תמרוני תיקון של Spacecraft (TCMs) הם ההתאמות הקטנות כי לשמור על כלי רכב במהלך המסע שלו על פני מערכת השמש. בלעדיהם, צבר שגיאות מזריקת, הפרעות כבידה, לחץ קרינה סולארית, וגרור אטמוספרי היה לנווט במהירות חללית מחוץ לנתיב הבקרה המיועד שלה, מערכות בקרה מסורתיות התבססו על אלגוריתמים precomputed, קבוע כי לא יכול להתאים לתנאים בלתי צפויים, אבל החידושים האמיתיים של מערכת הבקרה של מערכת הבקרה של מערכות בקרה אוטונומית של אבטחה, אטומית, אטומית, אטומית של מערכות בקרה אוטונומית, אטומית, אטומית, אטומית, אלגוריתמית, אלגוריתמית, אלגוריתמית של אבטחה מתקדמת יותר, אלגוריתמית, אלגוריתמית, אלגוריתמית, אלגוריתמית, אלגוריתמית, אלגוריתמית, אלגוריתמית של מערכות בקרה גבוהה יותר, אלגוריתמים של אבטחה מתקדמת יותר, אלגוריתמית, אלגוריתמים של מערכות בקרה עצמית, אלגוריתמית, אלגוריתמית, אלגוריתמים, אלגוריתמים של מערכות בקרה גבוהה יותר, אלגוריתמים, אלגוריתמים, אלגוריתמים, אלגוריתמים, אלגוריתמים, אלגוריתמים, אלגוריתמים, אלגוריתמים, אלגוריתמים,

תפקיד תיקון Trajectory Maneuvers in Space Flight

(התמרוני תיקון טרפיריים מבוצעים במרווחים מתוכננים לאורך מסלול החללית לתקן עבור סטיית מדרך ההתייחסות.סטיות אלה נובעות ממקורות מרובים: עלייה מושלמת מרכב השיגור, משיכה כבידה של כוכבי לכת וירחים שלא ניתן להעלות במלואה לדגימות האמפיות, לחץ קרינה סולארי, מגראסינג, ו, למשימות דלת- Earth-Firepherphicpherpherpherpherpherphicerphertir-Fertlasticial - 1Fertlasticial - 1FertLTs:

תדירות וגודל של TCMs תלויים בסוג המשימה.משימות ביניים, כגון ארצ'רים בראשות מאדים או נתבים המיועדים לצדק, בדרך כלל דורשים כמה תמרונים בעלי דיוק גבוה.לדוגמה, ההרחבה של נאס"א ביצעה חמישה CMs עיקריים במהלך שבעת חודשי השייט שלה למאדים, כל אחת מעדנת את נקודת הכניסה שלה באטמוספירה.

הגבלות של שיטות בקרה מסורתיות

בקרה מסורתית עבור TCMs השתמש היסטורית דינמיקה של gain PID או רצפי ירי כוננים פתוח על בסיס מודלים מראש חישוביים.שיטות אלה מניחות את הדינמיקה של החללית והסביבה ההפרעה ידועה ו סטטית. בפועל, גורמים רבים אינם בטוחים: דחף מדויק המיוצר על ידי כל דחף, המסה והרגע של אינרציה של הרכב (ששינויים כמו דלק כמו נצרך), ואת ההשפעה הבלתי צפויה של בקר אטמוספיריבית, כאשר אינו יכול לפצות על מחזור חיים לא בטוח.

יתר על כן, גישות מסורתיות דורשות תכנון מבוסס קרקע נרחב.כל TCM תוכנן על ידי צוות של נווטרים על כדור הארץ, ולאחר מכן העלה לחללית עם עיכוב שיכול להיות דקות עד שעות.עבור משימות חלל עמוק, כי lag תקשורת הופך את זה לבלתי אפשרי להגיב לאירועים פתאומיים, כגון גישה בלתי צפויה קרוב לאסטרואיד או כשל בגלגל תגובה.

