Multidisciplinary Design Optimization of a Low-Thrust Asteroid Orbit Insertion Using Electric Propulsion

Este artículo presenta un marco de optimización de diseño multidisciplinario que integra simultáneamente la trayectoria de inserción orbital de baja empuje alrededor del asteroide 16-Psyche y el sistema de energía de la nave, utilizando un modelo de alta fidelidad del propulsor Hall SPT-140 acoplado a la disponibilidad de potencia solar variable para superar las limitaciones de los diseños tradicionales que asumen parámetros fijos.

Lo esencial

Imagina que quieres enviar una sonda espacial a un asteroide gigante llamado 16-Psique, que está muy lejos del Sol. Tu misión es hacer que esta sonda baje desde una órbita alta hasta una órbita baja para tomar fotos de cerca.

El problema es que la sonda no tiene un motor de cohetes tradicional que queme mucho combustible de golpe. En su lugar, usa un motor eléctrico (propulsión solar eléctrica). Este motor es como un "caminante de alta eficiencia": consume muy poco combustible, pero empuja muy suavemente, como si alguien le diera un empujoncito constante y suave durante meses.

Aquí es donde entra la complicación: la energía.

El Dilema del "Caminante con Batería"

En la Tierra, o cerca del Sol, tienes mucha luz solar para cargar las baterías y alimentar el motor. Pero en 16-Psique, el Sol está muy lejos y la luz es muy débil (como intentar cargar un teléfono con una linterna pequeña a kilómetros de distancia).

Antes, los ingenieros diseñaban la ruta y el motor por separado:

1. El diseñador de rutas decía: "Vamos a usar un empuje constante".
2. El diseñador de energía decía: "Aquí tienes paneles solares de un tamaño fijo".

El problema es que esto es como planear un viaje en bicicleta sin mirar el mapa del terreno ni el estado de tus piernas. Si el terreno es empinado (poca luz solar) y tus piernas se cansan (los paneles se degradan con el tiempo), tu plan de "pedaleo constante" falla. La sonda podría quedarse sin energía a mitad de camino o tener que ir tan lento que la misión tardaría años.

La Solución: El "Equipo Multidisciplinario"

Este paper propone una nueva forma de trabajar: Optimización Multidisciplinaria (MDO).

Imagina que en lugar de dos personas trabajando en habitaciones separadas, tienes un equipo de arquitectos, ingenieros y pilotos en la misma sala, hablando todo el tiempo.

1. El Motor y la Energía hablan: El motor no es una constante. Si hay poca luz, el motor se reduce automáticamente (como un coche híbrido que pasa a modo eléctrico). Si hay mucha luz, acelera.
2. El Peso importa: Para tener más energía en la oscuridad, necesitas paneles solares más grandes. Pero los paneles grandes pesan más. Si la nave pesa más, cuesta más trabajo moverla.
   • La analogía: Es como si decidieras ponerle a tu bicicleta un motor eléctrico. Si pones una batería gigante, tendrás mucha potencia, pero la bicicleta será tan pesada que te costará más subir la colina. Tienes que encontrar el equilibrio perfecto entre el tamaño de la batería y el peso total.

¿Cómo lo hicieron? (La Magia Matemática)

Para resolver este rompecabezas, usaron una herramienta informática muy potente llamada OpenMDAO y Dymos.

• El "Borrador" (Método de Fourier): Antes de empezar a calcular el camino perfecto, usaron un método matemático (Series de Fourier) para dibujar un "boceto" de la ruta. Es como si antes de pintar un cuadro real, hicieras un dibujo rápido a lápiz para ver si la composición tiene sentido.
• El "Refinamiento" (Colocación Directa): Luego, usaron superordenadores para ajustar ese boceto milimétricamente. Dividieron el viaje en miles de pequeños pasos y aseguraron que en cada paso la física fuera realista (que la nave no atraviese el asteroide ni se quede sin combustible).

Los Resultados: ¿Vale la pena el esfuerzo?

Compararon dos escenarios:

1. El Viejo Método (Sin acoplar): La nave tenía paneles solares pequeños y fijos. El viaje tardó 20.78 horas.
2. El Nuevo Método (Acoplado): El sistema decidió: "Vamos a poner paneles solares más grandes (casi el doble de área), lo que hace la nave más pesada, pero nos da mucha más energía".
   • Resultado: A pesar de que la nave era más pesada, la energía extra permitió usar el motor a máxima potencia. El viaje se completó en 16.61 horas.

