Uzaylı Trajektör için Adaptasyon Kontrolü

Uzaylı yörünge düzeltme manevraları (TCMs), güneş sistemindeki yolculuk sırasında bir araç tutmak için gereken küçük ayarlamalardır.Onlar olmadan, uyarlanabilir kontroldeki hatalardan elde edilen hatalar, gerçek zamanlı yanıt veren, daha büyük yakıt ekonomisi ve benzeri olmayan bir özerklik sağlayacaktır.Bu makale, TCMs için önceden tanımlanmış bir kontrol sistemi için uygun olmayan, gerçek zamanlı olarak, gerçek zamanlı olarak, gerçek zamanlı olarak yorumlanamayan uygulamaları yeniden yazılabilir.

Trajectory Düzeltme Maneuvers in Spaceflight

Trajektör düzeltme manevraları, bir uzay aracının yörüngesinde planlanmış aralıklarla yürütülür ve düşük Dünyaca görevler için, atmosferik sürüklenmeler birden fazla kaynaktan ortaya çıkabilir: Hedef araçtan mükemmel bir şekilde etkilenebilir[Dönemli modellere göre tamamen hesaplanmamış, güneş radyasyon baskısına, outgasing ve düşük Dünyaca yük devretmeler için).

TCM'lerin frekansı ve büyüklüğü görev türüne bağlıdır. Uçaksız görevler, araziciler Jüpiter'e ya da yörüngeye doğru gidenler gibi, tipik olarak manevraları korumak için birkaç yüksek ücret gerektirir. Örneğin, NASA'nın Peracance rover, Dünya'dan beş büyük TCM'ye giriş noktasıyla daha hassas ve uyarlanabilir bir kontrol talep ediyor.

Geleneksel Kontrol Yöntemlerinin Sınırları

TCM'ler için geleneksel kontrol tarihsel olarak sabitlenmiş PID kontrolörleri veya açık uçlu pompalayıcılar, araç önceden hesaplanan modellere dayanan ateş dizilerini kullanmaktadır.Bu yöntemler, sabit bir kontrol altında, sabit olmayan ve statik bir şekilde çözülür.

Ayrıca, geleneksel yaklaşımlar geniş zemin tabanlı planlama gerektirir. Her TCM, Dünyadaki navigatörlerin bir ekibi tarafından tasarlanmıştır, sonra uzaydaki gecikmeye ve gerçek zamanlı olarak davranışlarını ayarlamak için tasarlanmış bir gecikmeye sahiptir.

A Adapt Kontrolün Temelleri

Adaptif kontrol, kontrol parametrelerinin ölçülmesine göre online olarak güncellendiği bir metodolojidir.Demirli sistem performansına göre, bu da kontrol edilen bir dizi belirsizliği ele almak için tasarlanmıştır, kontrol parametrelerinin doğrudan hata sinyallerinden güncellendiği ve değişken bir kontrol faktörüdür.[xt.) ve kontrol yasasına göre kontrol edilen iki ana dal da kontrol edilen bir sistem performansına göre belirlenir.

Uzaylı TCM'ler için, uyarlayıcı kontrol sıkı kısıtlamalar sağlamalıdır: Gemi bilişim gücü, gerçek zamanlı operasyon ve her şeyden önce, garanti edilen stabilite ve sağlamlık. 1960'larda erken çalışma, uçaktaki uyarlanabilir uçuş kontrolü (örneğin X-15 programı) zemini ortaya koydu.

Spacecraft için Anahtar Adaptive Control Architectures

Model Referansı Adaptive Control (MRAC)

MRAC, istenen kapalı uçlu davranışın ortaya çıkması gibi gerçek uzay aracı yanıtını karşılaştırır.The difference (tracking error) sürücüleri, güncel kontrol noktalarına göre bir adaptasyon yasasıdır.TCMs için MRAC, yanlış anlaşılmaz bir hizalama için telafi edici bir yaklaşımla, yakıt slosh merkezine gelen değişikliklerle ilgili olarak belirsiz bir uyum sağlamalıdır.

NASA'nın HavaSTAR uçuş test programında ve Orion uzay aracı için simülasyonda pratik uygulamalar test edilmiştir. TCMs için MRAC, istenen hız artışına entegre edilebilir: ve MRAC kontrolörü bu tür etkileri azaltmak için doğru yolu ayarlar.

L1 Adaptive Control

L1 a Adaptif kontrol özellikle sağlamlığı ele almak için geliştirildi. performans ticaret-off bu limitler MRAC. Kontrol döngüsünde düşük seviyeli bir filtreyi, sistem büyük parametrelere ve zaman zamanlayıcılara tabi olduğunda bile güvenilir performansa kavuşturuyor.

