Low-Thrust Under-Actuated Satellite Formation Guidance and Control Strategies
作者: Ahmed Mahfouz, Gabriella Gaias, Florio Dalla Vedova, Holger Voos
分类: eess.SY
发布日期: 2024-12-29
💡 一句话要点
针对低推力欠驱动卫星编队重构，提出集中式与分布式自主制导与控制策略。
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 卫星编队 低推力 欠驱动 轨迹优化 模型预测控制
📋 核心要点
- 现有卫星编队重构方法在低推力欠驱动场景下，难以兼顾燃料效率、计算复杂度和控制精度。
- 论文提出集中式和分布式两种框架，通过轨迹优化和模型预测控制，实现自主制导与控制。
- 实验表明，所提出的方法在燃料消耗和控制精度方面，相较于现有方法具有一定的优势。
📝 摘要（中文）
本研究提出了用于重构近距离多卫星编队的自主制导与控制策略。所考虑的编队包含N个欠驱动的副卫星和一个不受控的虚拟或物理主卫星。制导问题被表述为一个轨迹优化问题，该问题结合了典型的动力学和物理约束，以及最小加速度阈值。后一个约束源于所采用的低推力技术的物理限制，该技术通常用于精确的近距离相对轨道机动。制导和控制问题在集中式和分布式两种框架中解决：集中式方法提供燃料最优解，但仅适用于少量副卫星的编队；分布式方法更具可扩展性，但产生次优解。在集中式框架中，主卫星是负责所有计算的物理卫星，而在分布式框架中，主卫星被视为绕地球运行的虚拟质点，每个副卫星都在其自身上执行制导和控制计算。该研究强调了闭环控制系统的星载实现，旨在为最优控制问题提供可靠和自动化的解决方案。为此，通过首先识别构成潜在不可行性威胁的约束，然后适当地软化它们，来降低不可行性的风险。实现了两种模型预测控制架构并进行了比较，即收缩视界和固定视界方案。在地球观测任务要求的典型近距离重构方面，分析了燃料消耗和实现的控制精度方面的性能，并与文献中提出的不同实现进行了比较。
🔬 方法详解
问题定义：论文旨在解决低推力欠驱动卫星编队重构的自主制导与控制问题。现有方法在处理此类问题时，往往难以在燃料消耗、计算复杂度和控制精度之间取得平衡。集中式方法计算量大，不适用于大规模编队；分布式方法虽然可扩展性好，但通常会牺牲燃料效率。此外，低推力器的最小加速度约束也增加了问题的复杂性。
核心思路：论文的核心思路是分别设计集中式和分布式两种框架，以适应不同规模的卫星编队。集中式框架通过全局优化实现燃料最优，适用于小规模编队；分布式框架则通过局部优化提高可扩展性，适用于大规模编队。同时，通过软化约束来降低优化问题不可行性的风险。
技术框架：整体框架包括轨迹优化和模型预测控制两个主要阶段。首先，通过轨迹优化生成参考轨迹，该优化问题考虑了动力学约束、物理约束和最小加速度阈值。然后，利用模型预测控制（MPC）跟踪参考轨迹，实现闭环控制。论文比较了两种MPC架构：收缩视界MPC和固定视界MPC。
关键创新：论文的关键创新在于针对低推力欠驱动卫星编队，提出了集中式和分布式相结合的制导与控制策略。集中式框架利用全局优化实现燃料最优，分布式框架则通过局部优化提高可扩展性。此外，通过软化约束来降低优化问题不可行性的风险，提高了算法的鲁棒性。
关键设计：论文中，轨迹优化问题采用适当的数值方法求解，例如序列二次规划（SQP）。模型预测控制器的设计需要仔细选择预测视界和控制视界，以及合适的代价函数。软化约束的具体方法是引入松弛变量，并在代价函数中对松弛变量进行惩罚。此外，还需要考虑低推力器的推力方向和幅度的约束。
🖼️ 关键图片
📊 实验亮点
论文通过仿真实验验证了所提出方法的有效性。实验结果表明，集中式方法在小规模编队中能够实现燃料最优，而分布式方法在大规模编队中具有更好的可扩展性。与现有方法相比，所提出的方法在燃料消耗和控制精度方面均有一定程度的提升。具体数据未知。
🎯 应用场景
该研究成果可应用于地球观测、空间态势感知、空间碎片清除等任务中的卫星编队重构。通过自主制导与控制，可以降低对地面站的依赖，提高任务的灵活性和效率。此外，低推力技术的应用可以降低燃料消耗，延长卫星的在轨寿命，具有重要的实际应用价值。
📄 摘要（原文）
This study presents autonomous guidance and control strategies for the purpose of reconfiguring close-range multi-satellite formations. The formation under consideration includes $N$ under-actuated deputy satellites and an uncontrolled virtual or physical chief spacecraft. The guidance problem is formulated as a trajectory optimization problem that incorporates typical dynamical and physical constraints, alongside a minimum acceleration threshold. This latter constraint arises from the physical limitations of the adopted low-thrust technology, which is commonly employed for precise, close-range relative orbital maneuvers. The guidance and control problem is addressed in two frameworks: centralized and distributed. The centralized approach provides a fuel-optimal solution, but it is practical only for formations with a small number of deputies. The distributed approach is more scalable but yields sub-optimal solutions. In the centralized framework, the chief is a physical satellite responsible for all calculations, while in the distributed framework, the chief is treated as a virtual point mass orbiting the Earth, and each deputy performs its own guidance and control calculations onboard. The study emphasizes the spaceborne implementation of the closed-loop control system, aiming for a reliable and automated solution to the optimal control problem. To this end, the risk of infeasibility is mitigated through first identifying the constraints that pose a potential threat of infeasibility, then properly softening them. Two Model Predictive Control architectures are implemented and compared, namely, a shrinking-horizon and a fixed-horizon schemes. Performances, in terms of fuel expenditure and achieved control accuracy, are analyzed on typical close-range reconfigurations requested by Earth observation missions and are compared against different implementations proposed in the literature.