Tightly-Coupled Estimation and Guidance for Robust Low-Thrust Uncooperative Rendezvous via Adaptive Homotopy
本文提出了一种用于鲁棒低推力非合作交会对接的紧耦合估计与制导架构，该架构通过基于多调优因子增强型卡尔曼滤波的复合创新得分来自适应调节同伦参数，从而在导航置信度下降时通过放宽控制约束，有效地平衡燃料效率与终端精度。
原始论文采用 CC BY 4.0 许可（https://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
太空正变得日益拥挤，不仅充满了活跃的卫星，还充斥着往昔任务留下的沉默、翻滚的残骸。清理这些碎片或与损坏的航天器对接以进行维修，需要一场极其精准的精妙舞步。挑战在于目标通常是“不配合”的：它不发送信号，它进行着不可预测的旋转，而试图追踪它的传感器也可能被强光或阴影所致盲。为了让航天器向这类目标移动，工程师们使用低推力发动机。它们就像是一种温柔、持续的推力，而非猛烈的撞击，虽然提供了极高的燃料效率，但要求航天器在长时间内极其谨慎地进行自我转向。目标是在消耗最少燃料的情况下抵达，但寻找那条完美路径背后的数学逻辑是极其脆弱的。如果计算机对目标位置的猜测哪怕只有微小的偏差，或者传感器出现了瞬间的错误读数，原本最高效的路径可能会突然变得无法执行，导致航天器彻底错过目标。
爱荷华州立大学的研究人员开发出一种全新的引导航天器的方法，该方法将计算机对自身数据的信心程度视为“方向盘”。在他们的研究中，他们创建了一个系统，该系统的引导计算机不仅观察它认为航天器所处的位置，还会询问它对该位置的确定程度。当传感器工作完美时，计算机计算出最节省燃料的路径，这种路径涉及尖锐的、开/关式的推力爆发。然而，一旦传感器开始出现异常——例如由于突发的噪声或故障——系统会自动放缓其策略。它会切换到一种更平滑、更保守的路径，这种路径虽然会多消耗一些燃料，但其稳定性要高得多。这并非一个简单的备份计划，而是一个持续的、实时的调整过程：每当信息变得不再那么可靠时，计算机就会精确地减轻对发动机的要求。
研究人员在一个模拟了困难场景的计算机仿真中测试了这个想法：一个航天器试图在传感器受到严重干扰的情况下，与一个翻滚的太空垃圾进行对接。他们引入了一段测量数据被大量噪声和持续的误导性偏差所破坏的过程，这实际上在航行途中使航天器处于“失明”状态。在这次测试中，传统的做法（即无论如何都试图坚持最有效率路径的做法）彻底失败了。它偏离目标超过四米，而在真实的对接操作中，这样的距离是灾难性的。即使是改进后的传统方法（即试图忽略坏数据但保持同样僵化转向逻辑的方法），也偏离了近八米。然而，新系统成功了。通过识别传感器问题并切换到一种更平滑、更稳健的控制模式，它将航天器引导至距离目标仅 33 厘米处。这种精度的实现仅使用了适度的额外燃料，证明了在混乱的环境中，牺牲一点效率来换取大量的安全性才是生存的关键。
这项发现之所以特别重要，是因为研究人员发现，他们的新系统中任何一部分都无法独立工作。他们再次运行了模拟，仅保留了改进后的传感器滤波器，但保留了僵化的转向逻辑；结果航天器仍然错过了目标。他们还尝试了使用智能自适应转向，但使用的是基础的传感器滤波器（无法清理坏数据）；在这种情况下，转向系统因为在对虚假警报做出反应而做出了错误的决策，任务再次失败。成功仅来自于两者之间的紧密结合。传感器系统必须清理数据，以便转向系统能够信任它；同时，转向系统必须具备足够的灵活性，能够根据这种信任度来改变其行为。这是一种伙伴关系：导航团队告诉飞行员，“我现在对地图不太确定”，而飞行员立即做出反应，选择一条更安全、更慢的路线，而不是一味追求最快的路径。
该研究还观察了这些计算的速度，这对于实时航天飞行至关重要。新系统能够在不到一秒的时间内解决转向航天器所需的复杂数学问题，并且在传感器失效时依然能保持一致且可靠。其他试图通过反复猜测和检查不同方案来变得“聪明”的方法则耗时更长，有时甚至无法及时找到答案。这种新方法之所以能兼顾快速与准确，是因为它不会在条件恶劣时浪费时间去强求一个困难的、完美的解。相反，它能立即找到一个良好的、安全的解。这表明，对于未来的太空碎片清理或损坏卫星维修任务，最可靠的飞行方式不是追求最高的效率，而是追求最高的适应性——在节省燃料的渴望与保持安全的需要之间不断寻求平衡。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。