Optimization-Based Formation Flight on Libration Point Orbits

이 논문은 제한된 기동 기회와 경로 제약을 고려하여 리브레이션 점 궤도에서의 우주선 군집 비행을 위한 모델 예측 제어 (MPC) 기반 궤도 유지 프레임워크를 개발하고, 이를 비볼록 문제를 해결하는 순차적 볼록 프로그래밍을 통해 NRHO 궤도에서 검증한 내용을 담고 있습니다.

핵심

🚀 핵심 비유: "우주 속의 댄스 팀"

상상해 보세요. 우주 공간에 **우주선 2 대 (또는 그 이상)**가 있습니다. 이들은 마치 우주 무용수처럼 서로 아주 가까운 거리를 유지하며 춤을 추고 있습니다. 하지만 이 춤은 매우 까다롭습니다.

1. 무대 (궤도): 달 주위를 도는 '근접 직선 헤일로 궤도 (NRHO)'라는 특수한 무대입니다. 이곳은 중력이 복잡하게 얽혀 있어, 우주선이 한 번 궤도를 벗어나면 다시 돌아오기 매우 어렵습니다.
2. 규칙 (제약 조건):
   • 충돌 금지: 무용수들 (우주선) 이 서로 너무 가까워 부딪히면 안 됩니다.
   • 통신 유지: 서로 너무 멀어지면 손짓 (통신) 이 안 됩니다.
   • 태양 가림 금지: 태양이 두 우주선 사이에 끼면 통신이 끊깁니다. 마치 두 사람이 대화할 때 누군가 얼굴을 가리는 것과 같습니다.
3. 문제점: 우주선은 엔진을 켤 수 있는 횟수가 매우 제한적입니다. (한 바퀴 도는 동안 2 번만 켤 수 있음). 또한, 우주에는 바람 (태양 복사압) 이 불고, 지도 (궤도 계산) 가 완벽하지 않아 오차가 생깁니다.

💡 이 논문이 제안한 해결책: "미래를 내다보는 스마트 코치 (MPC)"

기존 방법들은 "지금 위치를 확인하고, 바로 다음 단계만 생각해서 엔진을 켜는" 방식이었습니다. 하지만 이 논문은 **예측 모델 제어 (MPC)**라는 **'스마트 코치'**를 도입했습니다.

1. "미래 5 바퀴를 미리 시뮬레이션하라"

이 스마트 코치는 지금 당장 엔진을 켜기 전에, **"앞으로 5 바퀴 (약 65 일) 동안 우리 팀이 어떻게 움직일지"**를 미리 시뮬레이션합니다.

• "만약 지금 왼쪽으로 1cm 움직이면, 3 일 뒤에 태양이 우리를 가릴까?"
• "만약 여기서 엔진을 안 켜고 기다리면, 10 일 뒤에 다른 우주선과 부딪힐까?"
  이렇게 미래의 위험을 미리 보고 지금의 행동을 결정합니다.

2. "안전 마진을 두는 지혜 (점진적 강화)"

우주에는 예측 불가능한 오차 (바람, 측정 오차 등) 가 항상 있습니다. 그래서 코치는 **"완벽하게 규칙을 지키는 것"보다 "규칙보다 훨씬 더 안전하게 지키는 것"**을 목표로 합니다.

• 비유: "차간 거리 100m 를 유지하라"는 규칙이 있다면, 코치는 "100m 는 위험하니 125m를 유지해라"라고 지시합니다.
• 시간이 지나면서 오차가 커질 수 있으므로, 미래로 갈수록 안전 마진을 더 넓게 잡습니다. 이렇게 하면 나중에 오차가 생겼을 때도 안전선을 넘지 않고 버틸 수 있습니다.

3. "샘플링의 함정을 피하라 (연속 시간 제약)"

우주선은 엔진을 켤 때만 (예: 160 도, 200 도 지점) 위치를 확인하고 조정합니다. 하지만 엔진을 켠 **사이 (샘플링 사이)**에도 우주선은 계속 움직입니다.

