Autonomous Navigation and Station-Keeping on Near-Rectilinear Halo Orbits
تقدم هذه الورقة مساراً للملاحة البصرية والحفاظ على الموقع عالي الدقة للمدارات الهالية شبه المستقيمة، والذي يدمج خوارزمية قائمة على الأفق غير تكرارية مع مخطط تنبؤ معزز بالتحويل غير المعمم وآلية التلاكؤ لتقليل تكاليف دلتا-V بشكل كبير وتحسين أداء التتبع.
المؤلفون الأصليون:Yuri Shimane, Karl Berntorp, Stefano Di Cairano, Avishai Weiss
تخيل أنك تحاول ركن سيارة في بقعة محددة للغاية وغير مرئية في الفضاء، ولكن الطريق الذي تقود عليه غير مستقر بطبيعته. الأمر يشبه محاولة موازنة قلم رصاص على سنه بينما تقف على ترامبولين يهتز باستمرار. هذا هو التحدي المتمثل في الحفاظ على مركبة فضائية في مدار "هالو" قريب من الخط المستقيم (NRHO) حول القمر. هذا المدار مميز لأنه مكان الوقوف المخطط له لمحطة الفضاء القادمة للبشرية، "جيت واي" (Gateway).
المشكلة هي أن هذا المدار غير مستقر. فبدون دفعات مستمرة، ستنجرف المركبة بعيدًا. عادةً، ترسل الأرض إشارات راديو لتخبر السفينة بمكانها وكيفية تصحيح مسارها. لكن القمر بعيد، ويمكن أن تتأخر إشارات الراديو أو تُحجب. لذلك، يجب أن تكون المركبة الفضائية ذاتية القيادة — أي أنها تحتاج إلى معرفة موقعها وتصحيح مسارها بنفسها دون مساعدة من الأرض.
تصف هذه الورقة نظامًا جديدًا "للقيادة الذاتية" لهذه المركبات الفضائية. وإليك كيف يعمل، مقسمًا إلى أجزاء بسيطة:
1. العيون: التقاط صورة لمعرفة مكانك
بدلاً من الاستماع إلى الأرض، تستخدم المركبة الفضائية كاميرا لالتقاط صور للقمر.
التشبيه: تخيل أنك تقود في ضباب كثيف. لا يمكنك رؤية علامات الطريق، لكن يمكنك رؤية الخط الخارجي لمبنى ضخم (القمر) مقابل السماء. من خلال قياس حجم وشكل ذلك الخط الخارجي، يمكنك تخمين مدى بعدك.
العقبة: وجدت الورقة أن التقاط الصور أمر صعب. إذا كنت بعيدًا جدًا، يبدو القمر صغيرًا ويصعب قياسه. وإذا كنت قريبًا جدًا، فإنه يملأ الشاشة بالكامل، وتفقد التفاصيل. اختبر المؤلفون عدسات كاميرا مختلفة (مثل التقريب أو التوسيع) ووجدوا "النقطة المثالية" حيث يمكن للكاميرا رؤية القمر بوضية كافية لحساب موقع السفينة بدقة، حتى عندما تكون السفينة بعيدة.
التحسين: أدركوا أيضًا أنه إذا كانت الكاميرا مائلة قليلاً (بسبب تمايل السفينة)، فإن القياس سيكون خاطئًا. لذا بنوا صيغة رياضية جديدة تأخذ هذا التمايل في الاعتبار، مما يجعل "تخمين" موقع السفينة أكثر دقة بكثير.
2. الدماغ: مرشح الملاحة
بمجرد أن تلتقط الكاميرا صورة، يجب على كمبيوتر السفية (الـ "دماغ") معالجة هذه الصورة.
التشبيه: فكر في هذا الأمر كأنه تطبيق GPS لا يكتفي فقط بإظهار موقعك الحالي، بل يتنبأ بمكان ستكون فيه بعد بضع دقائق بناءً على سرعتك والطريق أمامك.
