Replanificación conjunta de la trayectoria para el vehículo de ascenso a Marte bajo fallas en el sistema de...

Área de la Ciencia:

• Ingeniería Aeroespacial
• La astrodinámica
• Sistemas de control tolerantes a las fallas

Sus antecedentes:

• Las misiones del vehículo de ascenso a Marte (MAV) se enfrentan a riesgos por fallas en el sistema de propulsión.
• Los métodos convencionales de replanificación de la trayectoria pueden ser demasiado lentos para una respuesta oportuna a las fallas.
• Asegurar el éxito de la misión requiere ajustes de trayectoria rápidos y confiables.

Objetivo del estudio:

• Desarrollar un método subóptimo de replanificación de trayectoria conjunta (SJTR, por sus siglas en inglés) para los MAV con fallas en el sistema de propulsión.
• Mejorar la velocidad y la precisión del reordenamiento de la trayectoria y la órbita después de anomalías en vuelo.
• Mejorar la robustez de las misiones de lanzamiento de MAV contra fallas del sistema.

Principales métodos:

• Formuló un problema de optimización convexa conjunta para la órbita objetivo y la trayectoria de vuelo después de la falla.
• Coeficientes de penalización aplicados a las restricciones terminales para garantizar el cumplimiento de los principios de re-decisión.
• Desarrolló un esquema de inicio en caliente basado en el aprendizaje utilizando una red neuronal profunda (DNN) para una convergencia más rápida y una determinación precisa de la órbita.

Principales resultados:

• El método SJTR proporciona soluciones concisas y rápidas para la reprogramación de la trayectoria.
• El esquema de arranque en caliente basado en DNN mejora significativamente la convergencia y la precisión de determinación del tipo de órbita.
• Las simulaciones numéricas confirmaron la fiabilidad del método para el caudal de masa y las caídas de impulso específicas.
• Alcanzó al menos un 49,5% más de eficiencia computacional en comparación con los métodos existentes.

Conclusiones:

• El método SJTR propuesto es una solución fiable y eficiente desde el punto de vista computacional para misiones de lanzamiento de MAV con fallas en el sistema de propulsión.
• El esquema de arranque en caliente basado en el aprendizaje mejora efectivamente el rendimiento de la reprogramación de la trayectoria.
• Este enfoque mejora la seguridad y la probabilidad de éxito de las misiones de ascenso a Marte.