NASA L1'i alt ölçekli uçaklarda uyarlanmış bir kontrol test etti ve gelecekteki uzay misyonları için güçlü bir aday olarak görüyor.Hareketçiyi tatmin etme ve sensör gürültüyü takip etmek özellikle küçük uydular ve CubeSats için çekici hale getiriyor, donanım kısıtlamalarının şiddetli olduğu simülasyon çalışmalarında düşük güvenilir TCMs için, L1 uyarlanabilir bir kontrol, sabit bir yakıt tüketimine göre yüzde 15-20 oranında azaltılabilir bir kontrol, arksaniye düzeyleri içinde doğruluk takip etmeyi sürdürüyor.

Donma Öğrenmek Tabanlı Kontrol

Dondurma öğrenme (RL) temel olarak farklı bir yaklaşım sunuyor: el tasarlanmış bir adaptasyon yasası yerine, kontrol (a politikası), çevre ile ilgili en iyi eylemleri deneme ve terörle ilgili bir uydunun tutumuyla ilgili en iyi eylemleri öğrenir; Daha fazla uzay aracı TCMs için, RL bu durumu karmaşık olmayan bir kararla birlikte doğrulayarak, bu yörünge düzeltmeyi mümkün kılar.

Bir umut verici mimari hiyerarşik RL, yüksek seviyeli bir politikanın bir TCM'yi planlarken karar verdiği ve düşük seviyeli bir politikanın hassas itki profilini yürütdüğü ve örnek verimliliğini artırdığı bir dönüm noktası, NASA'nın Deep Space 1 uzay aracının otonom navigasyonu oldu ve bir sonraki on yıl içinde teknoloji misyonunu tespit etmesi bekleniyor.

Model Tahmin edici Kontrol Adaptasyon ile

Model tahmin edici kontrol (MPC) her zaman bir online optimizasyon problemini çözerek, düşük güven motorlarına en az maliyet fonksiyonunu en aza indirmeye yönelik bir algoritmayı yapılandırarak - daha sonra sensör verileri (inyönetme) veya maliyet ağırlıklarına adapte ederek -MPC, hızla değişen bir kontrol cihazı haline gelir.In TCMs with low-thrust engines, adaptive MPC can planlayabilir bir sonraki birkaç saniye boyunca en iyi bir itenver profili planlayabilir, sonra yeni ölçümler olarak yeniden planlayın.

NASA'nın Jet Propulsion Laboratuvarı'nda son iş, TCM'lerin doğruluğunu geliştirmek için yeniden kullanılabilir bir en az yakıtlı en az yükleyicisi ile birlikte, uzay aracının kütle ve itme faktörünü gerçek zamanlı olarak tanımlamak için tekrarlanan bir model haline geldi.

Gerçek Dünya Uygulamaları ve Vaka Çalışmaları

TCM'ler için tam uyarlayıcı kontrol henüz tüm uzay görevleri için standart haline gelmiyor olsa da, birkaç kilometre yol ileriye doğru yol işaret ediyor.TheurFLT:0) Deep Space 1) 1998 yılında başlatılan kontrol yasası, model tabanlı öğrenme kullanarak, hızlı bir şekilde otomatik olarak otomatik olarak optimize edilmiş bir şekilde navigasyon sistemi, bugün geliştirilen asteroidlerin görüntülerini kullanarak optimize etme yolunda ilerliyordu.

Daha yakın zamanda, Avrupa Uzay Ajansı'nın:0)Smart-1[Dönetici: 1 ) Ay misyonu Ay'a ulaşmak için düşük güven iyonunu kullandı, yüzlerce TCM'ye ihtiyaç duyuyordu. Kontrol sistemi, yörünge yarı iletken parametrelerinin yörüngesel yarının işlevi olarak ayarlanan basit bir kazanç tekniğini kullandı - Lifikasyon deneyi için düşük maliyetli bir şekilde test etme önerisini gösterdi.

CubeSat domain, theETHFLT:0)Lunar IceCube) görev ve diğerleri, uygun navigasyon algoritmaları test etti ve Stanford ve MIT gibi üniversitelerin her manevra için yeniden planlanmasıyla ilgili olarak aktif bir araştırma yaptı.TheurFLT:2).OSI-RISREx).

TCMs için Adaptif Kontrol Karşılaştırma Faydaları

Sabitleme kontrolüne giden avantajları, simülasyon ve uçuş verileri tarafından önemli ve desteklenmiştir.ETHFLT:0)Fuel verimlilik) birincil bir avantajdır: varsayılan kontrol girişleri yerine gerçek olarak, adaptif sistemler, birçok senaryoda 10-25 oranındaki düşük maliyetli bir kontrol için kesintiye uğratabilir.For iti doğrudan operasyonel bir yaşamla veya daha yüksek ücretli yük kitleye kadar yüksek oranda sabitlenebilir.

