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

이 논문은 태양광 전력과 전기추진 성능 간의 강한 결합을 고려하여, 오픈MDAO와 Dymos 기반의 다학제 설계 최적화 프레임워크를 개발하고 소행성 16-사이키 궤도 진입 임무에 적용함으로써 현실적인 저추력 임무 설계의 중요성을 입증했습니다.

핵심

🚀 1. 문제 상황: "배터리가 부족하면 차가 멈춘다"

전통적인 우주 임무 설계는 마치 **"항상 풀스로틀로 달릴 수 있는 고성능 스포츠카"**를 가정하는 것과 비슷했습니다.

• 기존 방식: "엔진 출력이 일정하고, 연료도 무한정 있다고 가정하고 최단 경로를 계산한다."
• 현실: 하지만 우주, 특히 태양에서 멀리 떨어진 소행성 (16-싸이케) 에 가면 태양빛이 매우 약해집니다. 이는 마치 겨울철에 햇빛이 약해져서 태양광으로 충전되는 전기차의 배터리가 금방 닳는 상황과 같습니다.

기존 방식대로 설계하면, "이론상으로는 20 시간 만에 도착할 수 있어!"라고 계산했지만, 실제로는 태양전지판이 전기를 충분히 만들어내지 못해 엔진이 꺼지거나, 궤도 계산이 엉망이 되어 우주선이 목적지에 도달하지 못하는 치명적인 오류가 발생합니다.

💡 2. 이 논문이 제안한 해결책: "모든 것을 함께 생각하자 (MDO)"

이 논문은 **"궤도 (어디로 갈지), 엔진 (얼마나 세게 켤지), 그리고 태양전지판 (배터리 크기)"**를 따로따로 생각하지 않고, 하나의 팀으로 묶어서 동시에 최적화하자고 말합니다.

이를 등산에 비유해 볼까요?

• 기존 방식: "가장 빠른 길만 찾아라. 배낭 무게는 상관없어." (결과: 배낭이 너무 무거워서 체력이 바닥나서 목적지에 못 다다름)
• 이 논문의 방식: "등산 속도를 높이려면 배낭을 가볍게 해야 하나? 아니면 더 큰 배낭에 더 많은 간식 (전력) 을 싸서 엔진 (발력) 을 더 세게 쓸까?"를 동시에 계산합니다.

🔧 3. 핵심 기술: "스마트한 엔진 제어와 배낭 크기 조절"

이 논문은 두 가지 중요한 기술을 사용했습니다.

① 변속기 달린 엔진 (가변 비추력 모델)

우주선의 전기 추진 엔진 (SPT-140) 은 고정된 출력이 아니라, **태양빛이 강할 때는 '스포츠 모드', 약할 때는 '절전 모드'**로 자동으로 변속할 수 있습니다.

• 비유: 마치 스마트폰이 배터리가 많을 때는 고화질 영상으로 재생하다가, 배터리가 부족하면 자동으로 화면 밝기를 낮추고 화질을 떨어뜨려서 버티는 것과 같습니다. 이 논문은 이 '스마트 변속'을 수학적으로 정교하게 설계했습니다.

② 배낭 크기 (태양전지판) 와 무게의 트레이드오프

태양전지판을 크게 만들면 전기를 더 많이 만들어 엔진을 세게 쓸 수 있어 빠르게 도착할 수 있습니다. 하지만 태양전지판이 크면 무게가 늘어나서 오히려 이동이 느려질 수도 있습니다.

• 결론: 이 논문은 "16-싸이케 주변처럼 햇빛이 약한 곳에서는, 무게가 조금 늘어나더라도 태양전지판을 더 크게 만들어서 엔진을 세게 쓰는 것이 오히려 전체 시간을 단축한다"는 사실을 증명했습니다.

📊 4. 실험 결과: "무게를 늘려서 속도를 냈다"

연구진은 컴퓨터 시뮬레이션을 통해 두 가지 경우를 비교했습니다.

1. 기존 방식 (배터리 크기 고정): 약 20.78 시간 소요.
2. 새로운 방식 (배터리 크기 최적화): 태양전지판을 약 60% 더 크게 키웠습니다. 그 결과 우주선 무게는 11% 늘었지만, **도착 시간은 20% 단축 (약 16.61 시간)**되었습니다.

핵심 메시지: "무게가 조금 늘어난다는 불이익보다, 더 많은 전력을 얻어 엔진을 세게 쓸 수 있다는 이득이 훨씬 컸다"는 것입니다.

🛠️ 5. 기술적 도전: "수천 번의 회전"을 어떻게 계산했나?

소행성 주변을 도는 궤도는 매우 약한 중력 때문에, 우주선이 수백 번을 빙글빙글 돌며 서서히 내려와야 합니다. 이는 마치 미끄럼틀을 아주 천천히, 아주 부드럽게 내려가는 것과 비슷합니다.

