面向扰动丰富环境下先进帆驱动航天器控制与动力学的模块化多保真度仿真框架

《Results in Engineering》：Modular Multi-Fidelity Simulation Framework for Advanced Sail-Driven Spacecraft Control and Dynamics in Perturbation-Rich Regimes

　　

集成ROS（Robot Operating System，机器人操作系统）与NVIDIA Omniverse的模块化仿真框架。
低地球轨道（LEO）轨道动力学与摄动的高保真建模。
面向模型无关大气阻力估计的新型基于传感器的射线投射（raycasting）方法。
用于加速阻力施加以支持高效强化学习（RL）训练的前馈神经网络（FFNN）代理模型。
同时集成经典控制与RL控制的支持。

低地球轨道（LEO）可降低通信时延与发射成本，但其动力学环境复杂。该环境存在持续的非保守摄动，尤其是大气阻力和地球非球形重力场；其中J₂带谐项会引起升交点赤经（RAAN）和近地点幅角（AoP）等轨道要素长期变化，大气阻力则导致轨道能量损失和半长轴衰减，并显著影响具有大型展开结构航天器的平动与转动稳定性。传统上这些力被视为干扰，但研究人员也关注其被动驱动潜力。与此同时，巨型星座和小型航天器，如CubeSat，增加了轨道拥堵与Kessler Syndrome风险；机构间空间碎片协调委员会（IADC）、欧洲空间局（ESA）和美国联邦通信委员会（FCC）等推动缩短任务后处置期限，小卫星又受质量和体积限制常无法主动推进，因此阻力帆成为法规合规和碎片减缓的重要技术。阻力帆借鉴太阳帆，通过可展开结构提高面积质量比，与大气阻力和太阳辐射压（SRP）相互作用，已用于寿终处置并拓展到姿态控制、离轨再入、编队飞行和交会等研究。高保真物理仿真对自主轨道系统运行准备至关重要，尤其帆驱动平台耦合轨道-姿态动力学对摄动高度敏感；地面气浮平台和机械臂无法完全复现微重力轨道效应。现有工具存在权衡：GMAT和STK等高保真传播器缺乏实时闭环控制集成，Gazebo、MuJoCo和Isaac Sim等机器人仿真器便于控制回路与学习开发但缺少轨道动力学原生支持。OnOrbitROS和SpaceROS等混合方案有所推进，Isaac Sim也展示了GPU加速强化学习（RL）潜力，但常缺乏LEO非线性、耦合轨道-姿态摄动保真度，且RL向空间系统转化仍受样本效率和飞行软件集成限制。因此，研究人员提出模块化高保真仿真框架，集成Gazebo、NVIDIA Isaac Sim和Isaac Lab与ROS，利用GPU加速多体物理、实时力建模和模块可扩展性，支持经典控制与RL控制。基准系统为2U CubeSat配阻力离轨装置（D3，也称阻力机动装置DMD），含四根可独立控制、长3.7 m、相对迎面倾斜20°且间隔90°的可展开boom，通过机械伸缩调节截面积以实现被动驱动。

关键技术与方法概述：研究人员采用ROS/ROS 2作为中间件，构建轨道动力学模块和航天器环境模块，分别负责轨道状态生成与仿真时力/力矩施加，并兼容Gazebo、Isaac Sim和Isaac Lab。轨道模块默认以Keplerian/TLE参数在LVLH/ECI框架下实时传播并发布状态；环境模块在Gazebo中用自定义LiDAR插件，在Isaac Sim中用PhysX/RTX LiDAR，在Isaac Lab中用RayCaster，并修改NVIDIA RayCaster以支持多动态网格。大气密度支持USSA76和NRLMSISE-00。航天器以URDF/SDF/USD统一描述，基准为2U CubeSat与D3。FFNN代理训练数据由Isaac Lab中RayCaster生成，共192000样本；RL环境基于Isaac Lab manager，采用部分可观测马尔可夫决策过程（POMDP）、RBF奖励和域随机化。

