Towards automated planetary moon tour design: beam search for optimal sequence generation

Planetary Moon Tours are among the most challenging mission analysis problems: they are mixed integer optimization problems, with virtually endless design spaces. At the present day, no state-of-the art method exists to automatically find optimal Tour trajectories. The work of this Thesis aims to be a first step towards the automation of Moon Tour design. The selection of the sequences of fly-bys and transfers is here automated, generating phase-free Tours in the Keplerian patched conics 0-SOI model. The design space is discretised and pre-computed using three types of transfers, that serve as building blocks for the Tours: resonant transfers, non-resonant transfers and VILT (V-Infinity Leveraging Transfer). The transfers are mapped on the v-inf globes of the moons of the planetary systems, translating the orbital parameters with respect to the primary into the corresponding v∞ vectors around the moons. Multiobjective Pareto Pruning Forward Backward Beam Search is used then as an optimization technique on the obtained design space, to compute sets of possible Tours. In the Thesis, the optimization is performed on three case studies, comparing the performance of the algorithm with different cost functions and benchmarking the found Tours with sequences known in the literature. The results show that significant ∆V savings are achieved with the set of tools here presented. Wrapping up, the work of this Thesis aims to contribute to the automation of Moon Tour design, overcoming the first hurdle of the process: the generation of the initial guess. Indeed, the obtained trajectories are optimal sequences in the Keplerian 0-SOI model and can be used as starting points for an optimization in higher fidelity models.

I Moon Tour in sistemi di lune planetarie sono tra i problemi di astrodinamica più complessi: sono ottimizzazioni miste, con design spaces virtualmente infiniti. Al momento, non esiste un metodo riconosciuto per calcolare automaticamente questo tipo di traiettorie. Il lavoro presentato in questa Tesi punta ad essere un primo passo verso l’automazione del design di Moon Tour. In particolare, la selezione della sequenza di incontri con le lune è stata automatizzata, generando traiettorie nel modello Kepleriano patched-conics, a 0 sfera di influenza (0-SOI). Il design space viene discretizzato e pre-calcolato usando tre tipi di traiettorie, da combinare tra di loro per costruire i Tour: trasferimenti risonanti, trasferimenti non risonanti e VILT (V-Infinite Leveraging Transfer). Le traiettorie sono mappate sui v-inf globes delle lune del sistema planetario, traducendo i parametri orbitali rispetto al pianeta in vettori v∞ rispetto alle lune. Un ottimizzatore Beam Search Avanti-Indietro Multiobiettivo alla Pareto viene poi usato sul design space discretizzato, per ottenere dei set di soluzioni. I risultati dell’ottimizzazione sono presentati per tre casi studio, per valutare le performance dell’algoritmo usando diversi tipi di funzioni obiettivo. Le soluzioni ottenute sono poi comparate con sequenze note in letteratura. I risultati mostrano che gli strumenti sviluppati in questa tesi ottengono traiettorie che permettono di risparmiare notevolmente in termini di ∆V . In sintesi, il lavoro di questa Tesi cerca di superare il primo ostacolo verso l’automazione del design di Moon Tour: la generazione della guess iniziale. Infatti, le traiettorie qui ottenute sono sequenze ottimali nel modello Kepleriano 0-SOI e possono quindi essere usate come punti di partenza per ottimizzazioni in modelli più rifiniti.