• 기존 방식의 위험: "엔진을 켤 때만 거리가 10km 이상이면 돼"라고 하면, 엔진을 켠 직후에는 안전하지만, 그 사이사이에 갑자기 거리가 5km 로 줄어들어 충돌할 수도 있습니다.
• 이 논문의 해결책 (등주적 재형성): "엔진을 켤 때뿐만 아니라, 그 사이사이의 모든 순간에도 거리가 10km 이상이어야 한다"는 것을 수학적으로 증명하고 강제합니다. 마치 영구적인 안전 벨트를 매는 것과 같습니다.

4. "복잡한 퍼즐을 쉽게 풀기 (순차적 볼록 프로그래밍)"

이 문제는 너무 복잡해서 한 번에 풀 수 없습니다. (비유하자면, 3D 퍼즐을 한 번에 맞추는 것).

• 그래서 코치는 "일단 대략적인 그림을 그리고, 조금씩 수정해 가면서" 최적의 답을 찾습니다. (비유: 초벌로 그림을 그리고, 색칠을 조금씩 다듬어 완성도를 높이는 것). 이 과정을 반복해서 가장 적은 연료로 가장 안전한 비행을 찾습니다.

📊 실험 결과: "적은 연료로 완벽한 팀워크"

연구팀은 이 방법을 실제와 같은 복잡한 우주 환경 (태양 빛, 중력 오차 등) 에서 시뮬레이션해 보았습니다.

• 결과: 우주선들이 서로 충돌하지 않고, 태양 빛을 피해 통신도 잘 하면서, 기존 방법과 비슷한 수준의 적은 연료로 임무를 성공적으로 수행했습니다.
• 의미: 만약 이 방법을 쓰지 않고 단순히 엔진을 켤 때만 확인했다면, 사이사이에 충돌하거나 통신이 끊기는 사고가 빈번하게 발생했을 것입니다.

🌟 한 줄 요약

"이 논문은 우주선들이 복잡한 달 궤도에서 서로 부딪히지 않고 태양 빛을 피해 춤추기 위해, '미래를 미리 내다보고' 안전 마진을 두며, '연속적인 시간'까지 고려하는 똑똑한 비행 계획을 세우는 방법을 개발했습니다."

이 기술은 향후 달 기지 (게이트웨이) 를 건설하거나, 여러 우주선이 협력하는 임무에서 안전하고 효율적인 우주 교통 관리의 핵심이 될 것입니다.

기술 요약

이 논문은 **라그랑주 점 궤도 (LPO, Libration Point Orbits)**를 따라 비행하는 **우주선 군집 (Formation Flight)**을 위한 모델 예측 제어 (MPC, Model Predictive Control) 프레임워크를 제안합니다. 특히, **준직선 헤일로 궤도 (NRHO, Near-Rectilinear Halo Orbit)**와 같은 고충실도 천체 역학 환경에서 군집의 안전성과 임무 요구사항을 동시에 만족시키는 최적 제어 문제를 해결하는 방법을 다룹니다.

다음은 논문의 주요 내용을 기술적으로 요약한 것입니다.

---

1. 문제 정의 (Problem Statement)

