Tightly-Coupled Estimation and Guidance for Robust Low-Thrust Rendezvous via Adaptive Homotopy

기술 요약: 적응적 호모토피를 통한 강건한 저추력 랑데부용 밀접 결합 추정 및 유도

문제 제기
비협조적 물체 (예: 우주 쓰레기 또는 비협조적 우주선) 와의 자율 랑데부는 열화된 센싱 조건 하에서 강건한 추정, 계획, 제어가 필요합니다. 저추력 추진은 높은 연료 효율을 제공하지만, 최소 연료 유도는 일반적으로 "뱅 - 뱅 (bang-bang)" 제어 구조를 산출합니다. 이러한 구조는 초기 공 - 상태 (co-states), 정규화 매개변수, 그리고 추정 오차에 대해 수치적으로 민감합니다. 비협조적 시나리오에서는 비가우시안 센서 이상 (광학적 그림자 또는 눈부심 등) 이 상태 추정을 급격히 저하시킬 수 있습니다. 기존 접근법은 종종 유도 법칙의 수치적 공격성을 추정기의 즉각적인 신뢰도에서 분리하여, 상태 정보가 불확실함에도 불구하고 컨트롤러가 공격적인 연료 최적 해법을 계속 추구하는 취약한 폐루프 성능을 초래합니다.

방법론
본 논문은 항법 신뢰도에 기반하여 간접 최적 제어 솔버의 수치적 정규화를 동적으로 조절하는 밀접 결합 추정 및 유도 아키텍처를 제안합니다. 시스템은 상대 운동 역학을 위해 클로헤시 - 윌트셔 (CW) 좌표계 내에서 작동합니다.

1. 추정 프레임워크: 병진 상태는 선형 칼만 필터 (KF) 를 사용하여 추정됩니다. 비가우시안 이상을 처리하기 위해 필터는 측정 측 다중 튜닝 인자 (MTF) 메커니즘을 사용합니다. 이 메커니즘은 혁신 에너지가 정상 기대치를 초과하는 측정 방향을 식별하고, 해당 축을 따라만 공분산 행렬을 팽창시킵니다. 이는 의심스러운 데이터에 대한 필터의 신뢰를 억제하면서도 잘 작동하는 방향에서는 민감도를 유지합니다.

2. 유도 프레임워크: 유도 법칙은 폰트리아긴의 최소 원리에 기반한 재귀적-수평 간접 솔버를 활용합니다. 수치적 처리 가능성을 보장하기 위해 불연속적인 뱅 - 뱅 제어 구조를 부드럽게 만들기 위해 호모토피 매개변수 ($\epsilon$) 가 도입됩니다.

3. 적응적 결합: 핵심 혁신은 복합 신뢰도 점수를 호모토피 매개변수 $\epsilon$으로 온라인 매핑하는 것입니다. 신뢰도 점수는 다음에서 파생됩니다:

   • 정규화된 제곱 혁신 ($s_{NIS}$).
   • MTF 보정의 상대적 크기 ($\rho_{MTF}$).
   • 저역 통과 필터링된 복합 점수 ($\bar{s}_k$).

   신뢰도 점수가 낮을 때 (높은 혁신 또는 MTF 활동을 나타냄), 호모토피 매개변수 $\epsilon$이 증가합니다. 이는 제어 문제를 더 부드럽고 보수적인 에너지 최적 영역으로 완화시킵니다. 신뢰도가 회복됨에 따라 $\epsilon$이 감소하여 컨트롤러가 연료 최적 뱅 - 뱅 구조로 복귀할 수 있게 합니다.

주요 기여
저자들은 세 가지 주요 기여를 식별합니다:

1. 밀접 결합 아키텍처: 호모토피 매개변수를 정적 오프라인 변수로 취급하는 대신, 추정기 신뢰도가 간접 저추력 솔버의 연속 과정을 직접 조절하는 재귀적 - 수평 프레임워크.
2. 상대 운동을 위한 MTF 적응: 비협조적 랑데부 시나리오에서 병진 상대 운동 유도를 위해 MTF 기반 공분산 튜닝 개념을 구체적으로 적응화한 것.
3. 해석 가능한 절충: 혁신 적응형 호모토피가 근접 작업 중 연료 최적성과 강건성 사이의 연속적이고 물리적으로 해석 가능한 절충을 가능하게 함을 입증한 것.

수치적 결과
제안된 방법은 회전하는 표적 (ENVISAT 벤치마크) 을 포함하는 이전 비전 기반 상대 항법 환경에서 파생된 시뮬레이션으로 평가되었습니다. 시나리오는 800 초 구간 동안 심각한 측정 저하를 포함했습니다.

• 고정 컨트롤러의 성능: 고정 뱅 - 뱅 제어와 일반 칼만 필터, 그리고 고정 뱅 - 뱅 제어와 MTF-KF 모두 열화된 센싱 하에서 종단 목표를 달성하지 못하여 약 160 미터 ($1.60 \times 10^{-1}$ km) 의 종단 오차 거리를 초래했습니다.
• 적응형 컨트롤러의 성능: 제안된 MTF-적응형 호모토피 컨트롤러는 종단 오차를 약 두 자릿수 줄여 서브 미터 수준 ($9.28 \times 10^{-4}$ km, 약 0.93 m) 으로 감소시켰습니다. 이 개선은 오픈 - 루프 연료 최적 벤치마크 대비 27.4% 의 moderate 한 연료 페널티를 수반했습니다.
• 구성 요소의 역할:
  • 적응형 호모토피: 지배적인 강건성 메커니즘으로 식별됨. MTF 가 없는 적응형 컨트롤러도 질적으로 성공했으나 (오차 거리 약 14.2 m), 훨씬 더 높은 연료 페널티 (82%) 를 초래하고 계산적 신뢰도가 낮았습니다 (67.95% 해결 성공률).
  • MTF: 2 차적 향상으로 작용함. 적응형 컨트롤러에 MTF 를 추가하면 종단 오차가 약 14.2 m 에서 약 0.93 m 로 감소하고 연료 페널티가 82% 에서 27.4% 로 감소했습니다. 중요하게도, MTF 강화 아키텍처는 100% 해결 성공률을 달성하고 평균 재해결 시간을 크게 단축 (324.18 ms 대비 54.89 ms) 하여 수치적 안정성이 향상되었음을 나타냈습니다.

의의 및 주장
본 논문은 제안된 방법의 주요 이점이 단순히 개선된 필터링이 아니라, 추정기 신뢰도가 온라인으로 유도 법칙을 직접 정규화할 수 있게 하는 폐루프 결합에 있다고 주장합니다. 결과는 강건한 저추력 근접 작동을 위해서는 추정 신뢰도와 유도 공격성 사이의 전통적인 분리를 깨야 함을 시사합니다.

저자들은 그들의 프레임워크가 연료 최적성과 강건성 사이의 연속적인 절충을 가능하게 하여, 센싱이 열화되었을 때 컨트롤러가 맹목적으로 공격적인 해법을 추구하는 것을 방지한다고 주장합니다. 계산 결과는 테스트된 선형화된 시나리오에서 온라인 실행에 적합한 일관되게 빠르고 신뢰할 수 있는 해결 시간을 보여주어 방법의 실용적 타당성을 뒷받침합니다. 향후 작업은 이러한 방법을 비선형 역학, 더 풍부한 측정 모델, 그리고 회전하는 우주선 부속물을 위한 명시적 금지 구역 포함으로 확장하는 것으로 언급됩니다.