Non-Propulsive Payload Deployment for Efficient On-Orbit Servicing of Mega-Constellations

Dieser Artikel schlägt eine nicht-antriebsgestützte Nutzlastaussetzungsarchitektur (NPD) für den Orbitalservice von Mega-Konstellationen vor, die den Kraftstoffverbrauch durch das Ausstoßen von Mikronutzlasten zur autonomen Annäherung an Ziele erheblich reduziert, und führt gleichzeitig einen phasenbasierten Algorithmus sowie analytische Formeln ein, die eine effiziente, fehlerarme Planung und Terminierung für großskalige Konstellationen wie Starlink Gen2 ermöglichen.

Das Wesentliche

Das große Problem: Das „schwere Rucksack"-Dilemma

Stellen Sie sich vor, Sie sind ein Lieferfahrer (das Serviceraumschiff), der damit betraut ist, 100 verschiedene Autos (die Zielsatelliten) zu betanken, die über einen riesigen Parkplatz im Weltraum verteilt sind.

Der derzeitige Standardweg besteht darin, Ihren schweren Lkw zum ersten Auto zu fahren, es zu betanken, zum zweiten zu fahren, es zu betanken und so weiter. Das Problem ist, dass Ihr Lkw schwer ist. Jedes Mal, wenn Sie anhalten und wieder anfahren, verbrennen Sie eine enorme Menge Treibstoff, nur um Ihr eigenes Gewicht zu bewegen. Wenn Sie 1.000 Autos besuchen müssten, bräuchten Sie einen Treibstofftank, der größer ist als der Lkw selbst. Deshalb glauben Wissenschaftler, dass das Versorgen massiver Satellitengruppen (Mega-Konstellationen) mit aktuellen Methoden unmöglich ist – es würde zu viel Treibstoff kosten.

Die neue Lösung: Die „Scharfschützenkugel"-Strategie

Die Autoren schlagen eine neue Idee vor, die Nicht-angetriebene Nutzlastausbringung (NPD) genannt wird.

Statt den schweren Lkw zu jedem einzelnen Auto zu fahren, stellen Sie sich vor, Ihr Lkw hat einen speziellen Abschussmechanismus auf der Rückseite.

1. Der Lkw (Serviceraumschiff): Er bleibt in einer hohen Umlaufbahn und fungiert als stabile Startplattform. Er muss sich kaum bewegen.
2. Die Kugeln (Mikro-Nutzlasten): Der Lkw schießt winzige, leichte „Kugeln" (Mikroraumfahrzeuge) ab.
3. Die Mission: Jede Kugel fliegt eigenständig aus, findet ihr spezifisches Zielauto und betankt es.

Da die Kugeln winzig sind, benötigen sie sehr wenig Treibstoff zum Fliegen. Der schwere Lkw verbraucht nur einen winzigen Teil Energie, um die Kugeln auszuschleudern. Dies spart im Vergleich zum Bewegen des gesamten Lkws eine enorme Menge Treibstoff.

Die versteckte Herausforderung: Der „Rückstoß"-Effekt

Es gibt einen Haken. Wenn Sie eine Waffe abfeuern, weicht sie zurück (Rückstoß).

• Jedes Mal, wenn der Lkw eine Kugel abschießt, erhält der Lkw einen winzigen Stoß in die entgegengesetzte Richtung.
• Wenn Sie 100 Kugeln abschießen, summieren sich diese winzigen Stöße. Der Lkw beginnt langsam von seiner vorgesehenen Bahn abzuweichen.
• Wenn der Lkw zu stark abweicht, könnte die nächste Kugel ihr Ziel verfehlen.

Dies erzeugt ein komplexes mathematisches Rätsel: Wie planen Sie die Schüsse so, dass der Lkw nicht zu weit abweicht, während Sie trotzdem alle Ziele treffen?

Der clevere Abkürzungsweg: Der „phasenbasierte" Algorithmus

Dieses Rätsel perfekt für 100+ Ziele zu lösen, würde einem Supercomputer Tage der Berechnung kosten. Die Autoren entwickelten einen cleveren Abkürzungsweg, der phasenbasierter Approximationsalgorithmus genannt wird.

Stellen Sie es sich so vor: Anstatt die genaue Wackelbewegung des Lkws nach jedem einzelnen Schuss zu berechnen, geht der Algorithmus davon aus, dass der Pfad des Lkws immer noch größtenteils ein perfekter Kreis ist. Er verwendet eine einfache Regel: „Schieße die nächste Kugel ab, wenn sich das Ziel genau gegenüber befindet."

