Information-Based Trajectory Planning for Spacecraft-to-Spacecraft Tracking and Navigation in Cislunar Space

De diepe ruimte is een plek waar de vertrouwde regels van navigatie beginnen te vervagen. Decennialang hebben ruimtevaartuigen die nabij de aarde reizen vertrouwd op een uitgebreid netwerk van grondstations met antennes om hen te vertellen waar ze zijn en waar ze naartoe gaan. Deze antennes, verspreid over de planeet, luisteren naar radiosignalen van de schepen en berekenen hun posities met grote precisie. Echter, naarms de mensheid haar aanwezigheid in de ruimte tussen de aarde en de maan wil uitbreiden, wordt deze afhankelijkheid van de aarde een last. De afstanden zijn te groot voor realtime communicatie, en de enorme omvang van de regio maakt het onmogelijk voor een paar antennes op de grond om alles tegelijkertijd in de gaten te houden. Bovendien creëert de zwaartekracht van de aarde, de maan en de zon een complexe, verschuivende omgeving waarin het pad van een schip nooit een eenvoudige rechte lijn of een perfecte cirkel is. Om veilig en effectief te opereren in deze "cislunaire" ruimte, zullen ruimtevaartuigen veel onafhankelijker moeten worden, in staat om hun eigen weg te vinden zonder constante hulp van thuis.

Een veelbelovende oplossing is dat ruimtevaartuigen elkaar helpen. In plaats van te wachten op een signaal van de aarde, kan een observatieschip een doelwit-schip volgen door de hoek en richting ernaartoe te meten, vergelijkbaar met een zeeman die een vuurtoren spot. Dit wordt spacecraft-to-spacecraft tracking genoemd. De uitdaging ligt in de geometrie van de situatie. Als twee schepen te dicht bij elkaar zijn, of als ze op een manier bewegen die te veel op elkaar lijkt, kan de waarnemer niet gemakkelijk bepalen waar het doelwit zich werkelijk bevindt. De informatie die uit de metingen wordt verkregen, is troebel. Om dit op te lossen, moeten de schepen op een manier bewegen die het duidelijkst mogelijke beeld creëert van hun relatieve posities. Dit vereist een delicaat evenwicht: de schepen moeten manoeuvreren om het beste zicht te krijgen, maar elke keer dat een schip zijn motor gebruikt om van koers te veranderen, verbruikt het brandstof en introduceert het nieuwe onzekerheden over zijn eigen exacte locatie. De vraag voor ingenieurs is hoe de schepen te laten bewegen om de meeste informatie over hun omgeving te vergaren terwijl ze de minste brandstof verbruiken.

In een recente studie hebben onderzoekers van de University of Colorado Boulder en de University of Texas at Austin een nieuwe methode ontwikkeld om dit probleem op te lossen. Ze hebben een computeralgoritme ontwikkeld dat de vluchtbanen plant van low-thrust ruimtevaartuigen—schepen die gebruikmaken van zachte, continue duwtjes van hun motoren in plaats van krachtige, korte uitbarstingen. Het doel van hun methode is het ontwerpen van een traject dat de informatie die de waarnemer verzamelt maximaliseert, terwijl de brandstofkosten redelijk blijven. De onderzoekers beschouwden het probleem als een afweging. Ze bouwden een wiskundig model dat berekent hoeveel "informatie" een specifieke vluchtbaan zou genereren. Deze informatie gaat niet alleen over het zien van het doelwit; het gaat over het begrijpen van de subtiele verschillen in hoe de twee schepen reageren op de complexe zwaartekrachtvelden van het aarde-maan systeem. Door deze verschillen te analyseren, kan de waarnemer de absolute positie van beide schepen met veel grotere nauwkeurigheid bepalen dan wanneer ze simpelweg zouden ronddobberen.

