Contingency-Aware Station-Keeping Control of Halo Orbits
作者: Fausto Vega, Zachary Manchester, Martin Lo, Ricardo Restrepo
分类: eess.SY
发布日期: 2024-05-30
💡 一句话要点
提出一种考虑意外情况的Halo轨道燃料最优维持算法
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: Halo轨道维持 燃料优化 凸优化 后退视界控制 安全约束
📋 核心要点
- Halo轨道维持面临控制失效风险，现有方法缺乏应对突发情况的安全策略。
- 提出凸轨迹优化方法，结合后退视界控制，生成燃料最优的脉冲式机动策略。
- 仿真结果表明，该算法在保证低燃料消耗的同时，提供了控制失效时的安全退出方案。
📝 摘要（中文）
本文提出了一种算法，用于在不稳定的Halo轨道上进行航天器燃料最优的轨道维持，并附加约束以确保在控制失效时的安全性。我们构建了一个凸轨迹优化问题，以生成脉冲式航天器机动，使用后退视界控制器来粗略地跟踪Halo轨道。我们的解决方案还提供了一个安全的退出策略，以应对任务中任何时刻推进系统失效的情况。我们在地球-月球和土星-土卫二系统的三体仿真中验证了我们的算法，证明了低总delta-v和整个任务期间的安全应急计划。
🔬 方法详解
问题定义：论文旨在解决航天器在不稳定的Halo轨道上进行轨道维持时，如何实现燃料最优，同时保证在推进系统失效等意外情况下航天器的安全。现有方法通常只关注燃料消耗，而忽略了控制失效带来的风险，缺乏相应的安全退出策略。
核心思路：论文的核心思路是将轨道维持问题建模为一个凸轨迹优化问题，通过求解该问题得到一系列脉冲式机动策略。同时，在优化过程中加入约束条件，确保即使在任务的任何时刻推进系统失效，航天器也能安全地脱离轨道，避免碰撞或其他危险情况。
技术框架：该算法采用后退视界控制（Receding Horizon Control）框架。首先，基于当前状态，通过凸优化求解一个有限时间范围内的最优轨迹。然后，执行该轨迹的第一个脉冲机动。在下一个时间步，重复上述过程，利用新的状态重新求解优化问题。这种方法能够有效地应对轨道扰动和不确定性。
关键创新：该算法的关键创新在于将安全约束显式地纳入到轨迹优化问题中。通过设计合适的约束条件，确保在控制失效时，航天器能够自动进入一个预先规划好的安全轨道。这种方法能够显著提高任务的鲁棒性和安全性。
关键设计：该算法的关键设计包括：1) 使用凸优化方法，保证问题能够高效求解；2) 设计合适的安全约束，确保控制失效时的安全性；3) 使用后退视界控制，应对轨道扰动和不确定性。具体参数设置和损失函数细节未知。
🖼️ 关键图片
📊 实验亮点
在地球-月球和土星-土卫二系统的仿真实验中，该算法验证了其有效性。实验结果表明，该算法能够在保证低燃料消耗的同时，提供控制失效时的安全退出方案。具体的燃料消耗数据和安全退出性能提升幅度未知。
🎯 应用场景
该研究成果可应用于深空探测任务，例如月球探测、行星探测等。通过该算法，可以降低轨道维持的燃料消耗，延长任务寿命，并提高任务的安全性。此外，该算法还可以应用于空间碎片清除等领域，为航天任务提供更可靠的保障。
📄 摘要（原文）
We present an algorithm to perform fuel-optimal stationkeeping for spacecraft in unstable halo orbits with additional constraints to ensure safety in the event of a control failure. We formulate a convex trajectory-optimization problem to generate impulsive spacecraft maneuvers to loosely track a halo orbit using a receding-horizon controller. Our solution also provides a safe exit strategy in the event that propulsion is lost at any point in the mission. We validate our algorithm in simulations of the three-body Earth-Moon and Saturn-Enceladus systems, demonstrating both low total delta-v and a safe contingency plan throughout the mission.