MARC

 008260126s2024        us                              c    eng  d
■001000017360380
■00520260202105515
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798263337414
■035    ▼a(MiAaPQ)AAI32309307
■035    ▼a(MiAaPQ)GeorgiaTech75270
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a523.3
■1001  ▼aBender,  Theresa  Elizabeth.
■24510▼aMethodological  Improvements  for  the  Integration  of  Spacecraft  Trajectory  Optimization  into  Conceptual  Space  Mission  Design
■260    ▼a[Sl]▼bGeorgia  Institute  of  Technology▼c2024
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2024
■300    ▼a301  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  87-06,  Section:  B.
■500    ▼aAdvisor:  Mavris,  Dimitri.
■5021  ▼aThesis  (Ph.D.)--Georgia  Institute  of  Technology,  2024.
■520    ▼aAs  humans  continue  to  send  spacecraft  further  into  space  and  explore  uncharted  territories,  the  implementation  of  space  mission  design  becomes  of  paramount  importance.  Trajectory  design  and  optimization  is  a  key  element  of  space  mission  design.  It  provides  information  on  the  specific  route  a  vehicle  will  take,  as  well  as  numerical  estimates  pertaining  to  fuel  consumption  and  transfer  time.  Since  such  estimates  are  generally  required  for  the  analysis  of  other  subsystems  and  the  overall  mission,  some  level  of  trajectory  design  must  be  performed  during  the  conceptual  design  phase.  Due  to  the  complexity,  high  computational  costs,  and  long  runtimes  of  high-fidelity  trajectory  analyses,  less  accurate  methods  are  typically  used.  Low-fidelity  estimates  provide  sufficient  accuracy  for  initial  analyses;  however,  they  often  lack  valuable  information  about  the  trajectory  that  is  important  to  consider  during  the  conceptual  design  phase.  As  a  result,  potential  trajectory  options  that  could  impact  mission  concept  of  operations  or  objectives  may  not  be  considered.More  advanced  trajectory  analysis  is  difficult  to  incorporate  into  mission  design  planning  due  to  its  complexity,  high  computational  cost,  and  long  runtime.  Spacecraft  trajectory  design  is  often  a  manual  process,  which  hinders  its  integration  into  conceptual  mission  design  studies.  As  new  information  about  the  mission  becomes  available,  subject  matter  experts  are  needed  to  rerun  the  analysis  under  the  new  conditions.  This  is  partly  due  to  gaps  in  knowledge  regarding  how  design  inputs  affect  the  trajectory  solution  space,  which  makes  it  difficult  to  perform  efficient  design  space  exploration  and  target  certain  solution  types,  particularly  under  evolving  mission  requirements.  Furthermore,  many  factors  and  considerations  external  to  the  trajectory  design  problem,  but  that  influence  its  design  space,  are  analyzed  outside  of  the  trajectory  design  problem.  The  overall  objective  of  this  research  is  to  develop  methodological  improvements  for  spacecraft  trajectory  design  and  optimization  that  integrate  these  factors,  provide  increased  flexibility,  and  better  enable  trajectory  considerations  to  be  incorporated  into  conceptual  mission  design  studies.This  research  proposes  a  design  space  exploration-based  approach  to  the  integration  of  trajectory  design  and  optimization  into  conceptual  mission  design.  It  aims  to  provide  a  strong  characterization  of  the  design  space  and  an  understanding  of  the  problem  behavior,  as  well  as  be  better  suited  for  early  phase  design  studies  that  possess  unknown  or  evolving  mission  requirements.  The  first  part  of  this  research  introduces  a  design  of  experiments  and  sensitivity  analysis  into  the  traditional  trajectory  design  process  in  order  to  identify  the  behaviors,  sensitivities,  and  trends  of  trajectory  optimization  problems.  A  regression-based  approach  for  the  selection  of  initial  guesses  is  proposed  in  order  to  perform  more  efficient  design  studies  and  gain  additional  insight  about  the  relationships  between  variables.  Through  experimentation  performed  on  a  semi-analytic  problem,  it  is  shown  that  this  methodology,  when  applied  in  a  model-based  environment,  successfully  recovers  the  behavior  of  the  semi-analytic  function  while  providing  additional  insights  and  findings  not  previously  attained  through  the  traditional  approach.The  second  part  of  this  research  investigates  the  integration  of  additional  evaluation  criteria,  namely  robustness  and  sensitivity  analyses,  that  are  often  performed  independent  of  the  trajectory  design  problem.  A  methodology  is  proposed  for  their  quantification  and  integration  into  design  space  exploration  studies  so  that  they  may  be  analyzed  and  visualized  alongside  performance-based  metrics,  which  is  validated  through  experimentation.  The  third  part  of  this  research  integrates  mission  design  considerations  into  this  parametric  environment  through  the  superimposition  of  constraints  onto  the  design  space.  This  results  in  a  set  of  feasible  trajectories  that  meets  performance,  robustness,  sensitivity,  and  mission  design  requirements  and  constraints,  as  confirmed  through  the  final  phase  of  experimentation.With  the  proposed  methodology  established  and  validated,  a  demonstration  on  a  cislunar  design  problem  is  performed  in  order  to  showcase  the  benefits  and  insights  gained  from  leveraging  these  methods.  A  characterization  of  the  design  space  and  identification  of  its  behaviors,  sensitivities  and  trends  are  performed,  which  provide  insight  into  the  characteristics  of  viable  transfer  trajectories  and  final  lunar  orbits.  Six  solution  families  are  revealed,  each  with  unique  behaviors  and  trends  with  respect  to  the  design  variables,  optimization  variables,  and  objective  function.  The  robustness  and  sensitivity  of  these  solutions  are  then  quantified  and  integrated  into  the  performance-based  design  space  exploration,  which  enables  comparisons  among  the  various  solution  families.  Mission  design  considerations  are  then  evaluated  to  enable  the  superimposition  of  all  constraints  in  a  dynamic  and  parametric  evaluation  environment.  This  allows  identification  of  solution  characteristics  more  prone  to  violation  of  beta  angle  and  eclipse  constraints.  Overall,  the  demonstration  illustrates  how  the  use  of  the  developed  framework  and  methodologies  results  in  trade  studies  between  trajectory  design  and  other  mission  design  considerations  that  are  more  comprehensive  and  flexible  than  current  methods  allow.
■590    ▼aSchool  code:  0078.
■650  4▼aMoon
■650  4▼aMars
■650  4▼aEngineers
■650  4▼aAerospace  engineering
■653    ▼aSpacecraft
■653    ▼aTrajectory  solutions
■690    ▼a0538
■71020▼aGeorgia  Institute  of  Technology.
■7730  ▼tDissertations  Abstracts  International▼g87-06B.
■790    ▼a0078
■791    ▼aPh.D.
■792    ▼a2024
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17360380▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

Preview

Export

ChatGPT Discussion

AI Recommended Related Books