Het team testte hun methode met behulp van een simulatie van twee ruimtevaartuigen die in een baan om het aarde-maansysteem draaien. Ze plaatsten beide schepen in een specifiek type baan genaamd een Distant Retrograde Orbit, wat een stabiele lus is die rond de maan draait in de tegenovergestelde richting van haar rotatie. In hun simulatie fungeerde één schip als de waarnemer, uitgerust met een optische sensor om het andere schip te observeren, dat als het doelwit fungeerde. De onderzoekers voerden de simulatie vele malen uit, waarbij ze de waarde die ze toekenden aan "informatie" versus "brandstof" veranderden. Wanneer ze de computer de opdracht gaven om zwaar prioriteit te geven aan informatie, deed het observatieschip iets contra-intuïtiefs. In plaats van dicht bij het doelwit te blijven om een beter zicht te krijgen, bewoog het zich verder weg. Dit gebeurde omdat, in de complexe gravitationele omgeving van het aarde-maansysteem, het grotere afstand creëert een groter verschil in hoe de twee schepen door de zwaartekracht worden getrokken. Dit verschil, of "dynamische diversiteit", hels de waarnemer om het ware pad van het doelwit te onderscheiden van dat van zichzelf, wat leidt tot een veel duidelijker beeld van waar beide schepen zich bevinden.

De resultaten van de simulatie waren opmerkelijk. Wanneer de onderzoekers deze informatie-gebaseerde planning in de vluchtbaan opnamen, daalde de verwachte fout in de kennis over de positie van de schepen met bijna een factor tien vergeleken met een pad dat alleen probeerde brandstof te besparen. Met andere woorden, de schepen konden hun locatie met tien keer meer precisie kennen. Deze verbetering was het meest uitgesproken wanneer het observatieschip begon met een slechte kennis van zijn eigen positie. In die gevallen besliste het algoritme correct om een pad te vliegen dat de nadruk legde op de verschillen in beweging tussen de twee schepen, zelfs als dat betekende dat er meer brandstof werd verbruikt. Echter, als de waarnemer zijn positie al zeer precies kende, veranderde het algoritme van strategie. Het koos toen voor een pad dat de waarnemer dichter bij het doelwit bracht, om zo de geometrische details van het zicht te maximaliseren. De methode bleek flexibel genoeg om zich aan te passen aan de begincondities van de missie.

De onderzoekers bereikten dit door een geavanceerde optimalisatietechniek te gebruiken die de continue stroom van de tijd opdeelt in kleine stappen, waardoor de computer het complexe probleem stukje bij beetje kan oplossen. Ze ontwikkelden ook een manier om de winst aan informatie te schatten zonder dat daar duizenden willekeurige simulaties voor nodig zijn, wat te traag zou zijn voor realtime planning. In plaats daarvan gebruikten ze een wiskundige benadering die de essentiële gedragingen van het systeem vangt. Dit stelde hen in staat om het beste pad snel te vinden, zelfs op een standaard laptopcomputer. De studie bevestigt dat voor toekomstige missies in de cislunaire ruimte, zoals die gepland voor de Lunar Gateway, ruimtevaartuigen actieve deelnemers moeten zijn aan hun eigen navigatie. Ze kunnen niet simpelweg ronddobberen; ze moeten met een doel manoeuvreren, waarbij ze hun motoren gebruiken om hun blik op het universum om hen heen te verscherpen.

Dit werk beweert geen oplossing te hebben gevonden voor elk probleem van navigatie in de diepe ruimte. De studie werd uitgevoerd in een simulatie met een vereenvoudigd zwaartekrachtmodel, en echte missies zullen te maken krijgen met de volledige complexiteit van het zonnestelsel, inclusereffecten van zonlicht en de onregelmatige vorm van de maan. De onderzoekers erkennen dat toekomstig werk deze factoren moet opnemen en de methode moet testen met meerdere schepen en verschillende soorten sensoren. De kernbevinding is echter robuust: door navigatie te behandelen als een manier om informatie te verzamelen, in plaats van alleen als een manier om van punt A naar punt B te gaan, kunnen ruimtevaartuigen een niveau van zelfredzaamheid bereiken dat voorheen onbereikbaar was. Het vermogen om een kleine hoeveelheid brandstof in te ruilen voor een enorme winst in situationeel bewustzijn zou de sleutel kunnen zijn tot het ontsluiten van het volgende tijdperk van maanverkenning, waardoor schepen met vertrouwen door de uitgestrekte, stille ruimte tussen werelden kunnen navigeren.