물리정보신경망을 이용한 우주비행체의 비행금지구역 회피궤적 최적화 (No-Fly Zone Avoidance Trajectories for Spacecraft Using Physics-Informed Neural Network)

서지정보

· 발행기관 : 항공우주시스템공학회
· 수록지 정보 : 항공우주시스템공학회지 / 19권 / 1호 / 11 ~ 19페이지
· 저자명 : 이동윤, 박성수

초록

우주 물체의 수가 증가함에 따라 우주 물체와 우주비행체 간의 충돌을 회피하는 궤적 최적화의 중요성이 커지고 있다. 궤적 최적화 문제를 해결하기 위해 유사스펙트럴 방법이 널리 사용됐지만, 모든 제약조건이 오직 콜로케이션 포인트에서만 만족되기 때문에 비행금지구역 내부와 근처에 충분한 수의 콜로케이션 포인트가 없으면 비행금지구역을 회피하는 궤적을 최적화하는 것에 한계가 있다. 본 논문에서는 이러한 문제를 해결하기 위해 물리 정보 신경망을 활용한 최적 제어 방법을 제안한다. 물리정보신경망은 콜로케이션 포인트의 수가 증가해도 학습 속도가 크게 저하되지 않으므로, 콜로케이션 포인트의 수를 늘려 비행금지구역 회피 제약조건을 만족할 수 있다. 시뮬레이션 결과는 제안된 방법이 우주비행체의 궤적을 정확하고 효과적으로 최적화할 수 있음을 보인다.

영어초록

Due to increasing number of space objects, the importance of optimizing the trajectory of spacecraft to avoid collisions between space objects and spacecraft is increasing. The pseudospectral method has been widely used to solve trajectory optimization problems. However, since the pseudospectral method satisfies all constraints only at collocation points, it may not be possible to generate a trajectory that avoids the no-fly zone if there are not enough collocation points within or near the no-fly zone. In this paper, we proposed an optimal control method using a physics-informed neural network (PINN) to solve this problem. Since the learn time of the PINN does not increase significantly with the number of collocation points, the PINN can effectively satisfy no-fly zone avoidance constraints by increasing the number of collocation points. Simulation results demonstrated that the proposed method could accurately and efficiently optimize the trajectory of spacecraft.

참고자료

· 없음