• Das Ergebnis: Diese Abkürzung ist unglaublich schnell. Sie verkürzt die Berechnungszeit um 90 % (von Stunden auf Sekunden), ist dabei aber genau genug, dass der „Fehler" weniger als 1 % beträgt. Es ist wie die Verwendung einer groben Karte, um schnell zu einem Ziel zu gelangen, anstatt jeden einzelnen Schritt zu vermessen.

Die „magische Formel"

Das Papier fand auch eine einfache Formel, um vorherzusagen, wie viel Treibstoff der Lkw benötigt.

• Sie entdeckten, dass der gesamte „Kick", den der Lkw spürt, der Hauptfaktor ist.
• Sie schufen eine Formel, die besagt: Gesamt benötigter Treibstoff = (Standard-Flugtreibstoff) + (Die Hälfte des Gesamtkicks).
• Diese Formel ist so genau (mit einem Fehler von weniger als 2 %), dass Missionsplaner sie auf einem Serviettenpapier verwenden können, um abzuschätzen, ob eine Mission möglich ist, ohne komplexe Computersimulationen durchführen zu müssen.

Der Starlink-Testfall

Um zu beweisen, dass dies funktioniert, testeten die Autoren ihre Idee an einem realen Szenario: der Starlink Gen2-Konstellation (eine massive Gruppe von Internetsatelliten).

• Der alte Weg (O2M): Um 120 Satelliten zu betanken, würde die traditionelle Methode eine enorme Menge Treibstoff benötigen. Tatsächlich wäre es für eine schnelle 10-Tage-Mission physikalisch unmöglich, da der Treibstofftank größer sein müsste als der Lkw selbst.
• Der neue Weg (NPD): Mit der „Kugel"-Strategie verbraucht der Lkw weniger als 1/50 des Treibstoffs, der für die alte Methode erforderlich ist.
• Bonus-Geschwindigkeit: Indem der Lkw in einer etwas höheren Umlaufbahn bleibt, kann er die natürlichen Gravitationsbesonderheiten der Erde (genannt J2-Störung) nutzen, um seitwärts zu driften und schnell verschiedene Reihen von Satelliten zu erreichen. Dies ermöglicht es dem Lkw, mehrere „Spuren" des Verkehrs zu bedienen, ohne zusätzlichen Treibstoff zu verbrennen.

Zusammenfassung

Dieses Papier stellt eine Methode vor, um Tausende von Satelliten zu versorgen, indem winzige, treibstoffeffiziente Drohnen von einem stationären Mutterschiff aus abgeschossen werden. Es löst das mathematische Problem des Abdriftens des Schiffes durch einen schnellen, intelligenten Abkürzungsweg und eine einfache Formel. Das Ergebnis ist ein System, das 50-mal treibstoffeffizienter ist als aktuelle Methoden und es ermöglicht, die massiven Satellitennetzwerke der Zukunft zu warten.

Technische Zusammenfassung

Technische Zusammenfassung: Nicht-antriebsgestützte Nutzlastausbringung für effizientes On-Orbit-Servicing von Mega-Konstellationen

Problemstellung
Die Arbeit adressiert die kritische Herausforderung des Servicings von Mega-Konstellationen in der Erdumlaufbahn (LEO). Während On-Orbit-Servicing (OOS) für einzelne geosynchrone Assets etabliert ist, geht die vorherrschende Annahme davon aus, dass das Servicing von Mega-Konstellationen (bestehend aus hunderten oder tausenden dispergierten Satelliten) nicht durchführbar ist. Konventionelle Architekturen, wie One-to-Many (O2M), erfordern, dass ein Service-Raumfahrzeug (SSc) mehrere Rendezvous-Manöver durchführt. Aufgrund der Raketengleichung skaliert der benötigte Treibstoff exponentiell mit der Geschwindigkeitsänderung ($\Delta v$) und der Masse des SSc. Für große Konstellationen machen die kumulativen $\Delta v$-Anforderungen das traditionelle Servicing wirtschaftlich untragbar und begrenzen die Skalierbarkeit fundamental. Darüber hinaus haben bestehende Konzepte zur Nicht-antriebsgestützten Nutzlastausbringung (NPD) sich weitgehend auf die Lagendynamik konzentriert und das komplexe Scheduling-Problem vernachlässigt, das durch kumulative Bahnstörungen infolge aufeinanderfolgender Nutzlastauswürfe entsteht.

Methodik
Die Autoren schlagen eine neuartige NPD-Architektur vor, bei der ein SSc Mikronutzlast-Raumfahrzeuge (PSc) in Transferbahnen ausstößt. Die PSc rendezvousen anschließend autonom mit Zielraumfahrzeugen (TSc). Da nur die minimale Masse der PSc für den finalen Annäherungsantrieb benötigt wird, sinkt der gesamte Treibstoffverbrauch drastisch. Jedoch verleiht jeder Ausstoß dem SSc eine Rückstoßgeschwindigkeit, die seine Bahn stört und die Anfangsbedingungen für nachfolgende Ausbringungen verändert.

