Dieser Artikel präsentiert einen neuen Konzeptansatz für Tether-Netz-Systeme, bei dem autonom manövrierbare Einheiten (Maneuverable Units, MUs) eingesetzt werden, um Weltraumtrümmer einzufangen. Das System verwendet einen hierarchisch dezentralen Ansatz, bei dem eine zentrale Reinforcement-Learning-basierte Trajektorienplanung die optimalen Zielpositionen für die einzelnen MUs berechnet. Jede MU folgt dann ihrer zugewiesenen Trajektorie mithilfe eines dezentralen PID-Reglers, der auf verrauschten Sensorrückmeldungen basiert.
Das System wurde für zwei Varianten mit 4 und 8 MUs simuliert. Um den Lernprozess zu beschleunigen, wurde ein Ersatzmodell auf Basis eines rekurrenten neuronalen Netzwerks entwickelt, um die Erfolgschancen der Trümmererfassung vorherzusagen. Die Simulationsergebnisse zeigen, dass der vorgeschlagene Ansatz eine erfolgreiche Erfassung der Trümmer bei deutlich geringerem Treibstoffverbrauch als bei Standardverfahren ermöglicht, auch in Szenarien mit stark versetzter Trümmerlage im Vergleich zur Annäherungsrichtung des Verfolgerfahrzeugs.
In un'altra lingua
dal contenuto originale
arxiv.org
Approfondimenti chiave tratti da
by Achira Boonr... alle arxiv.org 03-13-2024
https://arxiv.org/pdf/2403.07125.pdfDomande più approfondite