A Mission Architecture for On-Orbit Servicing Industrialization
Notice bibliographique
Résumé
Similar to any service or product, industrialization of On-Orbit Servicing (OOS) demands performance enhancement through introducing relevant autonomy elements in planning and executing single and multiple servicing missions. This paper proposes an overall mission architecture for performing multiple on-orbit servicing missions by a fleet of servicers in the form of free-flying single-arm space manipulators. The architecture targets to improve the two key industrialization criteria of resource and service. In the far-range rendezvous with target satellites, the servicers burn most of their fuel. Furthermore, the time that servicers spend in transfer orbits determines the approximate duration of a servicing mission. Hence, as part of resource management, the presented architecture first identifies the main contributors to the fuel consumption and mission duration in far-range rendezvous phase of OOS missions being: (i) the location of the parking orbit, (ii) the type of transfer trajectories, and (iii) the dispatch scheduling. As the result, separate optimization loops are considered for minimizing the mission costs, across the OOS industry. Servicers are suggested to form an equally phased constellation in a parking orbit close to Sun-synchronous orbits in the Low Earth Orbital (LEO) region, where 57.5% of operational LEO satellites reside. A satellite in the parking orbit constellation is named “Administrator”, whose sole purpose is to plan and manage servicing missions. The Administrator determines the optimal number and sequence of servicing missions that must be performed by the available servicers, and the optimal transfer trajectories servicers shall follow to reach the targets. Upon completion of their missions, each servicer returns to the parking orbit and occupies the available position that requires the lowest fuel consumption to enter. In almost 90% of servicers' lifetime, they are in an idle state in the parking orbit awaiting dispatch or in transfer orbits. To enhance quality of the provided service, the proposed architecture suggests effective use of this time to task servicers with performing machine learning that helps improve the functionality of their guidance, navigation and control systems in upcoming missions. The task involves trajectory learning for a servicer's manipulator system in free-floating regime to reach a simulated moving target while avoiding (virtual) obstacles and compensating for environmental disturbances. Both supervised and unsupervised machine learning techniques are considered, and based on a qualitative analysis, the unsupervised DDPG algorithm is deemed most applicable in the free-floating trajectory learning task.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».