الابتكار: تقدم الورقة طريقة أذكى للتنبؤ بالمستقبل. بدلاً من مجرد تخمين مسار مستقبلي واحد، يقوم الكمبيوتر بتشغيل آلاف السيناريوهات الصغيرة لـ "ماذا لو" (تسمى نقاط سيجما) في وقت واحد ليرى كيف قد تنجرف السفينة. يساعد هذا الكمبيوتر على فهم أن المستقبل غير مؤكد والاستعداد لأسوأ السيناريوهات.
3. الأيدي: عملية الحفاظ على الموقع
بمجرد أن تعرف السفينة مكانها، تحتاج إلى دفع نفسها للعودة إلى المسار الصحيح.
التشبيه: تخيل أنك تسير على حبل مشدود. أنت لا تنتظر حتى توشك على السقوط لتتحرك؛ بل تقوم بتعديلات صغيرة ومستمرة.
الاستراتيجية: تستخدم السفينة طريقة تسمى "التحكم عبر عبور محور X". فهي تنتظر حتى تعبر السفية خطًا غير مرئي في الفضاء (محور X) ثم تشغل محركاتها لتصحيح سرعتها.
خدعة "التباطؤ" (Hysteresis): تقدم الورقة آلية "منطقة ميتة" ذكية أو ما يسمى بـ التباطؤ. فكر في الأمر كمنظم الحرارة (الثرموستات). أنت لا تشغل التدفئة في اللحظة التي تصبح فيها الغرفة أبرد بدرجة واحدة فقط؛ بل تنتظر حتى تصبح أبرد قليلاً، ثم تشغلها، وتتركها تصبح أدفأ قليلاً قبل إطفائها. هذا يمنع السفينة من "الثرثرة" — أي تشغيل محركاتها باستمرار لإجراء تعديلات صغيرة غير ضرورية. وهذا يوفر كمية هائلة من الوقود.
4. النتائج: توفير الوقود والبقاء آمنة
أجرى المؤلفون آلاف المحاكاة الحاسوبية (مثل لعبة فيديو مع أخطاء عشوائية مختلفة) لاختبار هذا النظام.
توفير الوقود: باستخدام التنبؤ الأذكى لـ "ماذا لو" (التحويل غير المعمم - Unscented Transform) وخدعة "المنطقة الميتة" (التباطؤ)، وفرت السفينة كمية كبيرة من الوقود (Delta-V). في الفضاء، الوقود هو الحياة؛ وتوفير الوقود يعني أن المهمة يمكن أن تستمر لفترة أطول.
التوقيت مهم: اكتشفوا أن متى تشغل المحركات أمر بالغ الأهمية. نظرًا لأن قدرة الكاميرا على رؤية القمر تتغير أثناء دوران السفينة (تصبح أسوأ عندما تكون السفينة بعيدة)، فإن "معرفة" السفينة بموقعها لها إيقاع معين. وجدت الورقة أن تشغيل المحركات عند نقطة محددة في المدار (حوالي 170 درجة) هو الوقت الأكثر كفاءة في استهلاك الوقود، لأن ذلك هو الوقت الذي تكون فيه "رؤية" السفينة في أوضح حالاتها.
الملخص
تثبت هذه الورقة أنه يمكن للمركبة الفضائية أن تقود نفسها حول القمر باستخدام الكاميرا وعقلها الخاص فقط. من خلال التقاط صور أفضل، واستخدام رياضيات أذكى للتنبؤ بالمستقبل، والتحلي بالصبر في عمليات حرق المحرك (باستخدام خدعة "المنطقة الميتة")، يمكن للمركبة الفضائية البقاء في مكان وقوفها غير المستقر بكفاءة. هذا يمهد الطريق لعمل محطة "جيت واي" الفضائية بأمان دون الحاجة إلى توجيه مستمر من الأرض.
