Deep Learning per guida autonoma di satelliti in trasferimenti interplanetari

L’impiego di reti neurali per la generazione di profili di guida a bordo di un satellite nell’ambito di trasferimenti interplanetari ridurrebbe notevolmente i tempi di risposta ad eventuali anomalie. Questa tesi discute la costruzione di un simulatore a ciclo chiuso in cui una rete neurale viene integrata con un propagatore orbitale. La rete consiste in un modello completamente connesso e presenta un’architettura a due teste che forniscono rispettivamente le componenti e l’intensità di spinta sulla base dello stato del satellite. Il modello è stato allenato per approssimare una strategia di controllo ottimo volta a minimizzare il consumo di propellente. Il sistema completo consiste quindi in una retroazione del propagatore sulla rete. Il propagatore restituisce, ad ogni iterazione, lo stato del satellite a valle della manovra precedentemente imposta dalla rete. I risultati conseguiti dimostrano il potenziale applicativo del sistema nell’ambito dei trasferimenti interplanetari a bassa spinta.