Solar Sail Interplanetary Transfer: Part II- Hybrid Layered Evolving Neural Network Based Global Optimization

长期以来，人们一直将深空旅行想象成由巨型化学燃料箱驱动的旅程，这种方法限制了航天器能够携带的货物量以及它们能飞行的距离。一个更优雅的替代方案是太阳帆，这是一种无需任何燃料的推进系统。太阳帆并不燃烧推进剂，而是像风帆船捕捉微风一样，捕捉阳光产生的轻微压力。这种持续且可再生的推力使航天器能够随时间推移不断加速，从而有可能达到极高的速度并携带更大的有效载荷。然而，为太阳帆规划航线是一项艰巨的挑战。由于帆必须不断调整角度以利用阳光，寻找前往另一颗行星的完美路径涉及解决一个包含无数变量的复杂数学谜题。传统方法往往会陷入局部解，因为它们依赖于一个已经非常接近答案的初始猜测，从而错失了真正最优的路线。

来自马来西亚、日本和俄罗斯的研究小组开发了一种解决这一难题的新方法，该方法将人工智能的学习能力与进化算法的试错能力结合在一起。在一项专注于将太阳帆从地球送往火星的研究中，他们创建了一个混合系统，其中计算机程序充当学习代理。该代理使用神经网络（一种受人类大脑启发的计算机模型）来决定在旅程中的每一时刻如何操控帆的方向。与那些需要完美初始猜测的旧方法不同，该系统通过进化进行学习。它生成数千条潜在的飞行路径，并在模拟中测试这些路径，以观察哪些路径能在最短时间内最接近目标。随后，最成功的路径会使用局部搜索工具进行进一步精炼，以完善细节。研究人员发现，这种方法可以发现比以往研究中更快的飞行路径，与现有文献中的最高估算值相比，它将前往火星的旅行时间缩短了近百分之十九。

模拟展示了一次航行过程：一个能够产生特定加速度水平的太阳帆离开地球，在不到365天的时间内抵达火星。这与使用既定方法通常预测的400到450天相比，是一个显著的进步。该系统不仅找到了更快的路线，还确定了最佳发射日期，将2020年7月中旬确定为理想的出发窗口。在整个飞行过程中，人工智能不断调整帆的方向，通过倾斜帆面以在最高效的角度捕捉阳光。由此产生的轨迹平滑且连续，引导航天器抵达火星附近，且相对速度足够低，能够被行星的引力捕获。最终，航天器与火星之间的距离处于该行星的引力球范围内，且相对速度保持在安全的限度内，以实现交会对接。

除了飞行路径本身，该研究还对能够实现这一壮举的航天器类型进行了实际分析。研究人员分析了帆的尺寸、其可携带的有效载荷质量以及任务性能之间的关系。他们确定，对于边长约为100米（这被认为是面向未来的现实尺寸）的帆，可以成功向火星运送约10公斤的有效载荷。这表明，虽然任务要求很高，但对于小型专用探测器来说是在可能范围内的。研究证实，通过使用这种混合神经网络方法，工程师可以应对太阳帆复杂的非线性动力学问题，从而找到以前无法触及的解决方案，为更高效、更强大的行星际任务开启了大门。