Data-driven approach for understanding chaotic phenomena in spacecraft orbital mechanics

点击翻译按钮获取中文摘要

現在多くの分野において導入されつつあるAI・データサイエンスの手法は，複雑なシステムをモデル化，予測，制御する新たな方法を提供している.近年，月以 遠の深宇宙探査が注目を集める中，特に起点となる月近傍領域への低エネルギー遷移軌道はその重要性を増している.バリスティックキャプチャ軌道についても 多くの研究が報告されている.さらに，バリスティックキャプチャ軌道を用いた地球―月軌道の最適化も国内外で多く行われている.しかし，バリスティック キャプチャ軌道を含むカオス的な領域を含んだ軌道設計法は現象のメカニズムにおいていまだ未知の点が多い.また，機械学習によりカオス領域の軌道をモデル 化しようとする試みはあるものの，データ駆動モデリングによる試みは国内外でも例がない.宇宙機の多体力学系の運動は解析解がないため，軌道設計のための 大規模な数値計算が行われておりデータサイエンスの応用が期待される.惑星に一時的に捕獲される現象はバリスティックキャプチャとよばれ，大気抵抗などを 使わずに重力のみによって，惑星に最接近し，場合によっては惑星の周りを周回することができる.しかし，バリスティックキャプチャをはじめ，カオス的な領 域を含んだ軌道設計法は現象のメカニズムにおいていまだ未知の点が多くモデル化が困難である.本年度は動的モード分解の手法と遅延埋め込みの手法を組み合わせることで，宇宙機多体力学系のカオス運道を復元・予測するモデルを生成した．その結果，有限の時間ステップの予測は，十分なデータ数を用いることで十分な近似精度でカオス的な遷移現象を予測できるモデルが構築可能であることがわかった．さらに，データ駆動と機械学習を応用した軌道設計，ミッション設計について検討を行なった．