La lección: Al hacer la nave un 11% más pesada (por los paneles extra), ganaron un 20% de tiempo en el viaje. En el espacio, donde cada hora cuenta y el combustible es oro, esto es un éxito rotundo.

En Resumen

Este paper nos enseña que en el espacio profundo, no puedes diseñar el motor, la ruta y la energía por separado. Tienes que pensar en todo como un solo sistema vivo.

Es como si fueras a correr una maratón en la montaña:

• Si decides correr siempre al mismo ritmo sin importar la pendiente, te cansarás.
• Si decides llevar mucha agua (energía) pero no te preocupas por el peso de la mochila, te costará más subir.
• La solución inteligente es ajustar tu ritmo, el tamaño de tu mochila y tu estrategia de hidratación al mismo tiempo para llegar a la meta lo más rápido posible.

Los autores demostraron que, al usar esta "inteligencia colectiva" en el diseño de naves espaciales, podemos hacer misiones más rápidas, eficientes y realistas, especialmente en lugares oscuros y fríos como el cinturón de asteroides.

Resumen técnico

Aquí presento un resumen técnico detallado del artículo en español, estructurado según los puntos solicitados:

Resumen Técnico: Optimización Multidisciplinaria de Diseño (MDO) para la Inserción Orbital de Bajo Empuje en un Asteroide

1. Planteamiento del Problema

Las misiones de propulsión eléctrica de bajo empuje (SEP) en entornos de espacio profundo, como la órbita del asteroide metálico 16-Psyche (a 2.9 UA del Sol), enfrentan desafíos críticos debido a la baja irradiancia solar. Tradicionalmente, el diseño de estas misiones trata la dinámica de la trayectoria y el diseño de los subsistemas de potencia y propulsión de manera desacoplada. Se asumen suposiciones simplificadas, como un empuje constante o un impulso específico ($I_{sp}$) fijo, ignorando la fuerte acoplamiento entre:

• La disponibilidad de energía solar (que decae con la distancia y la degradación de los paneles).
• El rendimiento del propulsor (que varía según el modo de estrangulamiento disponible).
• La masa de la nave (que aumenta si se dimensionan paneles solares más grandes para compensar la pérdida de potencia).

Esta desacoplamiento puede llevar a diseños subóptimos o inviables, donde la nave demanda más energía de la que los paneles pueden generar físicamente. El objetivo es optimizar simultáneamente la trayectoria, el dimensionamiento de los paneles solares y el rendimiento del propulsor para una inserción orbital de tiempo óptimo.

2. Metodología

El artículo propone un marco de Optimización Multidisciplinaria de Diseño (MDO) totalmente acoplado, implementado sobre las herramientas de código abierto de la NASA: OpenMDAO y Dymos.

• Modelado de Alta Fidelidad:

  • Dinámica de Trayectoria: Se utiliza un modelo de dos dimensiones en un marco inercial centrado en el objetivo, resolviendo las ecuaciones de movimiento con gravedad puntual y un vector de empuje variable.
  • Generación de Energía: Se modela la potencia de los paneles solares ($P_{SA}$) considerando el área del panel, la distancia heliocéntrica, la degradación anual por radiación (3%/año) y correcciones polinómicas de alta fidelidad para el entorno del cinturón de asteroides. Se aplica un suavizado matemático ($L_2$-norma) para manejar las restricciones de saturación de la Unidad de Procesamiento de Potencia (PPU) y mantener la diferenciabilidad para el optimizador.
  • Propulsión Eléctrica: Se emplea un modelo de Impulso Específico Variable (VSI) basado en los datos de telemetría del propulsor de efecto Hall SPT-140. En lugar de asumir un empuje continuo arbitrario, el modelo utiliza una tabla de 21 modos de estrangulamiento discretos. Se introduce una lógica de selección de modos suave (funciones tipo sigmoide) para permitir que el optimizador de gradiente seleccione y combine estos modos de forma continua.
  • Acoplamiento Masa-Área: Una novedad clave es el cálculo dinámico de la masa inicial ($m_{initial}$) en función del área del panel solar ($A_{SA}$). Aumentar el área de los paneles incrementa la masa seca de la nave (penalización estructural), lo que obliga al optimizador a equilibrar la ganancia de potencia contra el costo cinético de mover una nave más pesada.