• 문제: 컴퓨터가 이 긴 과정을 계산할 때, 너무 적은 단계로 나누어 계산하면 "이론상으로는 내려갔는데 실제로는 미끄럼틀에서 떨어지는" 오류가 발생합니다.
• 해결: 연구진은 **초고속 컴퓨터 (HPC)**를 이용해 계산 단계를 100 개 이상으로 세분화하고, **푸리에 급수 (파동을 이용한 수학적 기법)**로 초기 경로를 잘 잡음으로써 이 오류를 해결했습니다.

🌟 요약

이 논문은 **"우주 임무를 설계할 때, 엔진만 잘 만드는 게 아니라, 햇빛 (전력) 과 무게 (구조) 를 함께 고려해야 진짜 빠르고 안전한 임무가 된다"**는 것을 보여줍니다.

마치 **전기차를 설계할 때, "배터리 크기와 차체 무게, 그리고 주행 거리를 따로따로 생각하지 않고, 한 번에 최적의 조합을 찾아야 한다"**는 교훈을 우주 탐사에 적용한 사례라고 할 수 있습니다. 앞으로 더 먼 우주로 가는 임무들에서 이 방식이 표준이 될 것입니다.

기술 요약

1. 연구 배경 및 문제 정의 (Problem Statement)

• 배경: 태양 전기 추진 (SEP) 시스템은 높은 비추력 ($I_{sp}$) 으로 인해 연료 효율이 뛰어나지만, 심우주 환경 (특히 태양 복사량이 적은 지역) 에서는 전력 제약이 궤적 설계에 결정적인 영향을 미칩니다.
• 기존 접근법의 한계: 기존의 궤적 최적화 연구들은 종종 일정한 추력이나 고정된 비추력을 가정하거나, 전력 시스템과 궤적 동역학을 분리하여 설계했습니다.
• 핵심 문제:
  • 16-사이키 (16-Psyche) 금속 소행성 (태양으로부터 약 2.9 AU 거리) 과 같이 태양 복사량이 극도로 낮은 환경에서는 전력 가용성이 추력 크기와 질량 유량에 직접적인 제약을 가합니다.
  • 분리된 설계 (Decoupled design) 는 물리적으로 불가능한 전력 프로파일을 생성하거나, 태양 전지판의 노후화 및 질량 증가에 따른 역학적 페널티를 무시하여 비최적 (Suboptimal) 인 임무 설계를 초래합니다.
• 목표: 궤적 동역학, 우주선 전력 시스템 (태양 전지판 크기), 그리고 전기 추진 성능 (SPT-140 할러 스러스터) 을 동시에 최적화하는 다학제 설계 최적화 (MDO) 프레임워크를 개발하여, 전력 부족 환경에서 시간 최적 (Time-optimal) 궤도 삽입을 달성하는 것입니다.

2. 방법론 (Methodology)

이 연구는 NASA 의 OpenMDAO와 Dymos 도구를 기반으로 한 통합 MDO 프레임워크를 구축했습니다.

A. 다학제 모델링 (Multidisciplinary Modeling)

1. 궤적 동역학 (Trajectory Dynamics):
   • 2 차원 관성 좌표계를 사용하며, 소행성을 질점 (Point mass) 으로 가정합니다.
   • 상태 벡터는 반경, 각도, 속도 성분, 우주선 질량으로 구성됩니다.
   • 추력과 질량 유량은 상수가 아닌, 명령된 전기 전력 ($P_E$) 의 동적 함수로 정의됩니다.
2. 태양 전력 생성 및 예산 (Solar Power Generation):
   • 태양 전지판 출력은 면적 ($A_{SA}$), 태양 거리 ($r_s$), 시간 의존적 노후화 ($\sigma$) 를 고려한 고충실도 다항식 보정 모델을 사용합니다.
   • 전력 처리 장치 (PPU) 의 최대 용량 제한과 필수 시스템 전력 ($P_{bus}$) 을 고려하여 가용 추력 전력을 계산합니다.
   • 최적화 알고리즘의 미분 가능성 (Differentiability) 을 유지하기 위해 논리 최소 함수를 $L_2$-norm 평활화 기법으로 대체했습니다.
3. 전기 추진 및 모드 선택 (Electric Propulsion):
   • SPT-140 할러 스러스터의 21 가지 이산적인 스로틀 모드 (Throttle modes) 데이터를 기반으로 한 가변 비추력 (VSI) 모델을 사용합니다.
   • 이산 모드를 연속적인 최적화 프레임워크에 통합하기 위해 시그모이드 유사 스위칭 함수를 사용하여 활성화 가중치 ($\eta_i$) 를 계산하고, 이를 통해 연속적인 추력과 질량 유량을 도출합니다.
4. 질량 - 면적 결합 (Mass-Area Coupling):
   • 태양 전지판의 면적 증가가 우주선의 건조 질량 (Dry mass) 을 증가시킨다는 물리적 페널티를 직접 모델링합니다.
   • 초기 습식 질량 ($m_{initial}$) 은 태양 전지판 면적에 따라 동적으로 계산되어, 전력 증가의 이득과 질량 증가에 따른 운동량 페널티 간의 트레이드오프를 반영합니다.

