou de vérin, entraînant souvent une usure inutile et une consommation d'énergie élevée.

Ces limitations motivent la recherche de lois de contrôle plus intelligentes. L'apprentissage automatique, avec sa capacité à modéliser des cartes complexes et générer des politiques optimales à partir de données, est un candidat naturel.

Paradigmes d'apprentissage automatique dans la régulation des roues de réaction

L'apprentissage du renforcement (RL), les réseaux neuronaux (RN) et l'apprentissage profond (DL) sont les trois catégories de ML les plus activement étudiées pour le contrôle des attitudes.

Renforcement de l'apprentissage pour une recherche optimale de politiques

Dans RL, le contrôleur est un agent qui interagit avec l'environnement spatial – changer la vitesse des roues et recevoir des retours sous forme de signal de récompense (p. ex., erreur d'attitude négative au carré moins un terme pour l'effort de contrôle). L'agent apprend une politique qui indique (attitude, vitesse angulaire, vitesse des roues) des actions (commandes de tension) pour maximiser la récompense cumulative.

  • Le RL[ sans modèle (p. ex., l'optimisation de la politique proximale) tire des leçons directement des essais et des erreurs sans avoir besoin d'un modèle analytique d'engin spatial.
  • Le modèle RL[ apprend d'abord un modèle dynamique à partir de données de vol, puis utilise le modèle pour planifier des actions de contrôle.
  • Contraintes de sécurité[: La norme RL ne garantit pas la vitesse des roues limitées ni n'empêche la saturation. Des progrès récents dans l'optimisation limitée des politiques (par exemple, les méthodes lagrangiennes) sont en cours d'adaptation pour les engins spatiaux, comme décrit dans Le travail de la NASA JPL.

Réseaux neuronaux pour la modélisation dynamique et le contrôle inverse

Les réseaux neuraux excellent à approximation des fonctions non linéaires. Dans le contrôle des roues de réaction, ils sont utilisés de deux manières principales:

  • Modèles vers l'avant: Un réseau neuronal formé sur les données de télémétrie prédit l'état suivant (attitude, vitesse des roues) compte tenu de l'état actuel et de l'action de contrôle. Ce modèle appris peut être utilisé dans un cadre de contrôle prédictif du modèle (MPC), où la séquence optimale des tensions est calculée sur un horizon en résolvant un problème d'optimisation numérique.
  • Modélisation inverse (ou estimation directe du couple)[: Un réseau neuronal prend le couple souhaité comme entrée et produit les commandes nécessaires d'accélération de roue, apprenant efficacement la dynamique inverse de l'ensemble de roue de réaction. Ceci est particulièrement utile lorsque le système a des variations de friction ou d'inertie incertaines.

Une étude de 2023 dans le Journal of Guidance, Control, and Dynamics (link[) a montré qu'un réseau neuronal d'alimentation formé à des données de simulation de haute fidélité a réduit la variation de vitesse de la roue de 30% par rapport à un contrôleur PID réglé lors d'un scénario typique d'observation de la Terre.

Apprentissage profond pour la détection des anomalies et le contrôle des facteurs de tolérance aux défauts

Les architectures d'apprentissage profond, en particulier les auto-encodeurs, les longs réseaux de mémoire à court terme (LSTM) et les transformateurs, sont déployés pour détecter les défauts naissants dans les roues de réaction. En apprenant les modèles normaux du courant, de la vitesse et de la température des roues, les modèles profonds peuvent signaler des déviations qui indiquent une dégradation du roulement ou une défaillance imminente.

Par exemple, des chercheurs de l'Agence spatiale européenne (ESA Clean Space[) ont démontré qu'un système de détection de défauts basé sur LSTM peut identifier des anomalies de déséquilibre des roues jusqu'à trois orbites avant qu'elles ne deviennent critiques, permettant des ajustements d'attitude proactives qui empêchent l'interruption de la mission.

Avantages du contrôle des roues ML-Driven Reaction

Le passage des algorithmes à structure fixe aux politiques apprises offre plusieurs avantages mesurables qui sont convaincants pour les missions à faible coût CubeSats et les missions phares.

Amélioration de la capacité d'adaptation aux dynamiques non modélisées

Les engins spatiaux se comportent rarement exactement comme prévu au sol. La slosh de carburant, la flexion du réseau solaire, les déformations thermiques et l'hystérie magnétique introduisent des perturbations qui défient les modèles paramétriques simples. Les algorithmes ML peuvent automatiquement ajuster leur comportement en fonction d'observations en temps réel.

Amélioration de l'efficacité énergétique et réduction de l'usure

Les contrôleurs à base de ML, formés avec une fonction de récompense qui pénalise l'accélération angulaire excessive, apprennent des profils de couple plus lisses. Un test de comparaison effectué sur une installation matérielle dans la boucle à l'Université du Texas à Austin a montré qu'un contrôleur d'apprentissage en renforcement profond consommait 40% de puissance en moins qu'un PID standard tout en maintenant la précision de point dans 0,01°.

Robustesse au bruit du capteur et rétroaction temporairement manquante

Les réseaux neuronaux profonds peuvent être formés à des données de capteurs bruyantes et peuvent même effectuer une estimation de l'état implicitement. Les architectures comme les LSTM exploitent les corrélations temporelles pour filtrer le bruit de mesure. De plus, une politique RL formée à la simulation dans le cadre de divers scénarios de décrochage de capteurs peut apprendre à se mettre au courant des observations passées, en maintenant la stabilité de l'assiette pendant plusieurs secondes sans mise à jour.

