Optimization of gimbaled thruster configurations for asteroid detumbling
Notice bibliographique
Résumé
Gimbaled thrusters for the purpose of asteroid detumbling hold the potential to vastly decrease detumbling time for asteroid redirection and asteroid mining missions. As interest in asteroid missions have increased, so have investigations into efficient detumbling methods. Controlling an asteroid’s attitude during a redirection or mining mission leads to much more controllable outcomes, and as such, developing a fast detumbling solution is advantageous. Much of the existing investigations have used fixed-orientation thrusters for optimizing asteroid detumbling, but these thrusters leave little room for error. The optimal solutions that are found for gimbaled thrusters are often uncontrollable for fixed-orientation thrusters, making gimbaled thrusters more versatile for detumbling purposes. This paper develops an approach that employs a genetic algorithm to find the optimal locations of gimbaled thrusters on asteroids for the purpose of rapid detumbling. A time-optimal controller was implemented to determine the orientation of the thrusters throughout the detumbling maneuver. This was investigated for four scenarios that may be the target of future asteroid detumbling missions—spheroid or elongated asteroids and slow or fast rotators. For each of these scenarios, the optimal landed configurations that maximize the torque generated to oppose the tumbling motion was first found, then detumbling was simulated for the best solution for each scenario. To enable comparison, detumbling simulations were also performed for each scenario with fixed-orientation thrusters with the same initial configuration. The results of the optimizations and detumbling simulations are discussed, and the viability of the method developed in this paper to optimize gimbaled thruster lander locations for asteroid detumbling is demonstrated.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».