본 연구는 위성 군집에서의 실시간 분산 교란 보상을 위한 협력적 신경망(NN-Shared) 프레임워크를 제안하며, 이는 RGT-Walker의 폐형(closed-form) 해에 기반한다. 기존의 추종-리더(leader-follower) 또는 독립적(independent) 기법과 달리, 군집 내 모든 위성은 구조적 동질성과 교란의 동질성을 완전히 공유하므로, 교란 및 오차 정보의 실시간 집단 학습과 교환이 가능하다. 폐형 RGT-Walker 정식화는 강하게 규칙적이고 주기적인 궤도 패턴을 제공하며, 고전적인 J 2 기반 모델과 비교하여 딥러닝의 예측 및 일반화 능력이 더 우수함이 이론적 및 실험적으로 입증된다. 수치 시뮬레이션 결과, NN-Shared 방식은 군집 수준에서 제어 노력, 연료 소모, 궤적 오차 측면에서 칼만(Kalman), PID 및 계층적(hierarchical) 방법과 같은 기존 제어기보다 크게 뛰어나다. 이러한 결과는 실제 공간 환경에서 차세대 자율적 고정밀 위성 군집 운용의 필수 요소로서, 분산 신경 협력 제어 및 정보 공유를 배치하기 위한 실질적·기술적 기반을 제공한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.