ملخص تقني: الملاحة الذاتية والحفاظ على الموقع في المدارات شبه الخطية المستقيمة (NRHO)
بيان المشكلة تفرض عمليات تشغيل المركبات الفضائية في الفضاء بين الأرض والقمر، ولا سيما ضمن المدار شبه الخطي المستقيم (NRHO) ذي الرنين 9:2 والمخطط له لـ "بوابة القمر" (Lunar Gateway)، تحديات كبيرة بسبب المسافة الشاسعة عن الأرض. وتحد هذه المسافة من توافر تحديثات الموقع والملاحة والتوقيت (PNT) القائمة على الأرض، مما يستلزم وجود أنظمة توجيه وملاحة وتحكم (GN&C) ذاتية. إن مدار NRHO غير مستقر بطبيعته، مما يتطلب مناورات منتظمة للحفاظ على الموقع (SK) لمواجهة الأنماط غير المستقرة الناتجة عن أخطاء النمذجة، وعدم دقة تقدير الحالة، وأخطاء تنفيذ التحكم. وبينما تم إثبات الملاحة البصرية القائمة على الأفق (OPNAV) في مهام سابقة (مثل EQUULEUS وOrion وCAPSTONE)، إلا أن هناك حاجة لتقييم جدوى خط معالجة GN&C كامل الاستقلالية يدمج الملاحة البصرية القائمة على الأفق مع مخططات تحكم الحفاظ على الموقع تحت ديناميكيات عالية الدقة.
المنهجية قام المؤلفون بتطوير خط محاكاة متكامل لتقييم الـ GN&C الذاتي على مدار NRHO. يتكون الإطار من ثلاثة مكونات رئيسية:
ديناميكيات عالية الدقة وبيئة المحاكاة:
يتم نمذجة حركة المركبة الفضائية في إطار مرجعي مركزي للقمر باستخدام نموذج إفيميريد (Ephemeris) كامل. تشمل الاضطرابات قوى الجاذبية من الأرض والقمر والشمس، وتكور القمر (Lunar J2)، وضغط الإشعاع الشمسي (SRP).
يتعامل مكامل عددي (Runge-Kutta Prince-Dormand 9(8)) مع الطبيعة شبه الدورية لمدار NRHO والحساسية العالية بالقرب من نقطة الحضيض القمري (Perilune).
يتم إنشاء صور اصطناعية للقمر باستخدام برنامج Blender لمحاكاة قياسات الأفق الواقعية.
الملاحة الذاتية (OPNAV والترشيح):
توليد القياسات: تقوم خوارزمية Christian-Robinson، وهي طريقة غير تكرارية تعتمد على الأفق، بمعالجة الصور الاصطناعية لتقدير موقع المركبة الفضائية بالنسبة للقمر.
نمذجة التباين (Covariance Modeling): قام المؤلفون بتوسيع نموذج تباين القياس القياسي ليشمل عدم يقين وضعية الكاميرا بالإضافة إلى أخطاء اكتشاف الحواف. ويتم تحقيق ذلك من خلال اشتقاق تعبير تحليلي لتباين تقدير الموقع في إطار المحاور الرئيسية للقمر، والذي يدمج ضوضاء اكتشاف البكسل واضطراب الوضعية.
الترشيح (Filtering): يُستخدم مرشح كالمان الموسع (EKF) لتقدير الحالة. تأخذ خطوة التنبؤ في الاعتبار ضوضاء العملية الناتجة عن عدم اليقين في ضغط الإشعاع الشمسي (SRP). وتستخدم خطوة تحديث القياس نموذج التباين المشتق.
تكوين المستشعر: تدرس الدراسة المقايضات بين مجال رؤية (FOV) الكاميرا وتوقيت القياس. نظرًا للاختلاف الكبير في المدار (الذي يتراوح من ~3,000 كم إلى >70,000 كم)، لا يمكن لكاميرا واحدة تصوير القمر بشكل مثالي في جميع النقاط. تركز الدراسة على اختيار مجال رؤية (FOV) يوفر قياسات موثوقة بالقرب من الأوج (حيث تحدث مناورات الحفاظ على الموقع عادةً) مع قبول الأداء المتدهور أو عدم وجود قياسات بالقرب من الحضيض.
