Techniques d'optimisation robuste stochastiques pour l'analyse mission

Robust Stochastic Optimisation Techniques for Mission Analysis

• Auteur / Autrice : Thomas Caleb
• Direction : Stéphanie Lizy-destrez, Roberto Armellin
• Type : Projet de thèse
• Discipline(s) : Automatique et Informatique
• Date : Inscription en doctorat le 01/02/2023
• Etablissement(s) : Toulouse, ISAE
• Ecole(s) doctorale(s) : École doctorale Systèmes (Toulouse ; 1999-....)
• Partenaire(s) de recherche : Laboratoire : ISAE-ONERA ACDC - Analyse, Commande Dynamique et Conception des systèmes

Mots clés

Mots clés libres

Optimisation robuste

Analyse mission

Dynamique non-linéaire

Robust optimisation

Mission analysis

Nonlinear dynamics

Résumé

La planification de missions ambitieuses comportant des manœuvres complexes telles que des swingbys, des assistances gravitationnelles ou des survols est un processus de long et complexe. Ces phases de trajectoire sont très non-linéaires et critiques, ce qui rend leur robustesse difficile à évaluer. Par exemple, il faut prendre en compte les incertitudes de navigation, d'état ou de mesure, et vérifier que les approches du corps céleste sont compatibles avec les normes de protection planétaire pour éviter les collisions et donc la contamination du corps céleste. Alors que les méthodes actuelles consistent à effectuer séquentiellement la conception de la trajectoire déterministe puis les analyses de navigation, on s'intéresse de plus en plus aux outils qui permettent de fusionner ces deux phases. De telles techniques éviteraient d'itérer entre l'analyse mission et la navigation, ce qui permettrait de gagner du temps et des ressources et, surtout, de fournir des trajectoires optimales et robustes. A ce jour, les techniques disponibles ne sont pas assez matures pour être utilisées dans un scénario opérationnel. Il est donc nécessaire de développer des techniques d'optimisation robustes à adopter sur ces missions complexes. Ces techniques comprennent l'optimisation stochastique, l'apprentissage par renforcement, ou l'optimisation polynomiale utilisant l'algèbre différentielle. Après avoir évalué ces techniques sur un problème de mécanique spatiale simple mais pertinent, la mise en œuvre des méthodes les plus convaincantes dans un outil d'optimisation de trajectoire robuste plus ambitieux constituera le deuxième objectif. Les cas d'étude tels que les projets d'exploration des planètes du système solaire avec de nombreux swingbys (mission JUICE (ESA) ou BepiColombo (ESA/JAXA) par exemple), ou les missions vers le système Soleil-Terre-Lune (Euclid (ESA)), sont bien adaptées pour évaluer un tel outil d'optimisation et pourront servir à valider la méthode.

Planning ambitious missions with complex maneuvers such as swingbys, gravitational assists, or close flybys is a lengthy process. These trajectory phases are highly non-linear and critical, making their robustness challenging to assess. For instance, one needs to consider navigation, state or measurement uncertainties, and verify that celestial body approaches are compatible with planetary protection to avoid crashes, hence, contamination of the celestial body. While current methods consist in performing deterministic trajectory design and navigation analyses sequentially, there is increasing interest in tools that allow the merging of these two phases. Such techniques would avoid iterating between mission analysis and navigation, thus saving time and resources and, more importantly, providing optimal and robust trajectories. As of today, the available techniques are not mature enough to be used in an operational scenario. Thus, the need to develop robust optimization techniques to adopt in challenging missions. These techniques include stochastic optimization, reinforcement learning, or polynomial optimization using differential algebra. After assessing these techniques on a simple but relevant astrodynamics problem, implementing the most convincing methods in a more ambitious robust trajectory optimization tool will be the second objective. Study cases such as solar system planet exploration projects with many swingbys (ESA JUICE mission or ESA/JAXA's BepiColombo for instance), or missions to the Sun-Earth-Moon system (ESA's Euclid), are well-adapted to assess such an optimization tool and can be used to validate the method.