Giới thiệu

Cơ học quỹ đạo, sự rèn luyện điều khiển chuyển động của tàu vũ trụ dưới lực hấp dẫn và các lực khác, vốn dĩ đã bị mất khả năng chắc chắn. Mỗi lần phóng, chuyển đổi quỹ đạo, và quay lại bao gồm các biến số không thể được dự đoán chính xác hoàn toàn — từ việc kéo chuyển động trong không khí đến hệ thống định vị. Khả năng đánh giá rủi ro trở thành một nền tảng của kế hoạch nhiệm vụ, đảm bảo rằng tài sản tốn kém và thường không thể thay thế hoạt động trong các lề an toàn chấp nhận được. Trong số các công cụ mạnh mẽ nhất cho việc đo lường và quản lý rủi ro như vậy, một kỹ thuật toán học tìm kiếm sự ảnh hưởng ngẫu nhiên trên hệ thống. Theo các thí nghiệm ngẫu nhiên, có thể nhận ra các tính toán dựa trên các nguyên tắc cơ bản của hạt Monte Carlo, và các ứng dụng cơ bản của các ứng dụng cơ bản của hệ thống định giá trị không gian.

Monte Carlo mô phỏng thế nào?

Các mô phỏng Monte Carlo là một lớp các thuật toán tính toán dựa trên các mẫu ngẫu nhiên lặp đi lặp lại để có được kết quả số học. phương pháp này được phát triển vào những năm 1940 trong khi làm việc về vũ khí hạt nhân tại Phòng thí nghiệm quốc gia Los Alamo, nơi mà các nhà toán học Stanislaw Ulam và John von Neumann nhận ra rằng ngẫu nhiên có thể giải quyết các vấn đề phức tạp xác định phức tạp mà không thể giải quyết được.

Về bản chất, một mô phỏng Monte Carlo coi việc nhập không chắc chắn như là một hình thức phân phối xác suất thay vì một giá trị đơn lẻ. Đối với mỗi tham số nhập (v. d., vận tốc phóng xạ, hệ số hiệu suất bức xạ mặt trời, hoặc lực đẩy sai số) thì nhà phân tích định nghĩa một phạm vi hợp lệ và định nghĩa hình phân phối — thường là hình ảnh xác suất, hoặc một hình thức phân phối riêng lẻ, đồng nhất, đồng nhất hay hình tam giác. Đối với mỗi lần, mỗi lần vẽ một giá trị ngẫu nhiên cho mỗi tham số từ bản phân phối của nó. Việc thu thập kết quả có thể là một sự phân phối kết quả, cho phép các kỹ sư tử ước lượng xác suất thành công, thất bại, hoặc ngưỡng cụ thể. Những quy định số lượng lớn của số thử nghiệm, số lượng thống kê, được xác định đúng, số lượng thống kê các giá trị nhập.

Ứng dụng trong chương trình Cơ khí Đạo đức

Cơ học quỹ đạo trình bày một lĩnh vực phong phú cho phương pháp chuyển động Monte Carlo bởi vì phương trình chuyển động được hiểu rõ, nhưng các điều kiện đầu vào và lực môi trường bị đánh dấu bởi sự không chắc chắn. Quỹ đạo không gian bị ảnh hưởng bởi lực hấp dẫn không đồng nhất của trái đất, hiệu ứng thứ ba (Sun và Moon), áp suất bức xạ mặt trời, kéo dài ở độ cao thấp, và thủy triều trọng lực. Hơn nữa, trạng thái bắt đầu từ việc theo dõi và định hướng chuyển đổi hướng theo quỹ đạo, dẫn đến việc phân tán nhiều vị trí dự đoán. Mô phỏng Monte Carlo thu lại hiệu ứng của tất cả các tính năng này, cung cấp một phong bì có thể.

Nguồn gốc của sự thiếu chắc chắn trong cơ khí quỹ đạo

  • Trình diễn phương tiện truyền thông tự động: Sự biến đổi trong lực đẩy, độ nóng đốt, và sự tách rời có thể tiêm vệ tinh vào quỹ đạo tiêm phòng. Mô phỏng Monte Carlo là sự lệch ngẫu nhiên từ trạng thái tiêm trên danh nghĩa.
  • Kéo tắt định dạng mật độ không khí ở quỹ đạo thay đổi với hoạt động mặt trời và bão địa lý. Dùng mô hình trình đơn giản, các kỹ sư chỉ định sự phân phối để kéo hệ số và mật độ để mô phỏng thời gian đi qua xấu nhất.
  • Lỗi bánh xe [FLT: 0] và Actuator: ) sự mất cân bằng bánh xe, ma sát bánh xe phản ứng, và động cơ đẩy sai hướng tạo ra những mô-men xoắn nhỏ bốc đồng hoặc liên tục thay đổi quỹ đạo theo thời gian.
  • Tiếng ồn liên tục Orbit: theo dõi rađa và bộ nhận GPS có độ chính xác hạn định. Giải pháp ban đầu là ước tính trong hình bầu dục đồng thời. Monte Carlo lấy mẫu từ tính chất tương đối này để xem cách đo độ phóng thích tiếng ồn.