التحكم في الحفاظ على الموقع (Station-Keeping Control):
مخطط التحكم: تقيم الورقة مخطط التحكم في تقاطع محور x، والذي يستهدف مكون محور x للسرعة (vEMx) في الإطار الدوار بين الأرض والقمر عند نقطة الحضيض المستقبلية (عادةً بعد 7 دورات).
متغيرات التنفيذ: تمت مقارنة نهجين لحل مشكلة الاستهداف:
التصحيح التفاضلي (DC): نهج لإيجاد الجذور باستخدام دالة الإطلاق وتحديثات الحد الأدنى من النورم (Minimum-norm).
مشكلة التقليل المتسلسل الخطي (SLMP): نهج تقليل مقيد يقوم بتمثيل الديناميكيات خطيًا ويحل لإيجاد الحد الأدنى من ΔV لتلبية قيد الاستهداف.
التحسينات:
استهداف التحويل غير المتمركز (Unscented Transform - UT): بدلاً من استهداف الحالة المتوسطة المشتقة من تقدير واحد، يقترح المؤلفون استخدام الـ UT لنشر نقاط سيجما من تباين المرشح. قانون التحكم يستهدف الحالة المتوسطة المتوقعة E[ψ(tf)], بهدف تحسين دقة التنبؤ عبر آفاق زمنية طويلة.
التباطؤ (Hysteresis): تم إدخال آلية تباطؤ حيث يتم ضبط عتبة التفعيل لتنفيذ المناورة (vx,trig) لتكون أعلى من سماحية الاستهداف (vx,tol). هذا يمنع "الارتجاف" (Chattering) ويقلل من تراكم ΔV عبر تجنب المناورات الناتجة عن الانحرافات الصغيرة التي كان من شأنها أن تُصحح بواسطة خصائص التقارب المتأصلة في المتحكم.
المساهمات الرئيسية
تباين OPNAV المعزز: تطوير تعبير تحليلي لتباين القياس يدمج صراحةً عدم يقين وضعية الكاميرا، وتم التحقق منه عبر تجارب مونت كارلو.
مقارنة مخططات التحكم: مقارنة صارمة بين نهجي DC وSLMP للتحكم في تقاطع محور x، مع تسليط الضوء على أن قدرة SLMP على التحسين قصير النظر لكل مناورة قد تؤدي إلى تكاليف تراكمية أعلى مقارنة بخصائص التقارب التربيعي لـ DC.
التنبؤ القائم على UT: اقتراح والتحقق من صحة مخطط استهداف يستخدم تباين حالة المرشح عبر التحويل غير المتمركز (Unscented Transform) لتحسين تنبؤات الحالة طويلة الأمد، مما يقلل تكاليف الحفاظ على الموقع التراكمية.
آلية التباطؤ (Hysteresis): تقديم آلية تباطء قابلة للضبط داخل حلقة التحكم لتقليل الحساسية تجاه الضوضاء وتقليل المناورات غير الضرورية.
التحقق من خط المعالجة المتكامل: أول تقييم متكامل لخط معالجة GN&C ذاتي لمدار NRHO باستخدام الملاحة البصرية القائمة على الأفق فقط، مما يوضح التفاعل بين قيود المستشعر (مجال الرؤية، موقع القياس) وأداء التحكم.
النتائج أُجريت تجارب مونت كارلو لتقييم أداء الخط عبر 60 دورة (حوالي 393 يومًا):
أداء الملاحة: نجح مرشح EKF في تتبع حالة المركبة الفضائية باستخدام الملاحة البصرية القائمة على الأفق. يظهر دقة تقدير المرشح بنية دورية مرتبطة بموقع المركبة الفضائية؛ حيث يتم تقليل الانحرافات المعيارية بالقرب من الأوج (حوالي زاوية حقيقية 170∘) وتتدهور مع ابتعاد المركبة بسبب صغر القطر الظاهري للقمر.
