Registration Number
0824U003242, PhD dissertation
Status
Доктор філософії
Date
05-11-2024
popup.evolution
.
Title
Models and methods of machine learning for dynamics analysis and control of spacecraft during space debris removal using ion beam
Author
Mykhailo O. Redka,
popup.head Serhii V. Khoroshylov
popup.opponent Anatoly M. Kulabukhov
popup.opponent Mykola V. Yefymenko
popup.review Aleksander V. Pirozhenko
popup.review Dmitro O. Khramov
popup.rada
Institute of Technical Mechanics of the National Academy of Sciences of Ukraine and the State Space Agency of Ukraine
Description
В цей час на навколоземних орбітах накопичилася велика кількість об'єктів, що не виконують корисних функцій та отримали назву космічного сміття. За даними вчених, подальша діяльність людини неможлива без впровадження методів активного видалення космічного сміття. Одним із запропонованих методів є метод видалення за допомогою іонного променя, який передає імпульс сили до об'єкту космічного сміття для його видалення з орбіти. Але відомо, що впровадження подібних систем видалення ускладнюється через високу вартість та терміни розробки. У той же час, розвитку набули апаратні та програмні методи машинного навчання, зокрема глибинного навчання та навчання з підкріпленням, які добре зарекомендували себе у задачах, пов'язаних з керуванням, навігацією, а також аналізом зображень. Дослідження присвячено підвищенню ефективності ключових задач, які необхідно вирішити для застосування методу видалення космічного сміття за допомогою іонного променя, за рахунок використання сучасних моделей та методів машинного навчання. Запропоновані методи порівняно із традиційними за показниками точності та швидкодії. Для задачі визначення сили впливу іонного променя визначено, що запропоновані методи дозволяють визначити силу щонайменш у 2 рази швидше за традиційний (аналітичний) метод за допомогою центральних проекцій на допоміжну площину. Отримано рівняння обчислювальної складності нейромережевих алгоритмів у порівнянні з аналітичним. Для задачі керування орієнтацією космічного апарату, застосовано методологію навчання з підкріпленням, за допомогою якого отримано закон керування, який може уточнюватись у міру взаємодії космічного апарату з середовищем. Для задачі керування відносним положенням космічного апарату, отримано закон керування із урахуванням включень двигунів, що дозволяє зменшити витрату палива двигунною установкою. Отримані методи керування за допомогою навчання з підкріпленням порівняно із традиційними.
Registration Date
2024-10-17
popup.nrat_date
2024-10-17 / 2026-07-01