Nguy hiểm trong các hoạt động quỹ đạo

Đánh giá rủi ro sử dụng Monte Carlo thường tập trung vào hai loại chính: [FLT: 0] rủi ro thành công [FLT: 1] và rủi ro [FLT:] rủi ro [FLT: 3] khả năng . Để thành công về nhiệm vụ, các kỹ sư xác định giới hạn (v., tối đa cho phép [FLT: 1] để giữ vị trí, mức độ cao nhất trước khi vào lại, hoặc chỉ ra. Bằng cách chạy hàng ngàn thử nghiệm, họ tính toán phần nhỏ của trường hợp vi phạm bất kỳ ngưỡng nào, do đó xác suất xác suất của sự thất bại. Khả năng này là khi ngân sách được hạn chế và giá trị ưu tiên và đáng tin cậy.

Đánh giá rủi ro đối với vệ tinh trong quỹ đạo thấp của Trái đất (LEO), phụ thuộc rất nhiều vào phương pháp Monte Carlo. và các cơ quan khác duy trì danh sách các mảnh vụn và tàu vũ trụ hoạt động. Đối với bất kỳ phương pháp gần, các tính chất tương tác của cả hai đối tượng được phổ biến đến thời điểm tiếp cận gần nhất. Một mô phỏng Monte Carlo tạo hàng ngàn trạng thái ngẫu nhiên từ mỗi điểm tương ứng, và thống kê hai khoảng cách xác suất va chạm. Nếu xác suất trên ngưỡng (chỉ 1, khoảng cách sẽ tránh một số lần va chạm được xem là 10.000).

Nghiên cứu trường hợp: Sự can thiệp của trạm không gian quốc tế

Trạm không gian quốc tế (ISSS) thỉnh thoảng thực hiện các thao tác tránh các mảnh vỡ. Khi một khả năng xác định được khả năng kết hợp với nhau, [FLT: 0] Các bản phát hành ) chạy cho cả vật thể IP và các mảnh vỡ, kế toán cho sự b mơ hồ trong dữ liệu theo dõi và kéo chương trình dự báo không khí. Xác suất va chạm được tính; nếu nó có quá 1 trong 10.000 (các hướng dẫn của NASA), các ISS điều chỉnh quỹ đạo của nó. Một ví dụ đáng chú ý xảy ra vào tháng 9 năm 2020 khi một mảnh vỡ không xác định bị buộc thực hiện một lực lượng ISS- 1. 1, 2 giây động cơ của Monte có khả năng cao, như là hành động có khả năng gây ra khả năng gây ra sự cố và không thể tránh va chạm. Có khả năng gây ra khả năng gây ra sự cố định.

Nghiên cứu trường hợp: Nguy cơ ảnh hưởng tiểu hành tinh

Hệ thống mô phỏng Monte Carlo cũng cần thiết để đánh giá khả năng ảnh hưởng của các vật thể gần trái đất (NEOs). NASA [FLT: 0] Hệ thống truy cập [FLT: 1) dùng Monte Carlo để đánh giá xác suất các vật thể có thể xảy ra gần trái đất (Enome). Các biến thiên thạch có quỹ đạo do lực hấp dẫn, hiệu ứng Yakovsky, và các lỗi quan sát là tất cả các mô hình phân phối. Hệ thống chạy hàng triệu mẫu quỹ đạo để tìm ra một bản đồ xác suất và danh sách các ngày ảnh hưởng tiềm năng. Đối với tiểu hành tinh Ap lúc đầu đã ước lượng rủi ro cao hơn, nhưng về cơ bản phân tích của Monte và về sau, xác suất phân tích này là giảm thiểu khả năng phân tích. Hệ thống chạy hàng triệu mẫu quỹ đạo để phân tích không có khả năng nhất định.