• Formulación del Problema de Control Óptimo:

  • Objetivo: Minimizar el tiempo de vuelo ($t_f$) para una espiral de descenso desde una órbita de estacionamiento de 750 km hasta una órbita científica de 200 km alrededor de 16-Psyche.
  • Variables de Diseño: Área del panel solar (estática), potencia del motor comandada y ángulo de dirección del empuje (dinámicas).
  • Restricciones: Límites de potencia disponible, conservación de masa (no consumir masa seca), y condiciones de frontera en radio y velocidad.

• Estrategias Numéricas:

  • Inicialización: Se utiliza un método basado en Series de Fourier Rápidas (FFS) para generar una trayectoria inicial dinámicamente factible, evitando mínimos locales.
  • Transcripción: Se emplea el método de collocation de Dymos. Para resolver los defectos de collocation (desviaciones entre la solución discreta y la física continua en espirales de alta revolución), se requiere una malla de transcripción densa (>100 segmentos) ejecutada en Computación de Alto Rendimiento (HPC).
  • Solucionador: El problema de programación no lineal (NLP) resultante se resuelve con IPOPT, aprovechando las derivadas analíticas proporcionadas por OpenMDAO.

3. Contribuciones Clave

1. Marco MDO Acoplado: Desarrollo de un entorno integrado que optimiza simultáneamente la trayectoria, el dimensionamiento de subsistemas de potencia y el rendimiento de la propulsión, eliminando las suposiciones de parámetros fijos.
2. Modelo VSI Realista: Implementación de un modelo de propulsión basado en modos discretos reales del SPT-140, suavizado para optimización de gradiente, en lugar de modelos empíricos simplificados.
3. Acoplamiento Estructural Dinámico: Inclusión explícita de la penalización de masa asociada al aumento del área de los paneles solares, capturando el compromiso fundamental entre potencia y masa en misiones SEP.
4. Solución a Desafíos Numéricos: Demostración de cómo abordar los defectos de collocation en trayectorias de bajo empuje de larga duración mediante el uso de métodos de inicialización basados en Fourier y el escalado de recursos de HPC.

4. Resultados

El marco se probó comparando un caso de "solo trayectoria" (desacoplado) frente al caso de MDO totalmente acoplado:

• Reducción del Tiempo de Vuelo: El enfoque acoplado logró una reducción del 20.07% en el tiempo de vuelo (de ~20.78 horas a ~16.61 horas).
• Optimización del Dimensionamiento: El optimizador seleccionó un área de panel solar de 79.79 m² (frente a un área fija de 50 m² en el caso base).
• Compensación Masa-Potencia: Aunque el aumento del área de los paneles incrementó la masa inicial de la nave en un 11.02% (de 418 kg a 464 kg), la mayor disponibilidad de energía permitió operar en modos de empuje más altos.
• Consumo de Combustible: El consumo de propelente aumentó un 113.6% (de 0.66 kg a 1.41 kg), lo cual es aceptable dado el campo gravitatorio débil del asteroide, ya que el beneficio en tiempo de misión superó ampliamente el costo de masa extra.
• Calidad de la Solución: El perfil de control (potencia y ángulo) en el caso acoplado fue significativamente más suave y físicamente realista, siguiendo las restricciones de potencia disponibles sin violarlas, a diferencia del caso base que mostró oscilaciones y defectos numéricos.

5. Significado e Impacto

Este trabajo demuestra que tratar el diseño de la trayectoria y los subsistemas de potencia como problemas independientes es insuficiente para misiones de propulsión eléctrica en el espacio profundo. La optimización integrada revela que, en entornos con baja irradiancia solar, invertir en una mayor masa estructural (paneles solares más grandes) es una estrategia óptima para maximizar el rendimiento de la misión, incluso a costa de un mayor consumo de combustible.

El marco propuesto establece un estándar para el diseño de misiones futuras a cuerpos pequeños (asteroides, cometas) donde la energía es un recurso limitante crítico. Además, la metodología demuestra la viabilidad de resolver problemas de control óptimo de alta fidelidad y alta dimensión utilizando herramientas de código abierto (OpenMDAO/Dymos) y computación paralela, facilitando el diseño de misiones más eficientes y realistas.