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

用于理解航天器轨道力学中混沌现象的数据驱动方法

基本信息

批准号：
21K18781
负责人：
坂東麻衣
金额：
$ 4.16万
依托单位：
Kyushu University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Challenging Research (Exploratory)
财政年份：
2021
资助国家：
日本
起止时间：
2021-07-09 至 2024-03-31
项目状态：
已结题

项目摘要

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．

当前在许多领域中引入的AI和数据科学方法为建模，预测和控制复杂系统提供了新的方法。近年来，来自月球的深空探索引起了人们的注意，尤其是低能量过渡轨道到月球区域（这是起点）变得越来越重要。还报告了许多有关弹道捕获轨道的研究。此外，使用弹道捕获轨道对地球轨道进行了许多优化，在国内和国际上也进行了。但是，包括混乱区域（包括弹道捕获轨道）在内的轨道设计方法在现象机理中仍然未知。此外，尽管尝试使用机器学习在混乱区域进行轨道构想，但在国内和国际上都没有尝试对轨道进行建模。由于没有用于多体力学的航天器运动的分析解决方案，因此必须设计轨道。正在进行大规模数值计算，并有望应用数据科学。被行星暂时捕获的现象称为弹道捕获，只能通过重力接近行星，而无需使用大气阻力，在某些情况下，轨道设计方法（包括弹道捕获）包括混乱区域，难以建模。在今年，我们创建了一个模型，该模型通过结合动态模式分解和延迟的嵌入方法来恢复和预测航天器多体力学的混乱路径。结果，发现通过使用足够的数据计数，可以构建具有足够近似精度的混乱过渡现象的模型。此外，使用数据驱动和机器学习检查了轨迹设计和任务设计。