• 배경: 게이트웨이 (Gateway) 와 같은 차세대 임무에서 라그랑주 점 궤도 주변의 우주선 군집 비행은 필수적입니다. 기존 연구들은 주로 지구 궤도 상대 궤도 요소 (ROE) 를 확장하거나 국소 토로이드 좌표계 (LTC) 를 사용하여 상대 운동을 제어했으나, 고충실도 천체 역학 모델 (HFEM) 에서의 비주기적 특성과 불확실성으로 인해 수동 안전성 (Passive Safety) 보장이 어렵다는 한계가 있었습니다.
• 핵심 과제:
  1. 절대 및 상대 궤도 유지 (Station-Keeping): 모든 우주선이 기준 궤도 (NRHO) 에 유지되면서 동시에 군집 내 상대 위치를 유지해야 합니다.
  2. 경로 제약 조건 (Path Constraints): 우주선 간 충돌 방지를 위한 최소/최대 분리 거리와 태양 간섭을 피하기 위한 상대 태양 위상각 (Relative Sun Phase Angle) 제약을 연속 시간 (Continuous-Time) 으로 만족해야 합니다.
  3. 운영 제약: 실제 임무 제약에 따라 궤도 한 바퀴당 maneuver(기동) 횟수가 제한적 (예: 2 회) 이어야 하며, 이는 제어 노드가 희소 (Sparse) 함을 의미합니다.
  4. 불확실성: 초기 궤도 삽입 오차, 역학 모델 오차 (태양 복사압 등), 항법 오차, 제어 실행 오차 등을 고려해야 합니다.

2. 방법론 (Methodology)

A. 다중 차량 최적 제어 문제 (MVOCP) formulation

• 목표 함수: 전체 군집의 연료 소모 (총 $\Delta V$) 를 최소화합니다.
• 제어 입력: 임펄스 제어 (Impulsive Control) 를 가정하며, 예측 구간 (Prediction Horizon) 내에서 궤도 한 바퀴당 2 회 (천이점 부근 $\theta=160^\circ, 200^\circ$) 의 기동을 허용합니다.
• 제약 조건:
  • 연속 시간 경로 제약 (CT Path Constraints): 우주선 간 거리와 태양 위상각이 특정 구간 (주로 아폴루네 구간) 에서 항상 허용 범위 내에 있어야 함.
  • 종단 제약: 예측 구간 끝에서 기준 궤도와의 위치/속도 오차를 허용 오차 이내로 유지.

B. 해결 전략: MPC 및 SCP

제안된 방법은 모델 예측 제어 (MPC) 프레임워크 내에서 **순차적 볼록 프로그래밍 (SCP, Sequential Convex Programming)**을 사용하여 비볼록 MVOCP 를 해결합니다.

1. 점진적 제약 강화 (Progressive Constraint Tightening):

   • 불확실성으로 인해 재귀적 실현 가능성 (Recursive Feasibility) 이 깨지는 것을 방지하기 위해, 예측 구간이 끝날수록 제약 조건을 점진적으로 더 엄격하게 (Tightening) 만듭니다.
   • 이를 통해 현재 시점의 해가 다음 시점의 불확실성을 견딜 수 있는 여유 (Margin) 를 확보합니다.

2. 등주형 제약 재구성 (Isoperimetric Reformulation) for CTCS:

   • 이산 시간 (Discrete-time) 제어 노드에서만 제약을 적용하면, 노드 사이 (Inter-sample) 에서 제약 위반이 발생할 수 있습니다.
   • 이를 해결하기 위해 등주형 (Isoperimetric) 재구성을 도입합니다. 경로 제약 위반의 제곱 적분을 0 이 되도록 하는 슬랙 변수 (Slack Variable) 를 상태 변수에 추가하여, **연속 시간 제약 만족 (CTCS, Continuous-Time Constraint Satisfaction)**을 이산 최적화 문제로 변환합니다.

3. 볼록화 (Convexification):

   • 비볼록인 동역학 제약 조건에 대해 증강 라그랑주 (Augmented Lagrangian) 기반 SCP 를 적용합니다.
   • 트러스트 영역 (Trust-region) 과 슬랙 변수를 사용하여 국소 최적해로의 수렴을 보장하고 수치적 안정성을 확보합니다.

