Реєстраційний номер
0824U003242, Дисертація доктора філософії
На здобуття
Доктор філософії
Дата захисту
05-11-2024
Статус
Захищена
Назва роботи
Моделі та методи машинного навчання для аналізу динаміки та керування супутників при видаленні космічного сміття іонним променем
Здобувач
Редька Михайло Олександрович,
Керівник Хорошилов Сергiй Вiкторович
Опонент Кулабухов Анатолій Михайлович
Опонент Єфименко Микола Володимирович
Рецензент Пироженко Олександр Володимирович
Рецензент Храмов Дмитро Олександрович
Установа, організація, у вченій раді якої відбудеться/відбувся захист
Інститут технічної механіки Національної академії наук України і Державного космічного агентства України
Опис
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.
Дата реєстрації
2024-10-17
Додано/оновлено в НРАТ
2024-10-17 / 2026-07-01
