Adaptive ZEM/ZEV feedback guidance for rendezvous in lunar NRO with collision avoidance

With the Lunar Orbital Gateway-Platform set to become the new establishment for space exploration of the solar system, it is evident that new spacecraft guidance algorithms for relative maneuvering in cislunar environment will be important in the future. This is why this thesis focuses on the development of a new feedback guidance algorithm for docking maneuvers in the cislunar environment. In particular, the aim is to create a guidance algorithm that is lightweight, closed-loop, so that it can be implemented directly on board and capable of taking constraints on the relative position into account. The problem has been solved starting from the well know Zero-Effort-Miss/Zero-Effort-Velocity feedback algorithm using machine learning to improve its capabilities and widen its field of applicability. The algorithm has been developed in the circular restricted three body problem (CRTBP) framework for Near Rectilinear Orbits (NRO) but the results are easily generalizable to many more guidance problems. The results are satisfactory. It has been shown that reinforcement learning can be effectively used to solve spacecraft guidance problems; the proposed algorithm is in fact capable not only to improve the performance of classical ZEM/ZEV when constraints are not present, but it is also capable of solving the guidance problem in presence of a wide variety of peculiar constraint scenarios.

Con il Lunar Orbital Gateway-Platform che si appresta a diventare il prossimo passo per l’esplorazione spaziale del sistema solare, è evidente che nuovi algoritmi di guida per docking in ambiente cislunare acquisteranno importanza in futuro. Questo è il motivo per cui questa tesi mira a creare un algoritmo di guida per docking in ambiente cislunare. In particolare, l'obbiettivo è creare un algoritmo che sia al contempo leggero dal punto di vista computazionale, a ciclo chiuso, così che possa essere implementato direttamente a bordo, e capace di tenere in considerazione vincoli sulla posizione relativa. Il problema è stato risolto partendo dal ben noto algoritmo di guida denominato Zero-Effort-Miss/Zero-Effort-Velocity (ZEM/ZEV) usando alcune tecniche di intelligenza artificiale per migliorarne le prestazioni e aumentarne le potenzialità. L'algoritmo è stato sviluppato nel problema dei tre corpi ristretto per orbite NRO (Near Rectilinear Orbits) ma i risultati sono generalizzabili a molti altri problemi di guida. I risultati sono soddisfacenti. E' stato dimostrato che l’apprendimento rafforzativo può essere utilizzato per risolvere problemi di guida di satelliti; l'algoritmo prodotto è infatti capace non solo di migliorare le prestazioni del classico ZEM/ZEV in problemi in cui non vi siano vincoli sulla posizione, ma anche in casi in cui i vincoli sono presenti e l'algoritmo classico fallisce.