Défis et obstacles à la mise en œuvre

Malgré cette promesse, l'intégration du ML dans les systèmes de commande qualifiés en vol fait face à d'importants obstacles techniques et réglementaires, qui doivent être relevés avant que le contrôle des roues à réaction entraîné par le ML ne devienne une pratique courante.

La rareté des données et l'écart entre les données et les données réelles

La collecte de données de grande envergure sur les opérations réelles de roues de réaction est difficile car la télémétrie des engins spatiaux est peu abondante et coûteuse à obtenir. La plupart des modèles ML sont donc formés à des simulations de haute fidélité, mais l'écart entre la simulation et la réalité (le problème «sim-à-réel») peut conduire à de mauvaises performances lorsque le modèle rencontre des conditions inattendues.

Les travaux récents ont exploré l'apprentissage du transfert : pré-trainer en simulation et ensuite affiner sur une petite quantité de données réelles de vol. Cependant, les ordinateurs de vol manquent souvent de la salle de calcul pour effectuer le réglage fin pendant une mission, de sorte que le modèle doit être gelé avant le lancement. Une alternative est d'utiliser le modèle basé sur RL avec identification en ligne du système, mais cela ajoute de la complexité.

Contraintes informatiques des transformateurs embarqués

Les processeurs de qualité spatiale, comme le RAD750 ou le nouveau GR740, offrent beaucoup moins de puissance de calcul que les processeurs terrestres ou les GPU. Les réseaux neuraux profonds avec des millions de paramètres sont hors de portée. Le défi est de concevoir des architectures légères ML qui peuvent fonctionner en temps réel (< 10 ms boucle de commande) sans dépasser les limites du processeur.

Validation, vérification et certification

L'industrie spatiale exige des garanties de sécurité prouvables pour les fonctions de contrôle critiques. Les algorithmes ML sont essentiellement des boîtes noires : leur comportement est appris, non pas analytiquement dérivé. Démontrer qu'un contrôleur réseau neural ne fera jamais saturer une roue de réaction, ou conduire l'engin spatial dans un mode de trébuchement inrécupérable, est extrêmement difficile.

Les organismes de réglementation comme la NASA et l'ESA n'ont pas encore publié de normes officielles pour les contrôles basés sur les LM dans les missions habitées ou de grande valeur. L'acceptation progressive se produira probablement en premier dans les charges utiles secondaires ou les CubeSats à faible coût, où la tolérance au risque est plus élevée.

Explicabilité et diagnostic

Lorsqu'un contrôleur basé sur ML produit une commande inattendue, les ingénieurs doivent comprendre pourquoi. Méthodes AI explicables (SHAP, LIME, gradients intégrés) peuvent attribuer les décisions aux fonctionnalités d'entrée, mais ils ajoutent des frais généraux de calcul et ne sont pas encore fiables dans les contextes critiques pour la sécurité.

Orientations futures et frontières de la recherche

Au cours de la prochaine décennie, on verra probablement une infusion progressive mais régulière de ML dans le contrôle des roues de réaction, entraînée par les progrès tant dans les algorithmes que dans le matériel.

Architectures de contrôle hybrides

Par exemple, un contrôleur PID pourrait recevoir des gains d'adaptation calculés par un petit réseau neuronal formé pour minimiser une mesure de performance. Un contrôleur prédictif modèle peut aussi utiliser un modèle de dynamique appris pour ses prédictions tout en maintenant le résolveur d'optimisation en sécurité par des contraintes dures. Ces systèmes hybrides préservent la vérifiabilité (le PID de base est bien compris) tout en tirant parti du ML pour une adaptation améliorée.

Apprentissage continu à bord

Les futurs processeurs spatiaux peuvent inclure des accélérateurs ML dédiés qui permettent à l'algorithme de contrôle de fonctionner et de se mettre à jour pendant la mission. Les algorithmes d'apprentissage continu basés sur la consolidation de poids élastique ou les réseaux neuronaux progressifs pourraient permettre au contrôleur de s'adapter à de nouvelles perturbations sans oublier les comportements déjà appris.

Formation basée sur la simulation et les jumeaux numériques

Des jumelles numériques de haute fidélité des ensembles de roues de réaction, intégrant effets thermiques, micro-vibrations et usure mécanique, sont en cours de développement pour fournir des données d'entraînement pratiquement illimitées. La formation peut être entièrement réalisée en simulation, puis la politique est compilée en un réseau neuronal léger pour le déploiement. La Direction des véhicules spatiaux du Laboratoire de recherche de la Force aérienne des États-Unis a démontré ce pipeline pour un problème de commande des roues de réaction, permettant un transfert zéro-shot de la simulation à un banc d'essai de laboratoire. (Voir l'article AFRL.

Intégration avec le modèle de contrôle prédictif

Le contrôle prédictif du modèle (MPC) est déjà utilisé sur plusieurs engins spatiaux pour des manœuvres d'assiette qui nécessitent une manipulation explicite des contraintes (p. ex., des contraintes de pointage pour protéger les instruments sensibles). La combinaison de MPC avec un modèle de dynamique appris différent permet d'optimiser les calculs à travers les étapes temporelles. Le coût de calcul de MPC est la principale barrière, mais les résolveurs en temps réel fonctionnant sur les ordinateurs de vol basés sur NVIDIA Jetson sont actuellement testés.

Conclusion

L'apprentissage automatique n'est pas une panacée pour le contrôle des roues de réaction, mais il offre des améliorations tangibles dans l'adaptabilité, l'efficacité et la tolérance aux défauts qui sont de plus en plus nécessaires pour les engins spatiaux de nouvelle génération. À mesure que les capacités de calcul embarquées se développent et que les méthodes de validation se développent, on peut s'attendre à voir le contrôle assisté par ML sur les satellites opérationnels dans les cinq à dix prochaines années.