🔢 mathematics

Time-Optimal Collision Avoidance Via a Greedy Polynomial Backward Sweep

本文介绍了一种利用微分代数来高效确定低推力航天器避障最晚机动起始时间的贪婪时间最优后向扫描法，该方法在实现近优安全性的同时，具备适用于星上实现的运行时间。

原作者： Zeno Pavanello, Frank De Veld, Roberto Armellin

发布于 2026-06-02

📖 1 分钟阅读🧠 深度阅读

原作者： Zeno Pavanello, Frank De Veld, Roberto Armellin

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，你正在高速公路上开车，突然，前方一辆大卡车猛地向你的车道切了过来。你有两个选择：立即猛踩刹车（这会浪费燃料，而且如果卡车自己回到了原车道，这次刹车就没必要了），或者尽可能晚地等待，看看卡车是否会自行修正，然后在最后一刻进行一次快速、剧烈的转向以避开碰撞。

这篇论文是关于帮助卫星执行这种“等待并转向”策略的，但有一个转折：它们使用的是低推力发动机（就像一阵温柔且持续的微风，而不是火箭般的爆发）。因为这些发动机推力很弱，所以它们需要更早地开始推动，才能让卫星移动足够的距离来避开太空垃圾。核心问题在于：我们最晚可以在什么时候开始推动？

以下是作者如何解决这个谜题的简单解释：

问题所在：“最后可能的时刻”

卫星以惊人的速度绕地球运行。太空正变得越来越拥挤。当一颗卫星与一块碎片处于碰撞轨道时，操作员通常会尝试通过及早进行机动来节省燃料。但有时，你会非常晚才收到预警，或者你想等待更准确的数据来确认碰撞是否真实存在。

本论文的目标是找到卫星可以开始启动发动机的最晚绝对时刻。如果你开始得太晚，就会撞上；如果你开始得早，你是安全的，但你可能浪费了燃料或时间。

解决方案：“逆向扫描法”

大多数人解决问题是沿着时间向前推进的：“如果我现在开始，我会到哪里？如果我晚一点开始，我会到哪里？”

作者使用了一个巧妙的技巧，叫做逆向扫描（Backward Sweep）。想象一下，你正从潜在碰撞发生的时刻（“最近接近点”）向今天的时间回溯。

从碰撞开始： 你站在卫星和碎片可能相撞的点。
向后退步： 你在时间轴上向后迈出一小步。
提问： “如果我在这一步（即这个向后的步骤中）施加一个微小的推力，是否足以让卫星移动到安全位置以避开碰撞？”
贪婪决策： 该方法是“贪婪的”。它并不试图规划整个旅程中最完美的省油路线，它只是在问：“为了能最快脱离危险，我现在最好的推动方向是什么？”它选择那个方向，迈出一步，然后重复此过程。

它不断地在时间上向后迈步，将这些“当前最佳的即时推动”叠加在一起，直到到达一个卫星终于安全的位置。那个点就是最晚可能的开始时间。

神奇工具：“微分代数”

由于卫星运动极快、重力在拉扯、且“危险”在不断变化，用普通的数学方法来计算卫星的运动是非常困难的。如果你在普通计算机上进行这种逐步计算，耗时会长到对卫星来说毫无实用价值。

作者使用了一种名为**微分代数（Differential Algebra, DA）**的数学工具。

类比： 想象普通的计算器是一个一次只能做一个数学题的人。而微分代数就像一位超级大厨，可以同时准备一整桌相关的菜肴。它不仅仅是计算“卫星在哪里”，它还在计算“卫星在哪里、它的速度如何变化、这种速度的变化又是如何随之变化的，以及这些变化如何对推力做出反应”。
结果： 这使得计算机能够以极高的速度和精度预测未来（或过去）。它可以实时更新“最近接近点”。如果一次推动移动了卫星，那么最近接近点可能会偏移零点几秒。DA 工具可以瞬间追踪这种变化，而无需重新运行整个模拟过程。

结果：快速且足够好

团队利用来自欧洲航天局（ESA）的真实数据，对 2,170 次潜在碰撞进行了测试。

速度： 计算机解决每一个问题的时间都不到 80 毫秒（比人类眨眼还快）。这意味着卫星理论上可以在其自带的计算机上运行这种计算。
准确性： 该方法极其精确，与完美的慢动作模拟相比，误差小于 0.15%。
权衡： 由于该方法是“贪婪的”（它只求现在安全），所以它并不是最节省燃料的飞行方式。它使用的燃料比完美规划的平稳机动多出约 33% 到 41%。
- 比喻： 这就像是打车去机场，出租车为了在 10 分钟内赶到而开得很激进；对比之下，公交车虽然走的是风景优美的路线，能省油，但需要 20 分钟。这种方法（出租车）在时间紧迫时非常出色；而另一种方法（燃料最优方案）则适合有充足时间的情况。

