Decentralized spacecraft formation reconfiguration exploiting a shape-based method for trajectory optimization

In recent years, the space segment has seen a fast increase in the number of satellites orbiting Earth as well as a reduction in the satellites’ dimensions. With the availability of smaller satellites, formation-flying missions have also seen an increase in popularity due to their intrinsic higher flexibility and reliability. Additionally, it has been proven that, in many remote sensing applications, satellites flying in formation can achieve better performances than a monolithic platform. A requirement for satellites in formation flying is the capability of performing formation reconfiguration, when needed. In this work, a tool has been developed to obtain, in a limited time, a strategy for formation reconfiguration with a decentralized approach. This could impact the space segment in two different ways: the first one is the increase in the autonomy of satellites from ground stations, the second one is the provision of an initial guess for more refined solvers. To achieve this goal, a genetic algorithm, that relies on shifting the initial maneuvering times of the involved satellites, has been exploited to obtain a strategy for formation reconfiguration; on the other hand, a fast trajectory optimization has been obtained by means of a shape-based method and exploiting the Bézier series as shape function. Such algorithms have been tested in two different scenarios of close-range formation flying and the results have been compared with data available from literature. Additionally, a study on how the order of the Bézier series affects the results of trajectory optimization has been performed in order to assess whether it is possible to define an ideal order that allows to obtain a low ∆V with a limited computational time.

Negli ultimi anni il settore spaziale è stato caratterizzato da un veloce aumento nel numero di satelliti in orbita intorno alla Terra e dalla riduzione della dimensione dei satelliti. Grazie alla disponibilità di satelliti di dimensioni minori, si nota un aumento dell’interesse verso le missioni caratterizzate dall’utilizzo di satelliti in formazione anche grazie alla maggiore adattabilità e affidabilità intrinseca. Inoltre, è appurato che in molte applicazioni di telerilevamento l’utilizzo di satelliti in formazione permette di ottenere prestazioni migliori rispetto a un singolo satellite monolitico. Un’esigenza richiesta dai satelliti in formazione è la capacità di poter effettuare la riconfigurazione della formazione quando necessario. In questa tesi, è stato sviluppato uno strumento che permette di ottenere in tempi contenuti una strategia per la riconfigurazione di una formazione di satelliti tramite un approccio decentralizzato. Questo lavoro potrebbe apportare dei miglioramenti al settore spaziale in due modi: il primo è l’aumento dell’autonomia dei satelliti rispetto alle stazioni di terra, il secondo è poter utilizzare la soluzione ottenuta come valore iniziale per ottimizzatori più sofisticati. Per poter ottenere questo risultato è stato utilizzato un algoritmo genetico basato sulla variazione dei tempi iniziali di manovra dei satelliti coinvolti per ottenere una strategia per la riconfigurazione della formazione. È stato poi sviluppato in supporto all’algoritmo genetico un ottimizzatore di traiettoria che sfrutta un metodo shape-based e utilizza la serie di Bézier come shape function. Questi algoritmi sono stati testati in due scenari in cui sono presenti dei satelliti in formazione ravvicinata, e i risultati sono stati confrontanti con dati disponibili in letteratura. Inoltre, è stato effettuato uno studio per determinare come l’ordine della serie di Bézier influenzi i risultati dell’ottimizzazione di traiettoria; in particolare, era di interesse determinare se ci fosse un ordine ideale che permetta di ottenere un ∆V basso con un tempo computazionale limitato.