An Automated and Coordinated Collision Avoidance System for Operators of Small Satellites in Low Earth Orbit

Abstract

Rommiljøet endrer seg raskt. Flere objekter skytes opp i verdensrommet enn noen gang før. Dermed vil krysnings-hendelser, og dermed mulige kollisjoner i lav jordbane, kunne skje flere ganger daglig, sammenlignet med månedlig som i dag. I tillegg, har antallet høyrisiko-krysningshendelser økt kvadratisk det siste året. Det har resultert i at det å unngå kollisjoner har blitt en hverdagslig oppgave for småsatellittoperatører. De nåværende, kostbare, manuelle og ad-hoc prosedyrene, som mangler koordinering, er ikke lenger bærekraftig. Arbeidet som blir presentert i denne masteroppgaven har dermed som mål å designe et nytt automatisert og koordinert system for å unngå kollisjoner ved å ta i bruk avanserte deteksjons- og katalogiseringssystemer, kunstig intelligens, rombaserte kommunikasjonssystemer og banebrytende nettverksarkitekturer. spaceguard.ai-systemet presentert i denne oppgaven er et foreløpig design for et automatisert og koordinert system for å unngå kollisjoner i lav jordbane for operatører av små satellitter. Arbeidet startet med å identifisere fem prosedyrer nødvendige for å unngå kollisjoner i rommet. Prosedyrene ble deretter automatisert og forbedret for å tilrettelegge for et helautomatisert og koordinert system. Tre individuelle metoder ble brukt til å teste ytelsen til systemet. Teoretisk risikoreduksjon, reduksjon i tid før en krysning når en GO/NO GO må avgjøres, og kostnadsreduksjon. Systemet gir en teoretisk reduksjon på 90% i kollisjonsrisiko for små satellitter, vist gjennom fluksanalyse. spaceguard.ai-systemet reduserer tiden for å bestemme GO/NO GO fra en dag før en krysning til 90 minutter, eller mindre, validert gjennom simuleringer. Til slutt ble det vist at systemet leverer en 80% reduksjon i kostnad sammenlignet med dagens mest avanserte løsninger. Til slutt presenterer vi ODIN-systemet, en variant av spaceguard.ai-systemet som potensielt kan settes opp i Norge. ODIN-systemet vil være til fordel for det raskt voksende antallet små satellitter og operatører i Norge, og deres evne til å utføre trygg ferdsel i lav jordbane.

Deler av denne oppgaven er selektert for publisering og presentasjon ved Den internasjonale foreningen for avansement for romfartssikkerhet sin 11. konferanse i Osaka, Japan. En del er brukt som et internt dokument av ESA. En annen ble presentert ved DTU sin AI Expo i København, Danmark. Alle tre er vedlagt som del av masteroppgaven.

The space environment is changing rapidly. More objects are launched into space than ever before. conjunction events, thus possible collisions, will happen multiple times daily, compared to monthly as today, in Low Earth Orbit (LEO). Moreover, the number of high-risk conjunction events has been increasing quadratically in the last year. Accordingly, collision avoidance is becoming a frequent task for small satellite operators, and the currently expensive, manual and ad-hoc operations and procedures, which lack coordination, are no longer sustainable. This master thesis aims to design a novel automated and coordinated collision avoidance system by applying advanced tracking and cataloguing capabilities, artificial intelligence, space-based communication links, and a cutting-edge Space Traffic Management (STM) architecture. The presented spaceguard.ai system is a preliminary design for an automated and coordinated collision avoidance system for operators of small satellites in LEO. We identified five procedures necessary to do collision avoidance. These procedures were automated and enhanced to facilitate a fully automated and coordinated system. In addition, a variety of new solutions were described, designed, and developed. Three individual metrics were used to test the performance of the system. Theoretical risk reduction, reduction in time before Time of Closest Approach (TCA) a GO/NO GO has to be decided, and cost reduction. The system delivers a theoretical 90% reduction in collision risk for small satellites, shown through flux analysis. The spaceguard.ai system reduces the time of deciding GO/NO GO from one day before TCA to 90 minutes, or less, validated through System Tool Kit (STK) simulations. The system delivers an 80% reduction in cost compared to current best practice. Finally, we present the ODIN system, a variant of the spaceguard.ai system to be set up in Norway. The ODIN system will benefit the rapidly growing number of small satellites and operators in Norway and their ability to conduct best practice collision avoidance.

Parts of this thesis have been accepted for publication and oral presentation at the 11th International Association for the Advancement of Space Safety Conference in Osaka, Japan. A part is used as an internal document by ESA. Another part was presented at the DTU AI Expo in Copenhagen, Denmark. The papers are included as part of this master thesis.