MétaCan
Menu
Retour à la cohorte
Enregistrement W4226424875 · doi:10.22215/etd/2021-14824

An Evolutionary Framework for Multi-Objective Trajectory Design and Robust Model Predictive Control in Long-Range Rendezvous Missions

2021· dissertation· en· W4226424875 sur OpenAlexafffund
Sanaz Samsam

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineEngineering
ThématiqueSpacecraft Dynamics and Control
Établissements canadiensCarleton University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésRendezvousControl theory (sociology)Trajectory optimizationModel predictive controlTrajectoryMathematical optimizationComputer scienceGenetic algorithmOptimization problemImpulse (physics)Multi-objective optimizationRange (aeronautics)Optimal controlEngineeringMathematicsControl (management)Artificial intelligenceSpacecraft

Résumé

récupéré en direct d'OpenAlex

This thesis presents an optimization architecture for on-orbit servicing mission design in the long-range rendezvous phase.We develop a methodology to generate Pareto Optimal trajectories for long-range rendezvous of a servicing satellite with a moving target.The methodology employs a multi-impulse shape-based trajectory planning algorithm for in-plane orbit transfer, based on the two-body problem.We first derive the necessary and sufficient conditions that determine the set of smooth impulsive trajectories connecting the servicing satellite to the orbiting target.The Pareto Optimal trajectories from this set are then obtained using a constrained multiobjective optimization algorithm developed based on the Non-dominated Sorting Genetic Algorithm-II (NSGA-II).Transfer time and control effort are the two Pareto cost functions that are considered in the multi-objective optimization.To reduce the risk of collision in populated orbits and to remain in an orbital regime, we include restrictions on orbital elements as part of the constraints.Further, a maximum available impulse is considered as an upper-bound for velocity changes in an impulsive trajectory.The number of impulses along with the location of the first impulse in the parking orbit and the orbital parameters of the intermediate orbits form the set of design variables.We demonstrate the superiority of the developed trajectory planner by comparing its results with those obtained from another multi-objective evolutionary algorithm called the Multi-Objective Genetic Algorithm and an optimal Lambert approach.In an on-orbit servicing mission, a solution from the Pareto frontier set of optimal trajectories may be selected based on the mission requirements.To robustly follow the generated reference trajectories in a J 2 -perturbed orbital environment, we propose a Nonlinear Model Predictive Control (NMPC) scheme.The control signals are velocity increments at the time of applying each impulse, and the variable horizon is considered to be the time difference between every two impulses in the reference trajectory.To avoid singularities, the equinoctial orbital elements are used in the process model that includes the secular and first-order long-periodic effects iii x List of Tables 6.1 Summary of the optimal results; Case Study 1 . . . . . . . . . . . . . . . . .

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,255
Écart entre enseignants0,238 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetSpacecraft Dynamics and ControlTravaux en français237 207