[FONT=0]Robustness[Dönetici:0) Başka bir anahtar faydadır. Adaptif sistemler daha geniş bir rahatsızlık ve model hataları dengesizliğe sahip olabilir.Bu, uzay aracının planlamaya ve gözlemleme ihtiyacı azaltır. pratik düzeyde, daha az orta sınıf TCM'ler gerekli ise, operasyonel maliyet ve riskin daha da düşük olması gerekir.[Dönemli) Bu, derin gecikmelerin nerede elde edilmesi gerekenleri tekrarlamak için gerekli olan yolu tekrarlamak için.

Meydanlar ve Uygulama

Sözlerine rağmen, TCM'ler için uyarlayıcı kontroller, operasyonel görevlerde standart hale gelmeden önce birkaç engelle karşı karşıyadır.ETHFLT:0)C ⁇ kısıtlamaları) birincil bir bariyer olarak kalır: birçok adaptive algoritmaları gerçek zamanlı matris işlemleri gerektirir, online optimizasyon veya ağ kanal dışı işlemciler bu boşluğun yeteneklerini azaltır.

[FONT=0)Verification ve geçerlilik (V&V)[Dönetici sistemlere göre, doğrusal, zaman değişken kontrolörleri için daha zor olan yöntemler, kontrol noktalarının online olarak geliştirildiği için, standart bir stabilite çerçevesi hala gelişmektedir.

[[Dönetici sınırlamaları[[Dönetici:0) Ayrıca bir rol oynamaktadır: iterler sonlu karar ve minimum dürtüleri vardır.Küçük düzeltmelerin fiziksel olarak gerçekleştirilebilir, sohbet eden veya aşağılayıcı performanslara yol açan bir kontrol cihazı olabilir. Bakımcı filtreleme ve anti-windup tasarımı gereklidir. Ek olarak, sensör gürültü ve ölçüm gecikmeleri adaptasyon mekanizmasına yol açabilir, yanlış parametrelere yakınlaştırmaya neden olabilir. Robust tahminleri, bu sorunları hafifletici modeller ile ilgili olarak.

Son olarak, kültürel inertia: uçuş projeleri risk altındadır ve uyarlanabilir kontrol, uzay aracı için nispeten yeni bir teknolojidir. Birkaç göstericide test edildi, ancak başarısızlıkların devam etmesi gereken bir temel görevde değil.

Future Yol ve Yapay Zeka ile Entegrasyon

TCM'lerde adaptif kontrol için bir sonraki sınır, yapay zeka ve makine öğreniminin derin entegrasyonudur.ETHFLT:0) Deep learning), bu tür kara kutu kontrollerinin doğrudan veriden en iyi kontrol politikasına kadar kullanılabilir, açık model tanımlama ihtiyacını atlatmak.ETHFLT:2Explainable AI) örneğin, bu tür kara kutu kontrolleri doğrulanmış ve güvenilir bir şekilde geliştirilebilir.

[FONT:0]Swarm kontrolü[[[Dönetici:2 İnsan-HAR: Formasyonda TCM'leri gerçekleştiren küçük uydular, bağımsız olarak iletişim kurma ve koordinat yapabilen bir denetim cihazı kullanabilir. Bu, Dünya gözlem ve derin uzay aracı Interferometry.]

Gemi öğrenimi, uzay-gerçekten AI hızlandırıcıları olarak daha mümkün hale gelecektir, örneğin ESRAT:0) Versal AI Core serisi, mevcut olan tüm otomatikleştirilmiş uzay aracılarını, birkaç kilohertz'da kullanarak, diğerleriyle uyumlu bir kontrol entegrasyonunu kullanarak, navigasyon ve hata algılama gibi - tüm bağımsız uzay aracına yol açabilir ve kendi TCM'leri Dünya müdahalesi olmadan yürütebilir, herhangi bir şekilde güçlü görevleri yerine getirir.

Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç

Adaptif kontrol, uzaysal yörünge düzeltme manevraları için bir paradigma değişikliğini temsil eder. önceden planlanan, sabitlenmiş algoritmaları her bir anlamda öğrenir ve gerçek zamanlı olarak ayarlama, görevler daha yüksek hassasiyet, daha düşük yakıt tüketimi ve L1 adaptive kontrol gibi daha büyük esneklik elde edebilir, MRAC, takviye öğrenme ve adaptif bir MPC her biri farklı güçlüleri sunar ve sürekli araştırma, doğrulama maliyetinin zorluklarını ele alır, doğrulama ve donanım kısıtlamaları. Teknoloji olgunları ve uçuş mirası beklenmedik bir kontrol olarak, derin bir alan navigasyon gibi standart bir bileşen haline gelecektir.