יסודות של בקרה הסתגלותית

(השליטה ההסתגלות היא מתודולוגיה שבה הפרמטרים של הבקר מעודכנים באינטרנט בהתבסס על ביצועי מערכת נמדדת.בניגוד לשליטה חזקה, אשר נועד להתמודד עם מגוון כבול של אי-ודאות, בקרה אדפטיבית מעריכה פרמטרים לא ידועים (למשל, מסה, גורם בקנה מידה דחף, גודל הפרעה) ומתאים את חוק הבקרה בהתאם.

עבור החללית TCMs, בקרה אדפטית חייבת לספק מגבלות מחמירות: מוגבל על כוח מחשוב לוח, פעולה בזמן אמת, ומעל הכל, יציבות מובטחת ועוצמה.עבודה מוקדמת בשנות ה-60 וה-70 על בקרת טיסה מתאימה למטוסים (למשל, תוכנית X-15) הניחה את התשתית.

אדריכלות בקרת הסתגלות עבור Spacecraft

בקרת הסתגלות (MRAC)

MRAC הוא אחד מטכניקות הבקרה הבוגר ביותר.זה משווה את התגובה החללית בפועל לפלט של מודל ההתייחסות המגדירה את התנהגות ה-Apript הרצויה.הההבדל (השגיאה הממושכת) שמניע חוק הסתגלות המעדכן את הבקר.עבור TCMs, MRAC יכול לפצות על אי-ודאות כגון היערכות מוטה, וריאציות במרכז של מסה, ובאופן בלתי צפוי למנתן של דגם מפורט.

יישום מעשי נבדקו בתוכנית הניסוי של נאס"א AirSTAR וסימולציה עבור החללית Orion.עבור TCMs, MRAC יכול להשתלב בלולאה הדרכה: מסלול ההתייחסות מגדיר את המהירות הרצויה עלייה, ואת בקר MRAC מאמת את מחזור החובה דחף כדי להתאים את המסלול הזה למרות הפרעות לא ידועות.

L1 בקרת הסתגלות

L1 בקרה אדפטיבית פותחה במיוחד כדי לטפל ביציבות מול המסחר ביצועים המגבילים את MRAC. זה משתמש מסנן נמוך-pass בלולאה הבקרה כדי decouple הסתגלות מעוצמה, ומאפשר הסתגלות מהירה ללא דינמיקות גבוהה מלהיב.הבקר מורכב מחיזוי המדינה, חוק הסתגלות, וחוק בקרה עם מסנן.

נאס"א בדקה את השליטה ההסתגלות של L1 על מטוסים תת-ממדיים, ומתייחסת אליו מועמד חזק למשימות חלל עתידיות.היכולת שלו להתמודד עם ריצוף פעולה ורעש החיישן הופכת אותו למושך במיוחד עבור לווינים קטנים וקובאשטים, שם מגבלות חומרה חמורות. במחקרים סימולציה עבור TCMs בתדר נמוך, L1 בקרת הסתגלות מופחתת בדלק ב-15-20% בהשוואה ל-PgainID קבוע תוך שמירה על דיוק בתוך רמות שניות.

ניהול למידה מבוססת למידה

Reinforcement למידה (RL) מציעה גישה שונה מהותית: במקום חוק הסתגלות מבוסס יד, בקר (מדיניות) לומד פעולות אופטימליות באמצעות אינטראקציה בין ניסוי וטרור עם הסביבה.עבור חללית TCMs, RL יכול לגלות רצפים יעילים של יורה דחף (מדיניות) אשר אחראי על אי-לינאריות מורכבות והפרעות שקשה לעבוד קשה כדי לפתח מוקדם של Qnetworks עמוק כדי לדמיע את הפונקציה של טיפול לווייני, כמו גם עם טיפול מוטציות ותיקון לאחרונה, אשר מרחיבה.

ארכיטקטורה מבטיחה אחת היא Hierarchical RL, שבו מדיניות ברמה גבוהה מחליט מתי לקבוע לוח זמנים של TCM ו מדיניות ברמה נמוכה לבצע את פרופיל דחיפה המדויקת.זה מקטין את מרחב החיפוש ומשפר את יעילות הדגימה. הפגנה ציונית הייתה ניווט אוטונומי של חללית החלל העמוק של נאס"א, שהשתמשה בצורת למידה מבוססת מודל (למרות שלא עמוק RL) לזהות מטרות.

