La guida di discesa motorizzata (PDG, Powered descent guidance) è una tecnologia per consentire ai razzi riutilizzabili di effettuare atterraggi di alta precisione sulla Terra.
A differenza della consolidata tecnologia PDG utilizzata per gli atterraggi lunari e planetari, la guida di discesa motorizzata per il rientro nell’atmosfera terrestre deve affrontare dinamiche non lineari e condizioni di volo altamente disturbate, come fluttuazioni della spinta del motore, incertezze aerodinamiche e venti.
Ad esempio, i venti possono generare perturbazioni persistenti sulle forze aerodinamiche che agiscono sul razzo, compromettendo la precisione di atterraggio, aumentando il consumo di propellente e, in casi estremi, portando a instabilità nei comandi di guida.
Sebbene i modelli esistenti tengano conto di dinamiche a sei gradi di libertà e di parametri aerodinamici, essi non affrontano in modo sistematico l’effetto delle perturbazioni nella progettazione della guida.
Pertanto, diventa cruciale progettare il sistema di controllo del razzo in modo che compensi automaticamente queste perturbazioni, mantenendo il razzo sulla traiettoria ottimale. Per esempio, se un vento laterale devia il razzo, il sistema di controllo dovrebbe calcolare rapidamente una nuova traiettoria corretta e comandare i motori per riportare il veicolo in linea con l’obiettivo, anche nelle condizioni atmosferiche più difficili.
L’obiettivo principale è quindi definire comandi di guida in grado di condurre il razzo lungo una traiettoria che soddisfi le condizioni di atterraggio richieste, ottimizzando al contempo il consumo di propellente anche in presenza di perturbazioni.
Per migliorare la guida dei razzi riutilizzabili in condizioni atmosferiche difficili, un recente studio pubblicato il 14 dicembre 2024 sul Chinese Journal of Aeronautics e condotto da Huifeng Li e Ran Zhang della Beihang University in Cina ha introdotto un innovativo metodo di guida a feedback ottimale, tenendo cioè conto delle condizioni in tempo reale e ottimizzando le prestazioni complessive.
Il loro approccio si concentra sulla gestione delle perturbazioni che possono influenzare il volo, distinguendo tra due tipi principali: le perturbazioni modellate, ossia quelle prevedibili, e quelle non modellate, che rappresentano elementi imprevedibili o residui.
Entrambe sono state implementate grazie all’uso di un metodo avanzato chiamato programmazione dinamica differenziale pseudospettrale, che ha permesso di ottenere una legge di feedback robusta e semplice.
Il risultato è una legge di guida capace di combinare due funzionalità fondamentali: uno sterzo ottimale adattivo, che risponde efficacemente alle perturbazioni modellate, e un meccanismo di attenuazione delle perturbazioni, che riduce l’impatto di quelle non prevedibili. Questa nuova metodologia non solo migliora la precisione e l’affidabilità della guida durante il rientro in atmosfera, ma garantisce anche un uso più efficiente del propellente e una maggiore stabilità del volo.
Nonostante questi progressi, sono necessarie ulteriori ricerche per migliorare la robustezza della guida. In questo ambito, lo studio ha identificato tre aree principali per uno sviluppo futuro: l’implementazione di tecniche di identificazione del modello in tempo reale, la generazione di traiettorie ottimali con vincoli complessi e l’integrazione dell’apprendimento per l’ottimizzazione dei parametri di guida.
