Training of a neural network for fuel-optimised space trajectories

Grazie allo sviluppo delle capacità di calcolo dei computer negli anni, sono emerse sempre più possibilità per quanto concerne l’utilizzo delle Intelligenze Artificiali. Nel corso degli ultimi anni queste si sono affermate come strumento per la risoluzione di problemi altrimenti considerati troppo complessi o che richiedono un elevato tempo computazionale. In questo lavoro di tesi vengono create delle reti neurali artificiali implementate su MATLAB, al fine di calcolare il consumo di propellente ottimale per un trasferimento dalla Terra all’orbita di Venere. Tali reti neurali permettono di risolvere questo problema di ottimizzazione molto rapidamente, soprattutto se confrontato con i metodi tradizionali, garantendo così al veicolo spaziale una maggiore indipendenza dalle stazioni di terra. Le reti neurali scelte in questo lavoro di tesi sono multistrato, e sfruttano dei dati provenienti da un database dell’ESA contenente alcune traiettorie ottimizzate per l’allenamento. Innanzitutto, tale allenamento viene svolto su varie architetture di reti neurali tramite la modifica del valore dei pesi che le compongono con l’algoritmo di Levenberg-Marquardt. Successivamente su di esse viene eseguito un test sfruttando altri dati provenienti dal suddetto database, permettendo così di calcolare lo scarto tra la massa di propellente ottimale e quella calcolata dalla rete neurale. Infine, è proposto un confronto tra le varie architetture considerate, per stabilire quale consenta di ottenere i risultati migliori.