Satellite initial positioning optimization for passive multi-debris approaches

The growing accumulation of space debris poses a major threat to space operations. Currently, about 35,750 trackable objects are in orbit, with only 21.5\% being operational satellites. The remaining 78.5\% increase the risk of uncontrolled collisions and further debris. This research presents a methodology to optimize a satellite's initial orbital conditions, enabling passive approaches to the most debris, providing a cost-effective step toward mitigation. One of the primary challenges in debris removal is the high propellant cost associated with close-proximity operations, especially for small debris. To address this, the study proposes a passive strategy for multi-debris approach by analyzing key factors such as relative velocity, distance, and timing. These constraints are integrated into an optimization algorithm that employs clustering's methods to identify regions of interest and inform the optimization process. The optimization begins by analyzing debris data through statistical clustering, which identifies key regions of interest to guide the algorithm's initialization. The objective is to determine the satellite's orbital elements that maximize successful approaches to debris by leveraging Earth’s J2-induced orbital precession. A hybrid approach combining analytical and numerical methods is employed, ensuring both computational efficiency and solution accuracy. Evolutionary algorithms, a population-based metaheuristic optimization technique, are utilized to explore the solution space while avoiding premature convergence. To ensure robustness, a Monte Carlo simulation introduces perturbations that account for uncertainties in debris positions. This research demonstrates the feasibility of debris removal using optimized passive orbits, minimizing propellant use. The integration of clustering analysis, optimization techniques, and hybrid methods offers a flexible framework for future debris removal missions, adaptable to a wide range of mission strategies.

L'accumulo crescente di detriti spaziali rappresenta una minaccia per le operazioni spaziali. Attualmente, ci sono circa 35.750 oggetti tracciabili in orbita, con solo il 21,5\% costituito da satelliti operativi. Il restante 78,5\% aumenta il rischio di collisioni incontrollate e ulteriore produzione di detriti. Questa ricerca presenta una metodologia per ottimizzare il posizionamento iniziale di un satellite, consentendo approcci passivi verso i detriti. Una delle principali sfide nella rimozione dei detriti è la quantità di propellente associato alle operazioni di avvicinamento verso i detriti spaziali. Per affrontare questo problema, la ricerca propone una strategia passiva finalizzata ad avvicinare un satellite ai detriti, analizzando fattori chiave come la velocità relativa, la distanza e le tempistiche. Questi vincoli sono integrati in un algoritmo di ottimizzazione che utilizza meccanismi di clustereing per identificare le regioni di interesse e inizializzare il processo di ottimizzazione. L'ottimizzazione inizia analizzando i detriti attraverso il clustering, il quale identifica le principali regioni di interesse per guidare l'inizializzazione dell'algoritmo. L'obiettivo è determinare gli elementi orbitali del satellite che massimizzano gli avvicinamenti ai detriti sfruttando la precessione orbitale indotta dal J2. Viene impiegato un approccio ibrido che combina metodi analitici e numerici, garantendo efficienza computazionale e precisione della soluzione. Gli algoritmi evolutivi, tecniche di ottimizzazione metaeuristiche basate sull'evoluzione biologica, sono utilizzati per esplorare lo spazio delle soluzioni evitando convergenze premature. Per garantire robustezza, una simulazione Monte Carlo introduce perturbazioni che tengono conto delle incertezze nelle posizioni dei detriti. Questa ricerca dimostra la fattibilità della rimozione dei detriti utilizzando orbite passive ottimizzate, riducendo al minimo l'uso di propellente. L'integrazione di analisi tramite clustering, tecniche di ottimizzazione e metodi ibridi offre un quadro flessibile per le future missioni di rimozione dei detriti, adattabile a una vasta gamma di strategie di missione.