Real-time optimal guidance of low-trust transfers based on neural networks

Optimization of low-thrust trajectories has become important in the development of many modern missions. Despite of the advances in the field, it is a quite difficult task. On the other hand, over the last decade, there has been a considerable progress in developing Artificial Intelligence (AI) techniques. Thus, in this paper both fields are combined. Neural networks are trained in a supervised manner to guide the spacecraft in a mass-optimal low-thrust interplanetary trajectory. This approach requires the generation of numerous optimal control samples. For that, the backward generation method is used. This method allows to generate a database of optimal trajectories solving only one optimization problem. After, the deep feed forward neural networks are trained. This method is applied to the Earth-Venus mass-optimal interplanetary transfer. In order to test the guidance capability, the neural networks are used to guide the spacecraft under nominal and off-nominal conditions. This work demonstrates how neural networks can be suitable for an on-board real-time optimal guidance system. The neural networks are able to correct initial perturbation, missed thrust events and SRP perturbation. Additionally, this method is applied to the variable specific impulse case.

L'ottimizzazione di traiettorie a bassa spinta è diventata importante per lo sviluppo di molte missioni attuali. Nonostante gli avanzamenti in questo campo, è un compito piuttosto difficile. Dall'altra parte, nell'ultima decade, c'è stato un progresso considerevole nello sviluppo delle tecniche di intelligenza artificiale. Perciò, in questo documento, entrambi i campi sono combinati. Le reti neurali sono allenate in maniera supervisionata per guidare il satellite in una traiettoria interplanetaria a bassa spinta con ottimizzazione della massa. Questo approccio richiede la generazione di numerosi esempi di controllo ottimale. Per questo è utilizzato il metodo di generazione a ritroso. Questo metodo permette di generare un database di traiettorie ottimali risolvendo un solo problema di ottimizzazione. In seguito vengono allenate le reti neurali profonde. Questa metodologia è applicata al trasferimento interplanetario Terra-Venere con ottimizzazione della massa. Per testare la capacità di guida, le reti neurali sono usate per guidare il satellite in condizioni nominali e non. Questo lavoro dimostra come le reti neurali possano essere adatte per un sistema ottimale di guida in tempo reale a bordo. Le reti neurali sono in grado di correggere perturbazioni iniziali, mancati eventi di spinta e perturbazioni dovute alla pressione della radiazione solare. In aggiunta, questo metodo è applicato al caso di impulso specifico variabile.