أداء التحكم:
DC مقابل SLML: تفوق التصحيح التفاضلي (DC) عمومًا على SLMP من حيث تكلفة ΔV التراكمية، خاصة عند عدم تطبيق التباطؤ. ميل SLMP لتلبية القيود بدقة عند حد السماحية أدى إلى تكاليف أعلى مقارلة بتقارب DC الطبيعي إلى قيم تقع تمامًا داخل السماحية.
تأثير UT: أدى دمج التحويل غير المتمركز (Unscented Transform) في الاستهداف إلى تقليل تكاليف ΔV السنوية (النسبة المئوية 95 والحد الأقصى) لكل من DC وSLMP. وهذا يؤكد أن مراعاة تباين الحالة في خطوة التنبؤ يخفف من تأثير أخطاء التقدير الأولية عبر فترات الانتشار الطويلة.
التباطؤ: نجحت آلية التباطؤ في تقليل التكاليف التراكمية عن طريق منع المناورات المتكررة والصغيرة، خاصة لنهج SLMP.
الخط الكامل: في محاكاة GN&C الكاملة (باستخدام كاميرا f=360 مم، و3 قياسات/دورة، وvx,trig=20 م/ث، وvx,tol=1 م/ث)، حقق متحكم UT-DC متوسط ΔV سنوي قدره ~48 سم/ث والنسبة المئوية 95 بلغت ~62.5 سم/ث. وهذا أقل من تجارب المتحكم المنفرد بسبب أخطاء الملاحة الأكثر دقة (والأقل من المفترض) التي يوفرها EKF.
حساسية موقع المناورة: على عكس السيناريوهات التي تفترض تباين ملاحة ثابتًا، تباينت تكلفة ΔV التراكمية في خط المعالجة القائم على OPNAV مع موقع المناورة. لوحظ أفضل أداء عند زاوية حقيقية قدرها 170∘، والتي تتوافق مع الحد الأدنى في الانحراف المعياري لسرعة المرشح.
الأهمية والادعاءات تدعي الورقة إمكانية إثبات جدوى الـ GN&C الذاتي لمدار NRHO باستخدام الملاحة البصرية القائمة على الأفق فقط. وقد أثبتت ما يلي:
أن عددًا محدودًا من القياسات القائمة على الأفق (ثلاثة لكل دورة) كافٍ للحفاظ على دقة تقدير الحالة لأغراض الحفاظ على الموقع.
أن اختيار مجال رؤية (FOV) الكاميرا وتوقيت القياس أمر بالغ الأهمية؛ حيث توجد كاميرا "مثالية" توازن بين جودة القياس بالقرب من الأوج وبين عدم القدرة على التصوير بالقرب من الحضيض.
أن البنية الدورية لتباين مرشح الملاحة، المدفوعة بتغير هندسة القمر، تؤثر مباشرة على تكاليف الحفاظ على الموقع، مما يجعل موقع المناورة معلمة قابلة للضبط لتقليل التكلفة.
أن دمج الاستهداف القائم على التحويل غير المتمركز (UT) وآليات التباطؤ يوفر استراتيجية قوية لتقليل تكاليف ΔV التراكمية، حيث حقق نهج UT-DC تكلفة سنوية (النسبة المئوية 95) تبلغ حوالي 60 سم/ث.
يخلص المؤلفون إلى أنه على الرغم من وجود قيود للملاحة البصرية القائمة على الأفق بالقرب من الحضيض، إلا أنها تعد مصدر ملاحة أساسي قابل للتطبيق للعمليات الذاتية في مدار NRHO، بشرط تكييف استراتيجيات التحكم لتأخذ في الاعتبار الطبيعة الدورية لأخطاء التقدير.