Ginevra Berni
Training of a neural network for fuel-optimised space trajectories.
Rel. Lorenzo Casalino. Politecnico di Torino, Corso di laurea magistrale in Ingegneria Aerospaziale, 2022
|
Preview |
PDF (Tesi_di_laurea)
- Tesi
Licenza: Creative Commons Attribution Non-commercial No Derivatives. Download (2MB) | Preview |
Abstract
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
Relatori
Anno Accademico
Tipo di pubblicazione
Numero di pagine
Corso di laurea
Classe di laurea
Aziende collaboratrici
URI
![]() |
Modifica (riservato agli operatori) |
