論文の概要: Constrained Control for Autonomous Spacecraft Rendezvous: Learning-Based Time Shift Governor

• arxiv url: http://arxiv.org/abs/2412.05748v1
• Date: Sat, 07 Dec 2024 21:17:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-10 14:56:11.294037
• Title: Constrained Control for Autonomous Spacecraft Rendezvous: Learning-Based Time Shift Governor
• Title（参考訳）: 自律型宇宙船レンデブーの制約制御:学習型時間シフト知事
• Authors: Taehyeun Kim, Robin Inho Kee, Ilya Kolmanovsky, Anouck Girard,
• Abstract要約: 本稿では, ランデブーやドッキングの際の制約を強制する, TSG(Time Shift Governor)に基づく制御方式を提案する。 TSGは、名目上のクローズドループシステムへのアドオンスキームとして、副宇宙船の目標基準として、時間シフトのチーフ宇宙船軌道を生成する。 TSG実装への我々のアプローチは、過去の副次的および主的宇宙船状態の連続の関数として時間シフトパラメータを近似するLSTMニューラルネットワークを統合する。
• 参考スコア（独自算出の注目度）: 1.3499500088995464
• License:
• Abstract: This paper develops a Time Shift Governor (TSG)-based control scheme to enforce constraints during rendezvous and docking (RD) missions in the setting of the Two-Body problem. As an add-on scheme to the nominal closed-loop system, the TSG generates a time-shifted Chief spacecraft trajectory as a target reference for the Deputy spacecraft. This modification of the commanded reference trajectory ensures that constraints are enforced while the time shift is reduced to zero to effect the rendezvous. Our approach to TSG implementation integrates an LSTM neural network which approximates the time shift parameter as a function of a sequence of past Deputy and Chief spacecraft states. This LSTM neural network is trained offline from simulation data. We report simulation results for RD missions in the Low Earth Orbit (LEO) and on the Molniya orbit to demonstrate the effectiveness of the proposed control scheme. The proposed scheme reduces the time to compute the time shift parameter in most of the scenarios and successfully completes rendezvous missions.
• Abstract（参考訳）: 本稿では, 2-Body問題の設定において, ランデブーやドッキング (RD) の際の制約を強制する, TSG(Time Shift Governor)ベースの制御方式を提案する。 TSGは、名目上のクローズドループシステムへのアドオンスキームとして、副宇宙船の目標基準として、時間シフトのチーフ宇宙船軌道を生成する。 この指示された基準軌道の修正により、時間シフトがゼロに減らされランデブーが影響されることが保証される。 TSG実装への我々のアプローチは、過去の副次的および主的宇宙船状態の連続の関数として時間シフトパラメータを近似するLSTMニューラルネットワークを統合する。 このLSTMニューラルネットワークは、シミュレーションデータからオフラインでトレーニングされる。 提案手法の有効性を実証するため,低地球軌道(LEO)およびモルニヤ軌道におけるRDミッションのシミュレーション結果について報告する。 提案手法は,ほとんどのシナリオにおいて時間シフトパラメータを計算する時間を短縮し,ランデブーミッションを完了させる。