בקרת מודלים עם הסתגלות

בקרת מודלים (MPC) פותרת בעיה אופטימיזציה מקוונת בכל פעם שלב עד כדי ציות שליטה מקבילות הממזערות את תפקוד העלות על פני אופק סופי.על ידי שילוב הסתגלות - או על ידי עדכון המודל הפנימי של נתונים חיישן (indirect) או על ידי התאמת משקל העלות (שקוף) -MP הופך לבקר הסתגלות.עבור TCM עם מנועים בעלי ערך נמוך, MPC יכול להגיע במהירות שינוי כדור הארץ אחר כך גם לאחר מכן.

עבודה אחרונה במעבדת ה- Jet Propulsion של נאס"א שילבה MPC עם estquares estquares לפחות-squares estimator כדי לזהות את הגורם ההמוני של החללית ומדיק בזמן אמת.המודל המעודכנת משפר את הדיוק של תחזיות עתידיות. MPC הסתגלות עבור TCMs הוכח להשיג ליד סימולציות דלק מינימליות בסימולציות של כדור הארץ-Moto-Moon העברות בפועל.

יישומים אמיתיים ו Case Studies

בעוד ששליטה מתאימה מלאה ב-TCMs עדיין לא הפכה לסטנדרט לכל משימות החלל, כמה אבני דרך מסמנים את הדרך קדימה.ה-FLT:0Deep Space 1igFLT:1 Mission, הושקה בשנת 1998 בהצלחה הראתה ניווט אוטונומי באמצעות למידה מבוססת מודל - מבשר לשיטות מבוססות-RL מודרניות.

לאחרונה, הסוכנות האירופית של סוכנות החלל:0 (Smart-1FLT) 1:1 המשימה הירחית השתמש במניעה של יון נמוכה להגיע לירח, המחייב מאות TCMs.מערכת הבקרה השתמש בטכניקה פשוטה של עלייה ברווחה, אשר הותאמת את הפרמטרים של בקר כתפקוד של רדיוס קוסמול - עם זאת, צורה של הסתגלות נתונים הראו חיסכון דלק של 10% לעומת מחקר של 9GB) אשר תוכנן על בסיס LT2.

(בתחום ה- CubeSat, The FLT:0) ,Lunar IceCubebeFLT 1 המשימה ואחרים בחנו אלגוריתמי ניווט אדפטיים, ויש מחקר פעיל באוניברסיטאות כגון סטנפורד ו-MIT לשימוש MPC אדפטי לתחנות לוויין קטנות, כולל רכיבי FLT:2OSIRIS-RExFLT 3, השתמשו במגמה קונבנציונלית, המבוססת על תוכנית CMI, אך ככל הנראה, כמו LTF5 שבועות, כולל LT5, כולל אוטונומיה עמוקה יותר, כולל LT5, כולל LT5 שבועות, כולל LT:

יתרונות השוואתיים של בקרת הסתגלות עבור TCMs

היתרונות של העברת מ-FLT קבוע לשליטה הסתגלותית הם משמעותיים ומגובה על ידי סימולציה ונתונים לטיסה. יעילות של קודר (FLT:1) הוא יתרון עיקרי: על ידי התאמת קלטות שליטה בפועל ולא בתנאים מסוימים, מערכות הסתגלות יכולות להפחית את צריכת P-25% בתרחישים רבים.

(ה) ,0)RobustnessFLT:1 הוא יתרון מרכזי נוסף.מערכות הסתגלות יכולות להתמודד עם מגוון רחב יותר של הפרעות וטעויות מודל ללא חוסר יציבות.זה מקטין את הצורך במודלים מתקדמים ושמרנים בתכנון.ברמה מעשית, זה אומר פחות באמצע הדרך TCMs נדרשים, אשר מורידים את העלות התפעולית והסיכון, לבסוף, LTF:2uadances: 3.

אתגרים ושיקולים

למרות ההבטחה שלהם, בקרים אדפטיים עבור TCMs עומדים בפני כמה מכשולים לפני שהופך סטנדרטי על משימות תפעוליות.FLT:0Computational Limits for TCMs לעמוד בפני מכשולים עיקריים: אלגוריתמים רבים הסתגלות דורשים פעולות מריצה בזמן אמת, אופטימיזציה מקוונת או רשת עצבית כי מחלחלת את היכולות של מעבדים מחוסנים בחלל הנוכחי.

