Satellite inspection of unknown resident space objects

In recent years, space debris has become a threat for satellites operating in Low Earth Orbit. Even by applying debris mitigation guidelines, their number will still increase in the next century. As a consequence, active debris removal missions, as well as On-Orbit Servicing missions, have gained momentum at both academic and industrial levels. The crucial step in both scenarios is the capability of performing an on-orbit initial study of the target resident space object: such task is commonly known as inspection. This task serves the purpose of collecting additional information on the target's condition, assessing damages, or even collecting information about it, should the target be an unknown object. To this day, inspection tasks have only been conducted in the neighborhood of known objects, either by autonomous chaser satellites or by humans (e.g. servicing missions of the Space Shuttle). However, with the increasing risk of new collisions and the generation of new debris owed to the situation in LEO, it is becoming increasingly important to be able to address the problem of inspecting an unknown object. The capability of performing this task autonomously may relieve the burden that is currently imposed on mission designers in order to tailor the inspection mission to the specific target under consideration. Most importantly, this task constitutes a completely overlooked field of research both from a Guidance as well as Navigation standpoint. Therefore, this thesis aims at providing a way of autonomously designing optimal trajectories in the neighborhood of an unknown target, while also building its dynamical and geometrical model by relying on an innovative navigation method. Conversely to standard proximity operations (i.e. rendezvous and docking), the inspection task requires optimizing the relative path between target and chaser in order to collect information rather than simply minimizing fuel consumption. Inspections are also a continued task that lacks a predetermined final condition or target state. Moreover, this problem is subject to many constraints, also operational ones. For these reasons, it is not only extremely difficult to design an optimal trajectory with classical optimization methods, but it is difficult to find a feasible solution in general. To tackle this problem this thesis relies on motion planning techniques, which constitute the state of the art in the field of autonomous robotics. The proposed method samples the possible maneuvers directly from the impulsive control action space and predicts the entire path in a receding-horizon-like approach. In doing so, it optimizes an inspection metric which is one of the contributions to state-of-the-art provided by this work. Moreover, the input space is thoroughly searched for the best feasible action thanks to an innovative method based on subset simulation. The trajectory design relies on the capability of the chaser of retrieving a relative position and attitude estimate with respect to the target. Several techniques can deal with relative navigation at known and cooperative objects, fewer model-based methods are available if the investigated object is uncooperative (but known), while only a handful of techniques can deal with completely unknown objects. Indeed, this latter task requires building the target's map while navigating in its neighborhood. The approaches available to face this challenge have usually contrasting objectives and either provide an accurate reconstruction of the trajectory at the expense of the reconstruction of the target or vice versa. To overcome said limitations, this thesis also proposes a hybrid approach for relative navigation at an unknown and uncooperative target called COarse Model Based relatIve NAvigation. The main idea of this algorithm is to combine the advantages of different state-of-the-art approaches by splitting the mission into two phases. During the first phase, the navigation module focuses on reconstructing the geometrical model of the target. In the second phase, this model is used as the base of a model-based relative navigation technique, effectively shifting the focus towards a more accurate trajectory prediction, as well as the characterization of the target from a dynamical standpoint. This work tries to leverage the structure of the particular model-based navigation method chosen so that measurement outliers can be detected and rejected automatically. To conclude, the applicability of this approach is evaluated on tumbling unknown targets whose period is retrieved from a database collecting real ground observations. In doing so, the thesis also evaluates the performance of the algorithm on space representative processor hardware.

