XiaoMi-AI文件搜索系统
World File Search System逆行轨道
用于无线能源供应的绕月卫星星座
摘要：本研究的目标是定义一个通过无线电力传输为月球表面提供电力的月球轨道系统。为了满足月球基地的电力需求，需要使用放置在稳定轨道上的卫星群。该卫星群的每颗卫星都由太阳能电池阵列和电池组成，为电力传输系统供电。该系统由激光器组成，可将电力传输到月球表面的接收器。接收器是光子能量转换器，是针对激光单色光优化的光伏电池。这项工作的成果将通过研究不同的轨道涵盖系统的架构，特别是分析一些子系统，例如激光器、电池组和放置在月球地面上的接收器。这项研究考虑了两种不同的能源需求，因此考虑了两种不同的接收器位置：首先，在阿尔特弥斯任务着陆点的战略位置，即月球南极附近的沙克尔顿陨石坑；其次，在月球赤道上，为未来和新的探索做准备。目标是评估满足月球基地所需功率的可能配置，估计约为 100 kW。为此，分析了几种情况：三种不同的轨道，一种是极地轨道，一种是冰冻轨道，一种是赤道轨道（地球-月球远距离逆行轨道），卫星数量不同，接收器的传输锥角也不同。本文的主要目的是对上述系统进行全面的可行性研究，特别强调选定的子系统。虽然简要介绍和讨论了热控制、激光瞄准和姿态控制子系统，但还需要进一步研究以深入研究这些领域，并更全面地了解它们在系统中的实施和性能。
使用强化学习设计多体系统中低推力进入周期性轨道的方法
I. 引言随着火星立方体一号 (MarCO) 任务的成功和小型化技术的进步，小型卫星不再局限于在低地球轨道 (LEO) 运行。相反，通过低推力小型卫星进行深空探索、技术演示和有针对性的科学任务可能很快就会成为现实。事实上，即将到来的任务，如月球冰立方、LunaH-map 和 NEA Scout，将把小型卫星作为次要有效载荷搭载在 Artemis 1 上，部署到多体重力环境内的各种位置[1-3]。然而，混沌多体系统中航天器的轨迹和机动设计本质上是一个高维问题，而且由于结合了与低推力小型卫星相关的约束而变得更加复杂：有限的推进能力、运行调度约束以及固定但不确定的初始条件。虽然存在多种基于最优控制和动态系统理论 (DST) 的数值方法，用于在多体系统的近似动力学模型中构建低推力轨迹和机动剖面，但自主和稳健设计策略的开发需要一种替代方法。强化学习 (RL) 是天体动力学界越来越感兴趣的一类用于实现轨迹和机动设计的自主性的算法。RL 算法通常涉及代理与环境交互，通过对动态状态采取行动来最大化奖励函数。代理会探索环境，直到确定了决定每个状态下最佳动作的策略。如果制定得当，这些算法可以探索许多状态-动作对以确定最佳动作，同时限制对次优动作的探索。RL 方法已用于天体动力学中各种应用和动力学模型的轨迹和机动设计。例如，Dachwald 探索使用人工神经网络和进化算法设计配备低推力航天器到水星的转移 [ 4 ]。Das-Stuart、Howell 和 Folta 近期提出的方法利用 RL 和基本动力学结构来设计圆形限制三体问题 (CR3BP) 中周期轨道之间的复杂转移轨迹 [ 5 ]。此外，Scorsoglio、Furfaro、Linares 和 Massari 还使用演员-评论家深度强化学习 (DRL) 方法来开发地月空间近直线轨道航天器的对接机动 [ 6 ]。最近，Miller 和 Linares 应用著名的近端策略优化 (PPO) 算法来设计地月系统中遥远逆行轨道之间的转移，通过 CR3BP 进行建模 [ 7 ]。这些研究的成功为天体动力学界继续探索和扩展 RL 在多体轨迹设计策略中的应用奠定了宝贵的基础。具体来说，本文以这些先前的研究为基础，重点关注实施基于 RL 的轨迹设计方法的一个重要组成部分：制定一个奖励函数，该函数既反映了设计目标，也反映了影响恢复机动轮廓操作可行性的约束。该分析是在低推力 SmallSat 的轨迹设计背景下进行的，以快速访问位于与 CR3BP 中的周期轨道相关的稳定流形上的附近参考轨迹。