(FLT:0Verification and אימותציה (V&V)BuildFLT) 1 עבור מערכות הסתגלות הוא קשה יותר מאשר עבור בקרים ליניאריים, זמן-שנויות (V&V) ו-V)irdation) מכיוון שהבקר משנה את התנהגותו באינטרנט, הוכחות יציבות סטנדרטיות עשויות שלא לכסות את כל התרחישים האפשריים. Agencies דורשות ביטחון קפדני שמערכת הסתגלות לעולם לא תוביל לאי-יציבות או לקלטות לא בטוחות.

מגבלות חמורות (FLT:1) ממלא תפקיד: לדחפורים יש פתרון סופי ומעטים מינימליים אימפולסיבית (מינימום אימפולסיביים) שפקד תיקונים זעירים עשויים לא להיות ממשיים פיזית, המוביל לצ'אטים או דה-מורד ביצועים.סנן קפדני ועיצוב אנטי-windup נדרשים בנוסף, רעש ועיכובים למדידה יכולים להטעות את המנגנון, מה שגורם לשילוב של טכניקות פילטרים לא נכונים, כמו פילטרים, כמו פילטרים, כמו פילטרים.

לבסוף, יש אינרציה תרבותית: פרויקטים לטיסה הם סיכון-יקום, ובקרת הסתגלות היא טכנולוגיה חדשה יחסית לחלליות.זה נבדק בכמה מפגינים, אך עדיין לא במשימה הדגל שבו כישלון יהיה קטסטרופלי.הדרך לאימוץ תדרוש בדיקות טיסה מוצלחות, אידיאלי על קוביות בעלות נמוכה, לבנות אמון.

כיוונים עתידיים ואינטגרציה עם אינטליגנציה מלאכותית

(הגבול הבא לשליטה אדפטיבית ב-TCMs הוא שילוב עמוק של אינטליגנציה מלאכותית ולמידה מכונה. למידה אדפטיבית 1 יכול לשמש כדי להשוות את מדיניות השליטה האופטימלית מהנתונים, תוך שמירה על הצורך בזיהוי מודל מפורש.FLT:2 Exrovable AIFLT 3: שיטות מפותחות כדי להבטיח כי בקרים שחורים מסוג זה ניתן לאמת ולאפשר תצפיות מהירות (FLT) רק ל- 5.

(ב) [ה]:0 [ה]מכירים [ה] [ה] [ה] [ה]] [ה]] [ה] [ה]] [ה] [ה]]]]] [ה[[המאה ה-1]]]], [ה[[המאה ה-20]]]]]], היא גם יכולה להשתמש בבקרים אדים ולהגיע ל[[ה[[המאה ה[[המאה ה-20]], ו[[המאה ה-20]], ו[[המאה ה-20]], ו[[המאה ה[[המאה ה-20]], ו[[1924]], ו[[1924]],]],]], [[ה[[1924]], ו[[1924]], [[המאה ה[[1924]],]],]], [[1924]],]],]],]],]], [[ה[[1924]], [[ה[[1924]],]],]],]],]], [[ה[[1924]],]],]], [[1924]],]], [[ה[[1924]], [[ה[[1924]], [[ה[[1924]], [[1924]],]], [[ה[[1924]], [[

למידה על הסיפון תהפוך להיות יותר אפשרית כמו סדרת AI מבוזרת חלל, כמו הבקרים אדפטיים:0XilinxcioFLT:1 ורסל AI Core, להיות זמין.המכשירים האלה יכולים להפעיל חיזוק למידה או מודלים של בקרים אדפטיים מבוסס מודל במספר קילוואץ תוך כדי צריכת רק כמה וואטים.

מסקנה

בקרה הסתגלותית מייצגת שינוי פרדיגמטי עבור תמרוני תיקון של חלליות.על ידי החלפת אלגוריתמים טרום מתוכנן, קבוע-גאין עם מערכות הגיוניות, ללמוד, ולהתאים בזמן אמת, משימות יכולות להשיג דיוק גבוה יותר, צריכת דלק נמוכה יותר, וגמישות גדולה יותר לאדריכלות הבלתי צפויה.