Những lợi ích và giới hạn của mô phỏng Monte Carlo

Lợi ích

  • Quantiities Uncity: cung cấp xác suất rõ ràng hơn thay vì hệ nhị phân có/ không đánh giá, cho phép rủi ro trong việc đưa ra quyết định.
  • Khả năng đọc :) có thể kết hợp hầu hết các loại không chắc chắn — Gausian, không phải Gaussian, tương quan — miễn là mô hình xác suất được xác định.
  • Hệ thống phi tuyến tính: không giống như sự truyền bá đồng biến tuyến tính (v. d., bằng ma trận chuyển tiếp trạng thái), Monte Carlo nắm bắt đầy đủ các tính không tuyến tính trong động lực, như những người gặp phải trong thời kỳ bay gần hoặc trở lại không khí.
  • Phân tích nhạy: ) Bằng cách quan sát những biến thể nhập nào gây ra sự lan rộng lớn nhất trong kết xuất, các kỹ sư có thể xác định được sự bấp bênh và cấp phát nguồn lực quan trọng nhất để giảm bớt chúng.

Hạn chế

  • Chi phí tính toán:) Chạy hàng ngàn đến hàng triệu các quỹ đạo truyền bá cao có thể bị cấm, đặc biệt là cho các nhiệm vụ lâu dài hoặc khi sử dụng các bộ phân vùng số chính xác. Điều này thường buộc người máy đại diện hoặc giảm độ chính xác.
  • Tính phụ thuộc kiểu chuột:) Sự chính xác của Monte Carlo kết quả chỉ tốt như các mô hình động cơ và các phân phối xác suất đầu vào. Giả định mô hình nghèo có thể dẫn đến sự đánh giá sai lệch rủi ro.
  • Những vấn đề về sự hội tụ: Để tìm những sự kiện hiếm (v. d., xác suất thất bại dưới 1 trong 10,000) thì số thử nghiệm cần thiết phát triển theo cấp số nhân. Những kỹ thuật cắt giảm đặc biệt (v. g., tính chất lấy mẫu quan trọng, tập tin con) cần thiết.
  • Sự tiên đoán: kết quả xác suất có thể bị hiểu sai bởi những người đưa ra quyết định mong đợi sự chắc chắn.

Kỹ thuật cao cấp và hướng đi tương lai

Để vượt qua gánh nặng tính toán và tăng chính xác cho các sự kiện hiếm, việc đánh giá quỹ đạo hiện đại đang tăng cường các biến thể của Monte Carlo. Mô phỏng và [FLT:]] tiến trình [FLT: 2] [FLT: 3] tập trung vào các mẫu quan tâm đến vùng quan tâm (v. g. gần một giới hạn thất bại], giảm thiểu số lượng người chạy cần thiết cho sự kiện có khả năng thấp. Một cách tiếp cận khác hứa hẹn khác là dùng [FT: khả năng mở rộng [FT] [Fl: FlT] [FlT] [FL] [FL] [FL]] [FL] [FL]] để thay đổi] [F], hoặc], hoặc], gần như thế], khả năng hạn (t], thấp [t],],], một tiến trình thay thế cho máy thay thế cho máy móc [t], và sau đó là: 1 hệ thống thay thế cho máy móc, và một hệ thống khác dùng

Cơ quan không gian Châu Âu [FLT:] Cơ quan không gian Châu Âu [FLT: 1] và các nhà điều hành thương mại như [FLT [FLT:] để kết hợp Monte Carlo vào các hoạt động mô phỏng hoạt động của họ. Đối với chòm sao Starlink, va chạm tự động dựa trên các quyết định hàng ngày của Monte Carlo, khả năng đánh giá rủi ro cho mỗi vệ tinh đối với mọi đối tượng được theo dõi. Điều này đòi hỏi sự tương ứng và sự tăng hiệu quả của các nhà sản xuất vệ tinh. Khi số đối tượng trong không gian tăng lên, sự phân hủy bỏ các mảnh vỡ, và trong không gian, nhu cầu thiết bị hỗ trợ chính xác sẽ tăng nguy cơ.

Kết luận

Mô phỏng Monte Carlo là cần thiết để đánh giá rủi ro trong cơ học quỹ đạo. Họ cung cấp một khuôn khổ xác suất chặt chẽ, xác suất xác suất để xử lý vô số tính vốn có trong các hoạt động không gian — từ lỗi tiêm phòng quá trình phóng đến sự tăng trưởng phức tạp hấp dẫn và mối đe dọa va chạm. Trong khi tính toán giá trị và mô hình trung thành vẫn còn là một thách thức, sự tiến bộ liên tục trong tính toán cao và kỹ thuật giảm thiểu biến đổi đang mở rộng tầm với các phương pháp này.