3. 주요 기여 (Key Contributions)

1. 통합 제어 프레임워크: 절대 궤도 유지와 상대 궤도 유지를 분리하지 않고, 하나의 최적화 문제 (MVOCP) 내에서 동시에 수행하여 연료 효율성을 극대화합니다.
2. 동역학 구조에 무관한 제약 적용: QPT(준주기 토로) 와 같은 복잡한 동역학 구조에 의존하지 않고, 임의의 경로 제약 (거리, 위상각 등) 을 최적화 문제에 직접 포함시킬 수 있는 체계적인 방법을 제시합니다.
3. 연속 시간 제약 만족 보장: 이산 제어 노드 간의 위반을 방지하기 위해 등주형 재구성을 적용하여, 실제 임무에서 발생할 수 있는 안전성 문제를 사전에 차단합니다.
4. 실제 불확실성 하의 검증: 고충실도 천체 역학 모델 (HFEM) 과 다양한 오차 시나리오를 포함한 몬테카를로 시뮬레이션을 통해 방법론의 유효성을 입증했습니다.

4. 실험 결과 (Results)

• 시뮬레이션 설정: 2 대의 우주선으로 구성된 군집이 10 회 회전 (약 65.5 일) 동안 NRHO 를 따라 비행하는 몬테카를로 시뮬레이션 (100 회 샘플) 을 수행했습니다.
• 성능 비교:
  • 연속 제약 (Experiment I, III) vs 이산 근사 (Experiment II, IV): 이산 근사 (제어 노드만 제약) 를 적용한 경우, 노드 사이에서 최소 거리 및 위상각 제약 위반이 빈번하게 발생했습니다. 반면, 제안된 등주형 재구성을 적용한 경우 모든 샘플에서 제약 위반 없이 성공적으로 궤도 유지를 수행했습니다.
  • 연료 소모: 제안된 방법 (연속 제약) 은 제약 위반을 방지하기 위해 추가 기동이 필요할 수 있음에도 불구하고, 오히려 이산 근사 방식보다 평균 연료 소모량이 낮았습니다. 이는 이산 근사 방식이 국소 최적해에 갇히거나, 불연속적인 궤도 수정으로 인해 장기적으로 더 많은 연료를 소모하게 만들기 때문입니다.
  • 위상각 제약의 영향: 상대 태양 위상각 제약을 추가하더라도, 연료 소모는 최소 분리 거리만 만족하는 경우와 비교해 평균 약 30% 증가, 3-$\sigma$ 기준 약 2.4% 증가하는 수준으로, 임무 요구사항을 충족하는 데 큰 비용 부담이 없음을 확인했습니다.
  • 제약 강화 파라미터 민감도: 제약 강화 (Tightening) 를 적용하지 않으면 재귀적 실현 가능성이 크게 떨어지고 (성공률 50%), 적절한 강화 파라미터를 설정할 때 100% 에 가까운 성공률을 보였습니다.

5. 의의 및 결론 (Significance & Conclusion)

이 논문은 라그랑주 점 궤도에서의 우주선 군집 비행에 대해 안전성, 운영 제약, 연료 효율성을 동시에 고려한 통합 최적 제어 솔루션을 제시했습니다.

• 안전성: 등주형 재구성을 통해 이산 시간 간격에서의 제약 위반을 근본적으로 방지하여 임무 안전성을 높였습니다.
• 실용성: 제한된 기동 횟수 (궤도당 2 회) 와 다양한 불확실성 하에서도 안정적인 궤도 유지가 가능하며, 기존 방법들과 유사하거나 더 나은 연료 효율을 보입니다.
• 확장성: 동역학 모델에 구애받지 않고 다양한 경로 제약 (통신 가시성, 열 환경 등) 을 쉽게 추가할 수 있어 향후 복잡한 우주 임무 (예: 게이트웨이 주변 임무) 에 적용 가능한 강력한 프레임워크입니다.

결론적으로, 제안된 MPC 기반 최적화 접근법은 고충실도 역학 환경에서 불확실성을 고려한 우주선 군집 비행의 안전하고 효율적인 운영을 위한 표준적인 방법론으로 자리 잡을 수 있습니다.