Negli ultimi anni, i detriti spaziali sono diventati una minaccia per i satelliti che operano in orbita terrestre bassa. Anche applicando le linee guida per la mitigazione dei detriti, il loro numero aumenterà comunque nel prossimo secolo. Di conseguenza, le missioni attive di rimozione dei detriti, così come le missioni di manutenzione in orbita, hanno acquisito slancio sia a livello accademico che industriale. Il passaggio cruciale in entrambi gli scenari è la capacità di eseguire uno studio iniziale in orbita di un oggetto spaziale residente in orbita: tale compito è comunemente noto come ispezione. Questo compito ha lo scopo di raccogliere informazioni aggiuntive sulle condizioni del target, valutare i danni, o persino raccogliere informazioni su di esso se il target è un oggetto sconosciuto. Fino ad oggi le attività di ispezione sono state condotte solo nelle vicinanze di oggetti conosciuti da satelliti autonomi o da esseri umani (ad es. missioni di manutenzione dello Space Shuttle). Tuttavia, con il rischio crescente di nuove collisioni e la generazione di nuovi detriti dovuto alla situazione in LEO, sta diventando sempre più importante poter affrontare il problema dell'ispezione di un oggetto sconosciuto. La capacità di svolgere questo compito in modo autonomo può alleviare l'onere attualmente imposto ai progettisti della missione al fine di adattare la missione di ispezione allo specifico obiettivo in esame. Soprattutto, questo compito costituisce un campo di ricerca completamente trascurato sia dal punto di vista della Guida che della Navigazione. Pertanto, questa tesi mira a fornire un modo per progettare autonomamente traiettorie ottimali nelle vicinanze di un obiettivo sconosciuto, costruendo anche il suo modello dinamico e geometrico basandosi su un metodo di navigazione innovativo. Contrariamente alle normali operazioni di prossimità (ad esempio rendezvous e attracco), l'attività di ispezione richiede l'ottimizzazione del percorso relativo tra il target e il satellite ispettore al fine di raccogliere informazioni piuttosto che semplicemente ridurre al minimo il consumo di carburante. Le ispezioni sono anche un'attività continuata nel tempo, che manca di una condizione finale predeterminata o di uno stato obiettivo. Inoltre, questo problema è soggetto a molti vincoli, anche operativi. Per questi motivi, non solo è estremamente difficile progettare una traiettoria ottimale con i metodi di ottimizzazione classici, ma è difficile trovare una soluzione fattibile in generale. Per affrontare questo problema questa tesi si basa su tecniche di motion planning, che costituiscono lo stato dell'arte nel campo della robotica autonoma. Il metodo proposto campiona le possibili manovre direttamente dallo spazio dell'azione di controllo impulsivo e prevede l'intero percorso in un approccio simile ad un algoritmo di previsione ad orizzonte mobile. In tal modo, ottimizza una metrica di ispezione che è uno dei contributi allo stato dell'arte forniti da questo lavoro. Inoltre, lo spazio di input viene ricercato a fondo per la migliore azione fattibile grazie a un metodo innovativo basato sulla tecnica del subset simulation. Il progetto della traiettoria si basa sulla capacità del satellite ispettore di recuperare una posizione relativa e una stima dell'assetto rispetto al target. Diverse tecniche possono gestire la navigazione relativa su oggetti noti e cooperativi, sono disponibili meno metodi basati su modelli se l'oggetto studiato non è cooperativo (ma noto), mentre solo una manciata di tecniche può gestire oggetti completamente sconosciuti. In effetti, quest'ultimo compito richiede la costruzione della mappa del target durante la navigazione nelle sue vicinanze. Gli approcci disponibili per affrontare questa sfida hanno solitamente obiettivi contrastanti e forniscono una ricostruzione accurata della traiettoria a scapito della ricostruzione del target o viceversa. Per superare tali limitazioni, questa tesi propone anche un approccio ibrido per la navigazione relativa nelle vicinanze di un target sconosciuto e non cooperativo chiamato COarse Model Based RelatIve NAvigation. L'idea principale di questo algoritmo è di combinare i vantaggi di diversi approcci all'avanguardia suddividendo la missione in due fasi. Durante la prima fase il modulo di navigazione si concentra sulla ricostruzione del modello geometrico del target. Nella seconda fase questo modello viene utilizzato come base di una tecnica di navigazione relativa basata su modello, spostando efficacemente l'attenzione verso una previsione della traiettoria più accurata, nonché verso la caratterizzazione del modello dinamico del target. Questo lavoro cerca di sfruttare la struttura del particolare metodo di navigazione scelto in modo che i valori anomali di misurazione possano essere rilevati e rifiutati automaticamente. Per concludere, l'applicabilità di questo approccio viene valutata su target sconosciuti in condizione di rotazione libera il cui periodo viene recuperato da un database che raccoglie osservazioni reali da terra. In tal modo, la tesi valuta anche le prestazioni dell'algoritmo su un processore processore rappresentativo delle risorse disponibili tipicamente a bordo.