최적화 기반 재구성·착륙 및 강건 예측제어 연구

Optimization-based reconfiguration, landing, and robust model predictive control

연구 내용

불확실성이 존재하는 임무에서 에너지·연료 비용을 줄이면서 재구성과 착륙·도킹을 수행하도록 최적화 및 예측제어 기법을 결합하는 연구

위성 재구성, 연료 최적 착륙, 도킹을 대상으로 비용 함수와 제약을 동시에 고려하는 제어 설계 방법을 연구합니다. 에너지 비용을 줄이기 위한 군집 비행 재구성 문제를 다루고, 연료 최적 착륙 정책에서는 학습 기반 정책의 성능을 분포 변화 관점에서 평가하는 지표를 제안합니다. 또한 우주선 렌데부·도킹에는 controller-matching 기반의 강건 model predictive control을 적용하여 제어 입력 제약과 불확실성을 함께 고려하는 설계를 수행합니다. 이 과정에서 최적화 알고리즘과 제어기 구조를 연계하여 실제 임무 절차로 전환 가능한 형태의 절차를 확보합니다.

관련 프로젝트

2건

연구 흐름

초기에는 에너지 비용을 목표로 하는 군집 비행 재구성 문제를 정의하고, 불확실성 하에서도 안정적으로 재구성 가능한 제어 프레임을 구성했습니다. 이후 착륙 운용에서 학습된 정책이 실제 조건에서 성능을 유지하는지 점검하기 위해 분포 변화 평가 관점을 도입하고, fuel-optimal landing 정책의 신뢰성 검증 흐름을 마련했습니다. 최근에는 도킹 문제에 대해 예측제어 기반의 설계로 확장하여 controller-matching 방식으로 강건성을 확보하는 방향으로 연구를 진행하고 있습니다. 동시에 행성 진입-감속-착륙 핵심 기술 개발 과제와 연계하여 시스템 통합 수준의 적용 가능성을 점검하고 있습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

에너지 최소 군집 재구성
연료 최적 착륙 정책 평가
분포 이동 기반 성능 점검
강건 model predictive control
우주선 렌데부 경로 생성
도킹 제어 입력 제약 고려
정책-제어 통합 검증
행성 진입-감속-착륙 유도 로직
임무 시나리오 최적화
불확실성 하 최적화 설계