Solar sail is a propulsion system of spacecraft that uses solar wind on a large area of sail. Recently many researches have been done because it is considered to appropriate for long-term space mission such as interplanetary mission due to its property that there is no fuel consumption and few mechanical driving part. But it is difficult to control the magnitude of thrust and the direction of thrust independently, and the magni-tude of thrust itself is so low that finding optimal control is a very important problem for designing a new so-lar sail mission. Generally the trajectory optimization problem for continuous thrust is known to be a hard problem and consumes large computational time. Among many of studies to solve that problem, the existing method using evolutionary neural network has a strong point that it is able to find global optimum solution without any initial guess.
In this research, we implement the existing evolutionary neurocontroller and find the optimal shape of it by solving trajectory optimization problem. But when we use genetic algorithm, it shows poor conver-gence speed and poor accuracy on the solution caused by the property of GA itself. In other to solve that problem, a new approach for neurocontroller that utilize other EAs is introduced. Particle swarm optimization, Memetic algorithm, and also their hybridization algorithm was proposed to improve the performance of evo-lutionary neurocontroller. The way to applying these EAs on neural network individual is studied.
We implement the proposed algorithms and apply them to the trajectory optimization problem for solar sail Earth-Moon transfer. The results and the performance of proposed algorithms are compared with the ones of existing evolutionary neurocontroller. Additionally we have simulation for many other cases with different efficiency of solar sail in other to confirm the practical ability of proposed algorithm.
태양광 우주선은 넓은 면적의 돛에 태양풍을 받아 추진하는 방식을 사용한 우주선으로 최근 많은 연구가 진행되고 있다. 태양광 추진 방식은 연료를 소모하지 않고 구동부가 적다는 점에서 특히 행성간 미션과 같은 장기간 임무에 적합하다고 여겨진다. 그러나 추진력이 약하고 추진 방향과 추진력을 따로 제어할 수 없기 때문에 최적 제어를 찾는 일은 태양광 우주선 미션 설계에 매우 중요한 역할을 한다. 일반적으로 연속 추진 방식의 최적 제어를 찾는 일은 어렵고 계산량이 많은 문제로 알려져 있으며 이를 해결하기 위한 많은 연구가 진행되어 있다. 이 중 기존의 진화 뉴로컨트롤러를 이용한 방법은 초기값 추측 없이 전역 해를 찾을 수 있다는 이점을 가진다.
본 연구에서는 진화 뉴로컨트롤러를 구현하여 태양광 우주선 경로 최적화 문제를 풀고 최적의 진화 뉴로컨트롤러 형태를 찾는다. 그러나 유전자 알고리즘을 사용하는 경우 수렴속도 및 정확도 측면에서 사용하기 어려운 점이 있어 이를 해결하기 위해 다른 진화 알고리즘을 이용한 뉴로컨트롤러를 제안한다. 입자군집최적화, 미미틱 알고리즘을 적용하고 이들을 동시에 이용하여 수렴속도를 빠르게 하는 알고리즘을 제안한다. 뉴럴 네트워크를 개체로 가지는 진화 알고리즘의 경우 이들을 어떻게 적용하는지에 관하여 연구한다.
제안한 알고리즘들을 구현하고 태양광 우주선의 지구-수성 궤도천이 최적화 문제에 적용하여 수치적인 시뮬레이션을 실행한다. 제안한 알고리즘의 수렴속도 및 해의 정확성을 기존의 알고리즘과 비교한다. 다양한 경우에 적용하였을 시 항상 최적의 해를 얻을 수 있는지 확인하기 위하여 태양광 우주선의 성능을 바꾼 여러 경우에 대하여 시뮬레이션을 시행하고 결과를 비교한다.
