logo SBA

ETD

Digital archive of theses discussed at the University of Pisa

 

Thesis etd-06252008-204942


Thesis type
Tesi di laurea specialistica
Author
MAZZEO, FRANCESCOSTEFANO
URN
etd-06252008-204942
Thesis title
Utilizzo di algoritmi genetici per ottimizzazioni di trasferimenti interplanetari a bassa spinta
Department
INGEGNERIA
Course of study
INGEGNERIA AEROSPAZIALE
Supervisors
Relatore Prof. Andrenucci, Mariano
Relatore Ing. Pergola, Pierpaolo
Keywords
  • algoritmi genetici
  • bassa spinta
  • ottimizzazione
  • traiettorie
Graduation session start date
15/07/2008
Availability
Full
Summary
L’esigenza di ottenere nuove risorse energetiche, il sogno di scoprire nuove forme di vita e il fascino di conquista di nuovi pianeti ha da sempre occupato un pensiero fisso nella mente dell’uomo. Uno dei passi per realizzare ciò è ottimizzare le traiettorie che i veicoli spaziali affrontano nel raggiungere una determinata meta. L’ottimizzazione di traiettorie è una tecnica potente che consente di analizzare la fattibilità di una missione spaziale ed esistono diversi metodi per realizzarla. Uno di questi metodi è l’utilizzo degli algoritmi genetici che sfruttano la teoria evolutiva formulata da Darwin e riescono a calcolare una soluzione di ottimo.
Il presente lavoro di tesi fornisce un esempio di come può essere affrontato un problema di ottimizzazione di trasferimenti interplanetari a bassa spinta attraverso l’utilizzo degli algoritmi genetici.
Nella prima parte si analizza il problema da un punto di vista teorico e si ripercorrono le varie fasi che rendono possibile sviluppare strumenti di disegno di missione basati su tali fondamenti teorici. Viene, inoltre, fornita una panoramica di quali possano essere i metodi utilizzati per affrontare problemi di ottimizzazione e ci si sofferma su cosa siano, come funzionano e come si applicano gli algoritmi genetici al modello matematico in esame.
Una seconda parte del lavoro è rivolta allo studio di una possibile missione Terra-Venere e una possibile missione Terra-Marte attraverso l’utilizzo di algoritmi genetici. L’ analisi viene effettuata considerando diversi aspetti del problema e i risultati ottenuti utilizzando funzioni di fitness diverse vengono confrontati tra loro.
File