arXiv (Robotics)AI
微分可能物理シミュレーションを用いた再利用型ロケットの飽和制約を考慮したロバスト軌道最適化
Saturation-Aware Robust Trajectory Optimization for Reusable Launch Vehicles via Differentiable Physics
この記事についてAIに質問する →
日本語要約青い用語にマウスを合わせると解説が表示されます
再利用型ロケットの高迎角フリップ操作は、極めて非線形な動力学、空力の不確実性、アクチュエータ飽和の複合的な影響により、ロバストな軌道最適化に対して大きな課題を呈する。本研究は、これらの困難な条件下での軌道最適化を実現するため、微分可能物理フレームワークを提案している。
このフレームワークの中核を成すのが、微分可能粒子管制御(DPTC)スキームである。このスキームでは、アンサンブルベースの分布形成戦略を通じて不確実性の進化を最適化する。状態の不確実性はラグランジュ粒子アンサンブルで表現され、硬いアクチュエータ投影演算子が計算グラフに直接組み込まれることで、公称フィードフォワード軌道と時間変動するフィードバック則の両者をエンドツーエンドの誤差逆伝播により同時最適化することが可能になる。
従来の自動微分に基づく逐次凸最適化(AD-SCvx)手法と従来の共分散操舵フィードバック戦略を組み合わせた基準手法との比較評価を実施した。6自由度モンテカルロシミュレーションの結果、基準手法は名目上の燃料最適解を達成する一方で、その制約なしフィードバック定式化は空力外乱下でアクチュエータ飽和に対して脆弱性を示し、閉ループロバスト性が低下することが明らかになった。これに対し、提案するDPTCフレームワークは、空間追従性を緩和して臨界的な制御権を確保することで、制約を認識したパフォーマンストレードオフを事前に実行する。これらの結果は、微分可能物理とアンサンブル最適化の統合が、強く制約されたロケット飛行システムにおけるロバストなガイダンスの実現に向けて、実用的かつ有効なフレームワークを提供することを実証している。