研究结果方面，4.1 轨道传播：研究人员将轨道传播器与GMAT的Runge-Kutta 89和Prince-Dormand 78积分器比较，采用CubeSat XI-V轨道参数，在圆轨道和椭圆轨道下位置与高度误差低于2%，状态矢量与Keplerian要素转换数值误差极小，表明传播器适合长时轨道仿真。4.2 大气阻力摄动模型实验与结果：研究人员强调主要贡献是模块化多保真仿真架构本身，可适配不同轨道、航天器形态和环境条件；不确定性包括参数和模型形式，大气密度与阻力系数C_D线性影响，相对速度二次影响，面积通过射线网格离散产生分辨率相关误差，解耦架构允许各变量独立替换和调参，传感器方法作为高保真参考。4.2.1 基于传感器的方法：研究人员用直径1 m球体验证，理论投影面积为0.785 m²，在Gazebo LiDAR、Isaac Sim的PhysX和RTX LiDAR以及Isaac Lab RayCaster中改变网格分辨率。提高分辨率可增加碰撞射线数并降低面积重建误差，细网格收敛至理论值，力矩可忽略，验证几何对称处理正确；PhysX LiDAR在中等密度下偶有漏检边缘射线，RTX传感器覆盖更接近精确但运行成本更高且无头模式受限。4.2.2 机器学习方法：研究人员对36种FFNN架构进行网格搜索，较深网络优于浅层网络，三层FFNN可稳定达到R²>0.9，层归一化提高精度但增加推理时间；Pareto分析表明三层、每层64–128单元较高效。最终代理模型在测试集R²=0.983，平均推理时间0.064 ms/样本。按姿态分层，力分量R²>0.979，中位相对误差由接近目标姿态的4.4%增至超过60°后的约13%，扭矩误差约为力误差的1.8倍，为10.5%–23%；最高阻力十分位中预测与真实力幅比值保持在0.975–0.989。按分量，测试集力R²>0.99、扭矩约0.97；训练六个月后同轨道独立数据集平均R²=0.941，力0.970、扭矩0.911，平均绝对误差低于18%，残差单峰且零中心，偏差低于对应真值标准差的3.2%。RL训练循环100个环境、1000次迭代在RTX 3090上，无摄动为1277.8 s，传感器方法为167394.4 s，FFNN代理为5699.4 s，即代理仅比无摄动基线慢约4.5倍，比传感器方法快近30倍，说明其适合大规模RL训练，而传感器方法适合推理和评估。4.3 强化学习驱动控制任务：研究人员设置差分阻力控制站位保持任务，2U CubeSat与D3跟踪轨道动力学模块传播的LVLH参考，通过四根boom伸缩改变气动剖面。任务建模为POMDP，观测包括位置和姿态误差、体框架速度、执行器状态、惯性近似和历史动作；动作以速率限制方式控制boom，最大速度0.05 m/s；奖励由三个RBF核组成主奖励，并以次要奖励惩罚角速度、线速度漂移、执行器抖动和boom速度。4.3.1 案例研究建模：上述POMDP、动作、奖励和域随机化构成RL案例。4.3.2 RL驱动控制鲁棒性：研究人员执行1000个独立闭环仿真，持续五个轨道周期，初始为随机翻滚和非对称执行器状态。稳定定义为首误差低于阈值并至少保持1200 s至五个轨道结束；97.4%环境稳定在10°以下，96.5%在5°以下，79.6%在3°以下。符合10°条件的974个环境中，平均绝对指向误差1.42°，平均位置误差0.124 m，Roll、Pitch和Yaw平均误差分别为0.58°、0.87°和0.69°；剩余2.6%初始角动量超出帆的可用控制权限。4.3.3 混合保真RL驱动控制性能：研究人员用FFNN代理训练策略，再用高保真射线投射进行零样本跨评估，以检验现实差距。在完整轨道、零跟踪误差初始下测试两种极端boom配置：Case A全收，Case B全伸。Case A初始面积小、气动力和力矩低，需展开boom获得控制权限；Case B初始面积大、气动力和力矩更大，控制权限更高但持续扰动更强。两者最终均进入有界稳态。高保真RayCaster采用0.012 m分辨率、7×7 m尺寸和NRLMSISE-00密度模型。结果表明策略可从极端边界条件恢复并管理结构惯性、变化控制权限和环境扰动的非线性耦合；零样本转移成功说明FFNN代理与射线投射模型差异处于学习控制器鲁棒性裕度内，可加速训练而不牺牲运行部署所需物理可靠性。

讨论部分强调，该工作的核心是模块化、多保真架构，而非单 一基线场景；解耦ROS架构允许环境节点替换、域随机化或噪声注入，传感器系统可提取碰撞坐标、表面法线和部件ID，使C_D可按攻角、材料等动态读取或计算；代理模型可捕获训练分布内复杂气动差异，超出分布则可重训练。研究结论翻译如下：本工作提出了一种高保真仿真框架，兼容帆驱动航天器动力学与控制，将轨道传播、摄动建模和航天器表示集成到Gazebo、Isaac Sim和Isaac Lab中。研究人员引入了一种新的基于传感器的大气阻力估计方法，以及一个代理FFNN模型，以减轻大规模RL训练期间的计算开销，展示了准确的力–力矩预测和显著效率提升，同时实现了结合两种方法的无缝“混合”工作流。此外，系统模块化设计原生支持相关环境参数的动态集成，这种灵活性与混合能力支持多种仿真阶段。该框架通过与GMAT的轨道传播比较、分析阻力参考和跨仿真器实验得到验证，确认了保真度和鲁棒性。通过将轨道动力学嵌入与RL兼容的数字孪生架构，所提系统为评估和开发LEO等摄动丰富环境中的控制策略提供了通用且可扩展的工具。未来研究将聚焦于扩展该框架所启用的RL控制应用，特别是自适应阻力帆部署和姿态稳定策略，并由系统奖励塑形研究支持，以有效利用被动帆驱动；还将研究约束强化学习（CRL），以确保策略在遵守严格安全和操作限制的同时最大化性能。除这些基本任务外，应用可扩展至受控离轨机动、交会操作和摄动丰富条件下的编队协调。此外，将代理模型与PPO之外的先进RL算法结合，可增强样本效率和策略鲁棒性，为未来阻力帆和太阳帆任务中更安全、自主、基于学习的控制策略铺平道路。