总结

这篇论文为卫星引入了一种“紧急按钮”算法。当时间所剩无几时，这种方法能快速算出卫星可以开始启动发动机的最后一秒钟，以避免碰撞。它牺牲了一部分燃料来换取巨大的速度和安全性，确保即使在收到延迟预警的情况下，卫星也能有效地躲避太空垃圾。

技术摘要：通过贪婪多项式后向扫描实现时间最优碰撞规避

问题陈述
本文探讨了为在拥挤轨道环境中运行的低推力卫星设计碰撞规避机动（CAM）所面临的挑战。现有的文献通常侧重于燃料最优（FO）机动，这类机动可能需要较早启动以最小化推进剂消耗；然而，操作约束通常倾向于尽可能延迟机动，以便操作员利用更新后的跟踪数据来减少位置不确定性，并避免不必要的机动。核心问题被表述为一个时间最优（TO）控制问题：给定一段较短的预警时间，确定低推力机动的最晚可能启动时间（ $t_0$ ），以确保卫星在最近相遇时刻（TCA）保持安全。安全性是通过超过失距（MD）或碰撞概率（PoC）的阈值来定义的，后者通过 B 平面中的平方马哈拉诺比斯距离（SMD）来表示。

方法论
作者提出了一种贪婪时间最优（GTO）后向扫描法来解决这一优化问题，而无需直接求解复杂的连续最优控制问题（OCP）。该方法依赖于三个主要组成部分：

后向扫描策略： 该算法不是进行前向积分，而是从名义 TCA 开始，在时间上向后迭代传播机动。在每个离散时间步，它确定能够使所选危险指标（MD 或 SMD）的变化率局部最大化的推力方向。该过程持续进行，直到满足安全阈值，从而确定最晚可能的启动时间。
微分代数（DA）： 为了高效处理后向扫描所需的非线性动力学和灵敏度，作者利用了微分代数。DA 允许将系统动力学表示为高阶泰勒多项式映射。这使得能够传播状态灵敏度，并计算先前时间步的控制动作如何影响 TCA 时刻的状态，而无需为每次迭代重新传播动力学。
贪婪控制与 TCA 追踪： 每个步骤中的控制动作通过将推力矢量与危险指标的梯度对齐来计算（一种贪婪方法）。至关重要的是，该方法考虑了由机动引起的 TCA 偏移。利用 DA，通过多项式求逆求解相对位置与速度在 TCA 时的正交条件，从而在线更新 TCA 偏移（ $\delta t_{CA}$ ）。这确保了安全指标是在正确的、偏移后的最近相遇时刻进行评估的。

主要贡献

构建了 TO CAM 问题模型： 本研究将重点从燃料最优转向时间最优构型，专门针对最大化机动前可用的预警时间。
GTO 算法： 一种结合了贪婪控制策略与基于 DA 多项式映射的新颖后向扫描算法。这避免了求解完整 OCP 的计算负担，同时保持了高精度。
在线 TCA 更新： 集成了 DA 以自动追踪并更新由低推力机动引起的 TCA 偏移，确保安全指标是在真实的几何最近相遇时刻而非名义时间进行计算。
计算效率： 通过避免迭代前向传播并利用多项式求值，该方法实现了适用于机载实现的运行时间。

结果
GTO 方法使用来自 ESA 碰撞规避挑战赛的 2,170 个近地轨道（LEO）交会数据集进行了验证。

精度： 与前向传播验证结果相比，99.7% 的解在 SMD 方面的相对误差低于 0.15%，在 MD 方面的相对误差低于 0.04%。
最优性 vs. OCP： 与基于庞特里亚金极大值原理的真实最优控制解相比，GTO 方法在推力启动时间上的中值相对误差为 2.96%，95 分位误差低于 11%。这表明贪婪方法提供了对真实时间最优解的紧密近似。
燃料次优性： 正如预期，GTO 方法的燃料效率低于专门的燃料最优（FO）解。GTO 方法所需的 $\Delta v$ 平均比 FO 基准高出 33% 至 41%。这是由于贪婪策略在达到阈值前持续施加推力，而 FO 解通常会在控制效果收益递减的 TCA 附近使用滑行弧。
计算时间： 该算法表现出极高的计算效率，所有运行时间均低于 80 毫秒。在标准硬件上，SMD 构型的平均运行时间为 23 毫秒，MD 构型为 56 毫秒。

意义与主张
本文声称，对于以预警时间为主要约束的机载碰撞规避系统，GTO 方法提供了一种可行方案。虽然该方法接受了相对于 FO 解在燃料效率上的权衡，但它提供了一种计算量轻量化的方式来确定最晚可能的机动启动时间。作者指出，GTO 解可以作为更复杂的 FO 求解器的鲁棒初始猜测，或者用于在执行燃料优化程序之前先进行时间最优检查的流程中，以确定是否确实需要进行机动。无需重新传播即可在线更新 TCA 偏移的能力，被强调为该方法实现高精度和高速度的关键驱动因素。

问题所在：“最后可能的时刻”

解决方案：“逆向扫描法”

神奇工具：“微分代数”

结果：快速且足够好

总结

类似论文