This paper focuses on optimizing the transfer time for multiple asteroid rendezvous missions utilizing low-thrust propulsion. An indirect method based on Pontryagin’s maximum principle is employed to generate training data by optimizing low-thrust trajectories for minimal time of flight. A deep neural network (DNN) is subsequently trained to estimate the minimum time of flight (TOF) between each pair of asteroids. To enhance the accuracy of predictions for rapid transfers (less than 150 days), the dataset is augmented with additional trajectory simulations. Leveraging the trained neural network, a Beam Search (BS) algorithm is implemented to efficiently determine the fastest sequence of rendezvous with multiple asteroids, starting from an arbitrary initial asteroid. The results demonstrate that an optimal rendezvous sequence involving 15 asteroids is achieved, with an average time of flight of 107.5 days per segment.
В настоящей статье рассматривается задача оптимизации времени для многократных сближений с астероидами при использовании малой тяги. Сначала для генерации обучающих данных был применен косвенный метод, основанный на принципе максимума Понтрягина, с помощью которого оптимизировались траектории с минимальным временем перелета с малой тягой. Глубокая нейронная сеть использовалась для оценки минимального времени перелета между каждой парой астероидов. Для улучшения прогнозирования в части быстрых перелетов (время перелета менее 150 дней) набор данных был расширен. На основе обученной нейронной сети в рамках метода пучкового поиска (beam search) был осуществлен быстрый поиск кратчайшего маршрута для последовательного сближения с несколькими астероидами, начиная с произвольного. В результате была получена оптимальная последовательность перелета сближений с 15 астероидами одним космическим аппаратом. Среднее время перелета на каждом отдельном участке маршрута составило 107.5 дня.