Generation and clustering of weak stability boundaries for cislunar escapes

The scientific and commercial exploitation of the cislunar environment for both manned and unmanned missions will increase in the next few decades, opening the frontier of space for increasingly daring and challenging explorations. Those missions face complex dynamics that cannot be adequately addressed with classical trajectory design techniques. New methodologies for trajectory design in multi-body environment have to be leveraged, pushing the boundaries toward new processes and techniques. The low-energy trajectory design represents one of the promising directions of future developments. Weak Stability Boundaries theory takes full advantage of the dynamic effects of two or more gravitating bodies, especially when the objective is to reduce at the most the propellant use and to enable new classes of missions. In fact, leveraging the gravity of the Earth, Moon and the Sun, allows to construct transfers which are particularly efficient, although with an increase in complexity and sensitivity. The objective of this work is to exploit low-energy transfers to efficiently escape the cislunar space, trying to leverage and exploit WSB in a reversed approach. First, escape trajectories from the Earth-Moon L2 are built in the BCR4BP framework, and the trajectories with the desired characteristics are saved in a database. Secondly, a clustering step is performed, to gain insights embedded in the BCR4BP dynamical flow, to reduce the dimension of the database and extract the different escape trajectories families as a function of the design variables used. Techniques from unsupervised machine learning will aid in summarising and understanding the solution space inferring undetected patterns, and improve the visualisation of higher-dimensional data. Then, an initial condition generator based on the database and on differential correction techniques is implemented, giving the possibility to construct initial guesses once the desired heliocentric transfer to reach a target within the NEAs groups is assigned. The methodology is deeply tested and its strengths and weaknesses are highlighted and discussed.

Lo sfruttamento scientifico e commerciale dell'ambiente cislunare per missioni con e senza equipaggio aumenterà nei prossimi decenni, aprendo la frontiera dello spazio a esplorazioni sempre più audaci e impegnative. Queste missioni devono affrontare dinamiche complesse che non possono essere affrontate adeguatamente con le tecniche classiche di progettazione, ma dovranno sfruttare nuove metodologie in ambiente multicorpo, spingendo i confini verso nuovi processi e tecniche. La progettazione di traiettorie a bassa energia rappresenta una delle direzioni promettenti degli sviluppi futuri. La teoria degli WSB sfrutta appieno gli effetti dinamici di due o più corpi gravitanti, soprattutto quando l'obiettivo è ridurre al massimo l'uso di propellente e consentire nuove classi di missioni. Infatti, sfruttando la gravità della Terra, della Luna e del Sole, è possibile costruire trasferimenti particolarmente efficienti, anche se con un aumento della complessità e della sensibilità. L'obiettivo di questo lavoro è quello di sfruttare i trasferimenti a bassa energia per sfuggire in modo efficiente allo spazio cislunare, cercando di sfruttare gli WSB con un approccio inverso. In primo luogo, le traiettorie di fuga dalla Terra-Luna L2 sono costruite nel framework BCR4BP, e quelle con le caratteristiche desiderate vengono salvate in un database. In secondo luogo, viene eseguita una fase di clustering, per ottenere approfondimenti integrati nel flusso dinamico del BCR4BP, ridurre la dimensione del database ed estrarre le diverse famiglie di traiettorie di fuga in funzione delle variabili di progetto utilizzate. Le tecniche di unsupervised machine learning aiuteranno a sintetizzare e comprendere lo spazio delle soluzioni, deducendo schemi non rilevati in precedenza e migliorando la visualizzazione di dati multi-dimensionali. Viene poi implementato un generatore di tentativi iniziali basato sul database e su tecniche di differential correction, che dà la possibilità di costruire traiettorie iniziali una volta assegnato il trasferimento eliocentrico desiderato per raggiungere un obiettivo all'interno dei gruppi di NEA. La metodologia è stata testata a fondo e i suoi punti di forza e di debolezza sono stati evidenziati e discussi.