関連論文リスト

• DSLO: Deep Sequence LiDAR Odometry Based on Inconsistent Spatio-temporal Propagation [66.8732965660931]
  本稿では,LiDAR odometry DSLO の非一貫性時間伝搬に基づく3次元点列学習モデルを提案する。 ピラミッド構造で、シーケンシャルなポーズモジュール、階層的なポーズリファインメントモジュール、時間的特徴伝搬モジュールで構成されている。
  論文  参考訳（メタデータ） (2024-09-01T15:12:48Z)
• Scaling Learning based Policy Optimization for Temporal Logic Tasks by Controller Network Dropout [4.421486904657393]
  非線形環境下で動作する自律エージェントに対して,フィードバックコントローラを訓練するためのモデルに基づくアプローチを提案する。 この学習問題は、エージェントのタスク目標の時間的地平線に比例して繰り返し単位の数が比例する、リカレントニューラルネットワーク(RNN)のトレーニングとどのように似ているかを示す。 そこで我々は,ドロップアウトあるいは勾配サンプリングのアイデアに基づく新しい勾配近似アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-03-23T12:53:51Z)
• Neural Laplace Control for Continuous-time Delayed Systems [76.81202657759222]
  本稿では,ニューラルラプラス力学モデルとモデル予測制御(MPC)プランナを組み合わせた連続時間モデルに基づくオフラインRL法を提案する。 専門家の政策性能に近い連続的な遅延環境を実験的に示す。
  論文  参考訳（メタデータ） (2023-02-24T12:40:28Z)
• Designing a Robust Low-Level Agnostic Controller for a Quadrotor with Actor-Critic Reinforcement Learning [0.38073142980732994]
  ソフトアクター・クリティカルに基づく低レベルウェイポイント誘導制御器の訓練段階におけるドメインランダム化を提案する。 トレーニング中の四元数力学に一定の不確実性を導入することにより、より大規模な四元数パラメータを用いて提案課題を実行することができる制御器が得られることを示す。
  論文  参考訳（メタデータ） (2022-10-06T14:58:19Z)
• GEO satellites on-orbit repairing mission planning with mission deadline constraint using a large neighborhood search-genetic algorithm [2.106508530625051]
  本稿では,多対多の軌道修正ミッション計画のための大規模近傍探索適応型遺伝的アルゴリズム(LNS-AGA)を提案する。 多くの軌道上の修理シナリオでは、いくつかのサーベイリング宇宙船とターゲット衛星がGEO軌道にあり、RAANと真の異常がある。 ミッションの目的は、すべての衛星が修理された全ての衛星の総コストを最小化するために、すべての衛星の最適なサービスシーケンスと軌道ランデブー時間を見つけることである。
  論文  参考訳（メタデータ） (2021-10-08T03:33:37Z)
• Space-Time Graph Neural Networks [104.55175325870195]
  本研究では、時空間グラフニューラルネットワーク(ST-GNN)を導入し、時間変動ネットワークデータの時空間トポロジを共同処理する。 解析の結果,システムのネットワークトポロジと時間進化の変動はST-GNNの性能に大きく影響しないことがわかった。
  論文  参考訳（メタデータ） (2021-10-06T16:08:44Z)
• Finite-time System Identification and Adaptive Control in Autoregressive Exogenous Systems [79.67879934935661]
  未知のARXシステムのシステム識別と適応制御の問題について検討する。 我々は,オープンループとクローズループの両方のデータ収集の下で,ARXシステムに対する有限時間学習保証を提供する。
  論文  参考訳（メタデータ） (2021-08-26T18:00:00Z)
• DikpolaSat Mission: Improvement of Space Flight Performance and Optimal Control Using Trained Deep Neural Network -- Trajectory Controller for Space Objects Collision Avoidance [0.0]
  本稿では,宇宙船を所望の経路に追従させることにより,制御器の実証を行う方法について述べる。 障害回避アルゴリズムは、ニューラルネットワークからの入力を使用して自然に応答する制御機能に組み込まれる。 飛行制御と燃料消費を最適化するための複数のアルゴリズムは、軌道の飛行力学の知識を用いて実装することができる。
  論文  参考訳（メタデータ） (2021-05-30T23:35:13Z)
• Trajectory Planning for Autonomous Vehicles Using Hierarchical Reinforcement Learning [21.500697097095408]
  不確実かつ動的条件下で安全な軌道を計画することは、自律運転問題を著しく複雑にする。 RRT(Rapidly Exploring Random Trees)のような現在のサンプリングベース手法は、高い計算コストのため、この問題には理想的ではない。 軌道計画のための階層型強化学習構造とPID(Proportional-Integral-Derivative)コントローラを提案する。
  論文  参考訳（メタデータ） (2020-11-09T20:49:54Z)
• Reinforcement Learning for Low-Thrust Trajectory Design of Interplanetary Missions [77.34726150561087]
  本稿では, 惑星間軌道のロバスト設計における強化学習の適用について検討する。 最先端アルゴリズムのオープンソース実装が採用されている。 その結果得られた誘導制御ネットワークは、堅牢な名目的軌道と関連する閉ループ誘導法の両方を提供する。
  論文  参考訳（メタデータ） (2020-08-19T15:22:15Z)
• Transition control of a tail-sitter UAV using recurrent neural networks [80.91076033926224]
  制御戦略は姿勢と速度安定化に基づいている。 RNNは高非線形空力項の推定に用いられる。 その結果, 遷移操作時の直線速度とピッチ角の収束性を示した。
  論文  参考訳（メタデータ） (2020-06-29T21:33:30Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。