Визначення силового впливу факелу іонного двигуна на орбітальний об’єкт за допомогою глибинного навчання
DOI:
https://doi.org/10.15407/knit2022.05.015Ключові слова:
гли-бинне навчання., електрореактивний двигун, нейромережева модель, об’єкт космічного сміття, сила що передаєтьсяАнотація
Предметом дослідження у статі є процес створення нейромережевої моделі (НММ) для визначення силового впливу факелу електрореактивного двигуна (ЕРД) на орбітальний об’єкт під час безконтактного видалення космічного сміття. Ціллю роботи є розробка НММ та дослідження впливу різних чинників на точність визначення сили, що передається потоком іонів ЕРД до об’єкта космічного сміття (ОКС). Задачі: визначення структур НММ; формування набору даних для навчання та валідації НММ за допомогою сформованого набору даних; дослідження впливу структури моделі та параметрів оптимізатору на точність визначення сили. Використано наступні методи: фізика плазми, комп’ютерне моделювання, глибоке навчання, оптимізація із використанням вдосконаленого варіанта стохастичного градієнтного спуску. Отримано наступні результати. Розроблено три НММ, які відрізняються кількістю прихованих шарів та нейронів у прихованих шарах. Для навчання та валідації НММ з використанням автоподібного опису розповсюдження іонів плазми сгенеровано набір даних для ОКС, який апроксимовано циліндром. Набір даних отримано для різних відносних положень та орієнтацій об’єкта у процесі його відводу з орбіти. З використанням цього набору даних було виконано оптимізацію параметрів НММ за допомогою метода навчання із вчителем. Обрано оптимізатор та його параметри, які забезпечують найменшу похибку на етапі валідації результатів навчання. Визначено особливості впливу відносного положення та орієнтації ОКС, а також архітектури НММ на точність визначення сили. Висновки. Показано можливість застосування методів глибинного навчання для вирішення задачі визначення сили впливу факела ЕРД на ОКС. Запропоновані моделі дозволяють забезпечити точність визначення силового впливу, достатню для вирішення розглянутого класу задач. При цьому, НММ дає можливість отримувати результати значно швидше у порівнянні із методами, які використовувалися раніше, що робить їх перспективними для використання як для космічних апаратів, так і для математичного моделювання місій по видаленню космічного сміття.
Посилання
Liou, J.-C, Anilkumar, A. K., Virgili, B., Hanada, T., Krag, H., & Lewis, H. et al. (2013). Stability of the future leo environment - an IAADC comparison study. Proc. of the 6th European Conference on Space Debris, Darmstadt, 2013 vol.723.
Retrieved from: https://conference.sdo.esoc.esa.int/proceedings/sdc6/paper/199.
Phipps C. R., Reilly J. P. (1997). ORION: Clear-ing Near-Earth Space Debris in Two Years Using a 30-kW Repetitively-Pulsed Laser. XI International Sympo-sium on Gas Flow and Chemical Lasers and High-Power Laser Conference, (4 April 1997). pp. 728-731.
https://doi.org/10.1117/12.270174
Takeichi N. (2006). Practical Operation Strategy for Deorbit of an Electrodynamic Tethered System. J. of Spacecraft and Rockets. vol. 43. no 6. pp. 1283-1288.
https://doi.org/10.2514/1.19635
doi:10.2514/1.19635.
https://doi.org/10.2514/1.19635
Dron', M., Golubek, A., Dubovik, L., Dreus, A., Heti, K. (2019). Analysis of ballistic aspects in the com-bined method for removing space objects from the near Earth orbits. Eastern-European Journal of Enterprise Technologies, 2 (5 (98)), 49-54.
https://doi.org/10.15587/1729-4061.2019.161778
Golubek A., Dron' M., Dubovik L., Dreus A., Kulyk O., Khorolskiy P. (2020). Development of the combined method to de-orbit space objects using an electric rocket propulsion system. Eastern-European Journal of Enterprise Technologies, 4 (5 (106)), 78-87.
https://doi.org/10.15587/1729-4061.2020.210378
Bombardelli, C., & Peláez, J. (2011). Ion Beam Shepherd for Contactless Space Debris Removal. JGCD, vol. 34, no. 3, pp. 916 - 920.
https://doi.org/10.2514/1.51832
doi:10.2514//1.51832
Phipps, C. R., & Reilly, J. P. (1997). ORION: Clearing Near-Earth Space Debris in Two Years Using a 30-kW Repetitively-Pulsed Laser. SPIE Proc. of the International Society for Optical Engineering, Edin-burgh, UK, pp. 728 - 731.
https://doi.org/10.1117/12.270174
Takeichi, N. (2006). Practical Operation Strate-gy for Deorbit of an Electrodynamic Tethered System. J. of Spacecraft and Rockets, vol. 43, no. 6, pp. 1283 - 1288. doi:10.2514//1.19635.
https://doi.org/10.2514/1.19635
Alpatov, A. P., Zakrzhevskii, A. E., Fokov, A. A., & Khoroshylov, S. V. (2015). Determination of optimal position of ion-beam shepherd in relation to space junk object. Technical Mechanics, no.2, pp. 37-48.
Khoroshylov, S. V. (2018). Control system of a spacecraft for contactless removal of space junk. Nauka ta innovacii, vol. 14, no. 4, pp. 5-18.
https://doi.org/10.15407/scin14.04.005
Khoroshylov, S. V. (2012). Relative control of an ion beam shepherd satellite in eccentric orbits. Acta Astronautica, no. 76, pp. 89-98.
https://doi.org/10.1016/j.actaastro.2020.06.027
Cichocki, F., Merino, M., & Ahedo, E. (2015). Collisionless Plasma thruster plume expansion model. Plasma Sources Science and Technology, vol. 24, no.3, pp. 83 - 95.
https://doi.org/10.1088/0963-0252/24/3/035006
Bombardelli, C., Urrutxua, H., Merino, M., Ahedo, E., & Pelaez, J. (2012). Relative dynamics and control of an ion beam shepherd satellite. Spaceflight mechanics, vol. 143, pp. 2145 -2158.
Alpatov, A. P., Cichocki, F., Fokov, A. A., Khoroshylov, S. V., Merino, M., & Zakrzhevskii, A. E. (2015). Algorithm for Determination of Force Transmit-ted by Plume of Ion Thruster to Orbital Object Using Photo Camera. 66th International Astronautical Con-gress, Jerusalem, Israel, pp. 1-9.
Fokov, A. A., & Khoroshilov, S. V. (2016). Val-idation of simplified method for calculation of trans-mitted force from plume of electric thruster to orbital object. Aviatsionno-kosmicheskaya tekhnika i tekhnologiya, no. 2, pp. 55-66.
Mitchell, T. (1997). Machine Learning. New York, NY: McGraw-Hill.
Pierson H., & Gashler M. (2017). Deep learning in robotics: a review of recent research. Adv. Robotics, vol. 31, no. 16, pp. 821-835.
https://doi.org/10.1080/01691864.2017.1365009
Khoroshylov, S. V., & Redka, M. O. (2021). Deep learning for space guidance, navigation, and con-trol. Space Science and Technology, vol. 27, no. 6 (133), pp. 38-52.
https://doi.org/10.15407/knit2021.06.038
Cybenko, G. (1989). Approximation by super-positions of a sigmoidal function. Mathematics of Con-trol, Signals, and Systems, vol. 2, no. 4, pp. 303-314.
https://doi.org/10.1007/BF02551274
doi:10.1007//BF02551274.
Hornik, K. (1991). Approximation capabilities of multilayer feedforward networks. Neural Networks, vol. 4, no. 2, pp. 251-257.