Um das daraus resultierende Scheduling-Problem zu lösen, entwickelt die Arbeit einen phasenbasierten Approximationsalgorithmus:

1. Dynamische Modellierung: Es wird ein gekoppeltes Dynamikmodell etabliert, bei dem die Bahn des SSc als stückweise Funktion behandelt wird, die nach jedem Ausstoß basierend auf der Impulserhaltung instantan aktualisiert wird.
2. Approximationsstrategie: Unter der Erkenntnis, dass die Bahn des SSc nach den Ausstößen nahezu kreisförmig mit geringer Exzentrizität bleibt, approximieren die Autoren die Transferstrategie unter Verwendung von Hohmann-Transfer-Prinzipien. Sie nehmen eine Phasendifferenz von $\pi$ zwischen Abflug- und Ankunftsposition an, was die Optimierung von Ausstoß- und Rendezvous-Zeitpunkten vereinfacht.
3. Analytische Herleitung: Die Autoren leiten eine geschlossene analytische Formel für die maximal erforderliche Ausstoßgeschwindigkeit ($\Delta v_{max}$) her. Diese Formel drückt $\Delta v_{max}$ als Summe der Standard-Hohmann-Transfergeschwindigkeit und der Hälfte der gesamten kumulativen Rückstoßgeschwindigkeit ($\Delta v_r$) aus, die sich aus allen vorherigen Ausstößen akkumuliert hat.

Hauptergebnisse
Numerische Simulationen wurden für Konstellationen mit mehr als 100 Satelliten durchgeführt, einschließlich einer Fallstudie der Starlink-Gen2-Konstellation. Die Ergebnisse zeigen:

• Rechenleistung: Der vorgeschlagene phasenbasierte Approximationsalgorithmus reduziert die Rechenzeit um über 90 % im Vergleich zu einem gierigen Optimierungsansatz (Algorithmus 1), wobei Ausstoßgeschwindigkeitsfehler unter 1 % bleiben.
• Analytische Genauigkeit: Die abgeleitete analytische Formel für $\Delta v_{max}$ ergibt einen maximalen relativen Fehler von weniger als 2 % in erdnahen Orbitalbereichen (Höhendifferenzen < 2000 km), sofern die gesamte Nutzlastmasse weniger als die Hälfte der SSc-Masse beträgt.
• Treibstoffeffizienz: In einem Vergleich mit einer konventionellen O2M-Architektur für eine 120-Satelliten-Konstellation verbrauchte das NPD-System weniger als 1/50 des Treibstoffs, der für die traditionelle Methode erforderlich war. Für eine 10-Tage-Mission verwendete NPD nur 30,8 kg Manövriertriebwerk im Vergleich zu 1636,6 kg für O2M (was ein 100-Tage-Fenster erforderte).
• Servicing mehrerer Ebenen: Durch den Betrieb in einer höheren Höhe nutzt das SSc die $J_2$-Störung, um eine Knotenpräzession zu induzieren. Dies ermöglicht dem SSc, zu benachbarten Orbitalebenen zu driften, um sequenzielles Servicing durchzuführen. Das NPD-System erreichte einen Ebenenwechsel in 10,8 Tagen, während die O2M-Methode für denselben Drift 213,6 Tage benötigen würde.

Bedeutung und Behauptungen
Die Arbeit behauptet, dass die NPD-Architektur das Paradigma für das Servicing von Mega-Konstellationen fundamental verändert, indem sie die Masse des Servicefahrzeugs von den Antriebsanforderungen einzelner Rendezvous-Manöver entkoppelt. Die Hauptbeiträge sind:

1. Skalierbarkeit: Der vorgeschlagene Algorithmus ermöglicht eine nahezu Echtzeit-Missionsplanung für großskalige Konstellationen und überwindet die rechnerische Unlösbarkeit früherer hochdimensionaler Optimierungsprobleme.
2. Vorhersagefähigkeit: Die analytische Formel bietet eine schnelle, zuverlässige Methode zur Bewertung von Ausbringungskapazitäten und Treibstoffanforderungen ohne intensive numerische Iteration.
3. Operative Durchführbarkeit: Die Studie zeigt, dass ein effizientes, mehr Ebenen umfassendes Servicing mit vernachlässigbarem Treibstoffverbrauch erreichbar ist, was ein nachhaltiges OOS für Mega-Konstellationen als machbare Alternative zu kostspieligen Chargenersetzungen ermöglicht.

Die Autoren schließen, dass dieser Ansatz die Barriere des prohibitiven Treibstoffverbrauchs adressiert und eine skalierbare Infrastruktur für die orbitale Wartung der nächsten Generation ermöglicht.