B. 최적화 프레임워크 및 수치 기법

• 도구: OpenMDAO (시스템 분석 및 미분 계산), Dymos (직접 전사법 기반 궤적 최적화), IPOPT (비선형 프로그래밍 솔버).
• 초기값 생성: 고반복 나선 궤적의 초기값 생성 난이도를 해결하기 위해 고속 푸리에 급수 (Fast Fourier Series, FFS) 기반 모양 기반 (Shape-based) 방법을 사용하여 동역학적으로 타당한 초기 궤적을 생성했습니다.
• 수치적 안정성: 약한 중력 환경에서의 장기간 비행으로 인한 콜로케이션 결함 (Collocation defects) 을 해결하기 위해 고성능 컴퓨팅 (HPC) 자원을 활용하여 전사 격자 (Transcription grid) 를 100 개 이상의 세그먼트로 세분화하고, 제어 연속성 제약을 부과했습니다.

3. 주요 기여 (Key Contributions)

1. 완전 결합 MDO 프레임워크: 궤적, 전력 시스템 (태양 전지판 크기), 추진 성능을 동시에 최적화하는 통합 프레임워크를 제시했습니다.
2. 고충실도 VSI 모델: 고정된 추력 대신 SPT-140 스러스터의 이산적 스로틀 테이블을 기반으로 한 연속적이고 미분 가능한 VSI 모델을 도입하여 실제 추진 성능을 정밀하게 반영했습니다.
3. 동적 질량 - 전력 결합: 태양 전지판의 크기가 우주선 질량에 미치는 영향을 최적화 변수에 직접 포함시켜, 전력 부족 환경에서의 실제적인 설계 트레이드오프를 정량화했습니다.
4. 수치적 난제 해결: 고반복 나선 궤적 최적화에서 발생하는 콜로케이션 결함을 해결하기 위한 FFS 초기값 생성 및 HPC 기반의 고해상도 격자 전사 전략을 제시했습니다.

4. 결과 (Results)

16-사이키 소행성 주변 750km 에서 200km 로의 강하 궤적을 대상으로 시뮬레이션을 수행했습니다.

• 비교 대상:
  • Baseline (기존 방식): 태양 전지판 면적 고정 (50 $m^2$), 전력 제약 및 질량 변화 무시.
  • Coupled MDO (제안 방식): 태양 전지판 면적 최적화, 전력 제약 및 질량 변화 반영.
• 성능 개선:
  • 비행 시간: 제안된 MDO 방식은 비행 시간을 74,837 초에서 59,815 초로 약 20.07% 단축했습니다.
  • 태양 전지판: 최적화된 태양 전지판 면적은 50 $m^2$에서 79.79 $m^2$로 증가했습니다.
  • 질량: 태양 전지판 증가로 인해 초기 질량은 11.02% 증가했으나, 더 높은 추력 모드 사용으로 인해 연료 소비량은 0.66kg 에서 1.41kg 로 증가했습니다.
  • 결론: 전력 부족 환경에서는 우주선 질량을 약간 증가시키는 것이 전력 생산량 증대를 통해 추력을 높이고, 결과적으로 비행 시간을 크게 단축하는 데 유리함을 입증했습니다.
• 수치적 정확도: 50 세그먼트의 격자에서는 콜로케이션 결함이 관찰되었으나, 격자 밀도를 높이고 HPC 를 활용하면 물리적으로 정확한 해를 얻을 수 있음을 확인했습니다.

5. 의의 및 결론 (Significance and Conclusion)

• 실용적 중요성: 심우주 탐사, 특히 태양 복사량이 제한된 소행성 탐사 임무에서 전력 시스템과 추진 시스템을 분리하여 설계하는 것은 비효율적이거나 불가능한 결과를 초래할 수 있음을 강조했습니다.
• 설계 패러다임 전환: 전력 가용성, 태양 전지판 노후화, 추진 성능, 그리고 우주선 질량을 통합적으로 고려하는 제어 공동 설계 (Control Co-Design) 접근법의 필요성을 입증했습니다.
• 확장성: 제안된 프레임워크는 연료 최적화 임무나 다중 스러스터 구성, 노즐 기하학적 최적화 등 다른 임무 요구사항으로 쉽게 확장 가능합니다.

이 연구는 차세대 심우주 전기 추진 임무의 설계 정확도와 효율성을 높이기 위해 다학제 최적화 기법이 필수적임을 보여주는 중요한 사례입니다.