スウォーム宇宙船運動計画のための機械学習に基づく相対軌道変換【JST・京大機械翻訳】

Sabol Alex; Yun Kyongsik; Adil Muhammad; Choi Changrak; Madani Ramtin

プレプリント

J-GLOBAL ID：202202218514633851 整理番号：22P0281498

スウォーム宇宙船運動計画のための機械学習に基づく相対軌道変換【JST・京大機械翻訳】

Machine Learning Based Relative Orbit Transfer for Swarm Spacecraft Motion Planning

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (5件)： , , , ,
資料名：
発行年： 2022年01月28日プレプリントサーバーでの情報更新日： 2022年01月28日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

本論文では,宇宙船スウォーム軌道計画のための機械学習ベースフレームワークについて述べた。特に,著者らは,受動相対軌道(PRO)移動を通して編隊飛行における多重宇宙機の協調運動に焦点を合わせた。エージェント間の衝突を回避する間,宇宙飛行体動力学を説明することは,宇宙探査機群軌道計画を困難にする。集中化アプローチは,この問題を解決するのに使用できるが,スウォームにおけるエージェントの数で,計算上要求とスケールが乏しい。その結果,集中型アルゴリズムは,スウォームから成るボード小型宇宙船(例えば,CubeSats)に関するリアルタイム軌道計画のために不適当であった。本アプローチでは,ニューラルネットワークを用いて集中法の解を近似した。必要な訓練データは,n=10宇宙船スウォーム軌道計画問題の幾つかの事例が解決される集中凸最適化フレームワークを用いて生成される。著者らは,多宇宙機運動計画問題に対する深層学習ベースアプローチの潜在的有用性に関する洞察を与える,以下の疑問に答える。1)ニューラルネットワークは,安全制約(例えば,衝突回避)を満足し,燃料コストが低い実現可能な軌跡を生成する。2)n宇宙船データを用いて訓練されたニューラルネットワークを用いて,異なるサイズの宇宙探査機群に対する問題を解決した。【JST・京大機械翻訳】

, , , , , , , , ,
, , , , , , 【Automatic Indexing@JST】

宇宙飛行体の運動・軌道

, , , ,

前のページに戻る