Autor: ENRÍQUEZ FUENTES, César Daniel
Título: Nuevas técnicas analíticas y numéricas para el cálculo de la probabilidad de choque entre cuerpos en órbita terrestre
Fecha: 2025
Materia: ---
Escuela: E.T.S.I. AERONÁUTICA Y DEL ESPACIO
Departamento: FISICA APLICADA A LAS INGENIERIAS AERONAUTICA Y NAVAL
Acceso electrónico: https://oa.upm.es/91099/
Director/a(s):
- Director/a: GARCÍA-PELAYO NOVO, Ricardo
Resumen: In the context of the increasingly widespread utilization of outer space for a diverse range of missions, the risks associated with space debris are assuming growing importance. The anticipated increase in the number of objects in orbitincluding both active satellites and defunct objects or their fragmentsis expected to lead to a heightened risk of collision for space missions operating in Earth's vicinity. Low Earth orbits, in particular, are already the most congested, and they are experiencing the most significant growth in object density, partly due to the deployment of large-scale communication satellite constellations. Consequently, the development of more accurate methods for assessing the probability of collision between a satellite and other objects has become a priority. Improved risk estimation facilitates more informed decision-making with regard to the execution of collision avoidance maneuvers, which inherently reduce mission lifespan due to the associated fuel expenditure. This thesis seeks to contribute to the enhancement of such methods along two main lines. First, a novel approach has been developed for computing the collision probability between non-spherical objects, based on the short-term encounter model. Specifically, scenarios involving the collision of a cuboid-shaped satellite with a small spherical fragment, as well as the collision between two cuboidal objects, are considered. Since the orientation (attitude) of orbiting bodies is often unknown or unobservable, this study also explores the use of neural network techniques to estimate the attitude of a known object in orbit from its light curvesthat is, time series of brightness measurements obtained via ground-based telescopes. The proposed collision probability method demonstrates a computational speed advantage over more precise algorithms for non-spherical object collisions, such as the one proposed by Patera, which serves as a benchmark. Compared to other approximate methods in the literature, the algorithm developed in this work offers two notable benefits: it does not underestimate the collision risk in any of the tested scenarios, and it provides a significantly improved probability estimate in cases where the positional uncertainties of the objects involved are on the same order of magnitude as their physical dimensions. With regard to attitude estimation from light curves, the study was conducted using simulated data. The techniques employed, which are based on Long Short-Term Memory (LSTM) neural networks, yielded acceptable error margins when object orientations were restricted to a narrow range. This constraint is consistent with that of other approaches in the literature, which also require an initial attitude estimate. However, it was observed that estimation accuracy degrades significantly when a broader range of orientations is considered. At present, it has not been possible to obtain consistent attitude predictions under arbitrary orientation conditions. Accordingly, the methods evaluated in this thesis do not demonstrate a clear advantage over existing techniques. Further research is therefore recommended to explore potential strategies for overcoming these limitations. RESUMEN En el contexto de uso cada vez más extendido del espacio para diversos tipos de misiones, cobran una mayor importancia los riesgos asociados a la basura espacial. Es previsible que el mayor número de cuerpos en órbita, tanto satélites activos como objetos abandonados y fragmentos de éstos, conlleven un mayor riesgo de colisión para las misiones espaciales en el entorno de la Tierra. En particular, las órbitas bajas son ya las más congestionadas y el mayor aumento en el número de objetos se está produciendo en ellas, entre otros motivos, por el despliegue de las constelaciones de satélites de comunicaciones. En consecuencia, resulta aconsejable disponer de mejores métodos de cálculo de la probabilidad de colisión de un satélite con otros objetos. Con estimaciones más exactas del riesgo, se puede mejorar la toma de decisiones a la hora de realizar maniobras evasivas, que acortan la vida útil de la misión debido al consumo de combustible asociado. Esta tesis pretende contribuir a esta mejora de métodos por dos vías. Por un lado, se ha desarrollado un nuevo método de cálculo de probabilidad de colisión entre objetos no esféricos, basado en el modelo de encuentro a corto plazo (short-term encounter). En concreto, se considera el choque de un satélite con forma de paralelepípedo con un pequeño fragmento esférico y el choque de dos paralelepípedos. Ocurre que, a menudo, la orientación de los cuerpos en órbita no es accesible. Por ello, se ha explorado la aplicación de técnicas de redes neuronales a la estimación de la actitud de un objeto conocido en órbita. a partir de sus curvas de luz, esto es, de series temporales de mediciones del brillo del objeto por medio de un telescopio en tierra. El nuevo método de cálculo de probabilidad de choque muestra una mejora en velocidad de cálculo respecto a los algoritmos más exactos para colisiones de objetos no esféricos, como el propuesto por Patera, que se ha usado como referencia. Respecto a métodos aproximados disponibles en la literatura, el algoritmo desarrollado en la tesis ofrece dos ventajas relevantes: en ninguno de los casos probados subestima el riesgo de colisión. Además, mejora de forma relevante la estimación de probabilidad de choque cuando las incertidumbres de la posición de los objetos implicados es comparable a sus dimensiones. En cuanto a la estimación de actitud a partir de las curvas de luz, se ha llevado a cabo el estudio utilizado curvas simuladas. Las técnicas que se han probado, basadas en las denominadas redes LSTM (Long-Short Term Memory) han mostrado errores aceptables cuando las orientaciones del objeto están restringidas a un intervalo pequeño. Esta restricción es equivalente a la que presentan otros métodos de la literatura, que requieren una estimación inicial de la actitud. Se ha observado que la precisión se degrada al considerar un intervalo de orientación más amplio. No ha sido posible, por el momento, obtener predicciones de actitud coherentes al considerar actitudes arbitrarias. En consecuencia, los casos probados en la tesis no muestran una ventaja comparativa respecto a otras técnicas ya existentes. Por ello, se considera aconsejable continuar la investigación a futuro para determinar si es posible sortear las limitaciones encontradas.