Ces travaux portent sur la conception de méthodes permettant d'évaluer et d'atténuer les risques de collision entre un satellite en activité et un ou plusieurs débris spatiaux, provenant soit d'explosions (accidentelles ou délibérées), soit de collisions, soit encore de satellites mis hors service. Depuis le lancement du premier satellite artificiel Spoutnik en 1957, ces événements, combinés au déploiement récent de méga constellations, ont progressivement accru le nombre d’objets spatiaux suivis en orbite (39 000 en 2025).
Pour évaluer le risque de collision, les propriétaires et exploitants d’engins spatiaux s’appuient généralement sur la probabilité de collision Pc. Dans le premier chapitre de ce travail, nous nous concentrons sur le calcul de la probabilité instantanée de collision Pinst, un indicateur de risque complémentaire à Pc, modélisé comme l’intégrale d’une fonction de densité de probabilité gaussienne tridimensionnelle sur une boule euclidienne. Nous proposons un algorithme hybride efficace et précis pour évaluer cette intégrale, combinant deux stratégies complémentaires. La première consiste à calculer des séries convergentes avec des bornes d’erreur numérique reliant la précision requise et le nombre de termes à calculer. La seconde, qui utilise des séries divergentes, approxime la valeur de l’intégrale avec une bonne précision dans la plupart des cas, en ne calculant que quelques termes. Des techniques de propagation d’incertitudes, utilisant des modèles de mélange gaussien combinés à une "Unscented Transform", permettent de calculer Pinst à tout instant. Plusieurs résultats numériques et comparaisons confirment à la fois l’efficacité et la robustesse de notre approche.
Lorsque la probabilité de collision estimée est trop élevée, le satellite doit effectuer une manœuvre d’évitement de collision (CAM) afin de ramener cette probabilité en dessous d’un seuil donné, tout en minimisant l’impact sur la mission du satellite actif, mesuré par exemple par la consommation de carburant. La deuxième partie de ce travail vise à définir et à résoudre ce problème d’évitement de collision en consommation minimale. Pour des rencontres long-termes, la contrainte de non-collision est formulée comme une contrainte probabiliste non convexe et non lisse. Nous proposons trois relaxations différentes: une approche par scénario, une approche directe initialisée en résolvant une relaxation convexe du problème et une approche fondée sur l’approximation par moyenne d’échantillons (SAA). Comparée à une méthode de sélection du risque issue de la littérature sur des cas test de la littérature, l’approche directe fournit souvent une consommation de carburant plus faible, tandis que la méthode par scénarios et la méthode SAA produisent des manœuvres plus coûteuses. Cependant, l’approche SAA peut être transposée à des cadres plus généraux (dynamiques non linéaires képlériennes), offrant ainsi une alternative pour des cas plus complexes.
Enfin, dans le cas des rencontres court-terme avec risques multiples, les contraintes probabilistes de non-collision peuvent être reformulées en contraintes déterministes de distances minimales à l’aide d’un cadre de modélisation spécifique fourni par le CNES. Les valeurs seuils sont calculées par un algorithme d’inversion qui garantit une probabilité de collision bornée pour les trajectoires solutions. Le problème initial est transformé en un problème lisse mais non convexe et NP-difficile. Trois approches numériques sont alors étudiées : une hiérarchie moment-SOS de relaxations SDP, une relaxation SDP avec heuristique de randomisation et projection, et un algorithme Branch & Bound basé sur la méthode des ellipsoïdes. Comparés à une implémentation IBEX sur les rencontres de test, l’approche moment-SOS garantit l’optimalité globale lorsqu'une condition de rang est satisfaite, tandis que les autres méthodes fournissent des solutions réalisables de haute qualité à un coût de calcul moindre. |
This work focuses on the design of methods to assess and mitigate collision risks between one active satellite and one or several space debris, which stem from either explosion events (accidental or deliberate), collision events or decommissioned satellites. Since the launch of the first artificial satellite Sputnik in 1957, such events, combined with the recent deployment of large constellations, have gradually increased the population of tracked space objects in orbit, reaching almost 39,000 in 2025.
To assess the collision risk, spacecraft owners/operators and space agencies usually rely on the probability of collision Pc. In the first chapter of this work, we focus on computing the instantaneous probability of collision Pinst, a risk metric complementary to Pc modeled as the integral of a three-dimensional Gaussian probability density function over a Euclidean ball. We propose an efficient and accurate hybrid algorithm for evaluating this integral combining two complementary strategies. For the first one, convergent series and numerical error bounds are computed. These bounds provide a trade-off between the accuracy needed and the number of terms to compute. The second one, using divergent series, approximates the value of the integral with a good accuracy in most cases with only a few terms computed. Dedicated uncertainty propagation techniques using Gaussian Mixture Models combined with Unscented Transform allow to compute Pinst at any instant. Several numerical results and comparisons confirm both the efficiency and robustness of our approach.
Whenever the estimated collision probability is too high, the satellite must perform a Collision Avoidance Maneuver (CAM) to reduce the collision probability below a given threshold while minimizing the impact on its mission, measured via the fuel consumption. The second part of this work aims at defining and solving this fuel-optimal collision avoidance problem. When long-term encounters are considered, the non collision constraint is formulated as a non convex, non smooth chance constraint by upper bounding Pc. We propose three different methods inspired by existing chance-constrained (CC) optimization techniques, namely a scenario approach, a direct approach with a novel convex relaxation-based initializing algorithm and a Sample-Average Approximation-based (SAA) approach. When compared with a risk-selection method from the literature on encounter test cases, the direct approach using a convexified initializing algorithm frequently provides lower fuel consumption, while the scenario-based method and the SAA method provide more conservative maneuver plans. However, the SAA approach can be transposed to more general frameworks, including nonlinear dynamics, thus providing an alternative for more challenging cases.
Finally, when short-term encounters and multiple risks are considered, the non collision chance constraints can be reformulated as deterministic minimum miss-distances using a specific modeling framework provided by CNES. The threshold values are computed using a novel inversion algorithm, which guarantees a bounded collision probability for the solution trajectories. The resulting fuel-optimal CAM synthesis problem is a smooth non convex Quadratically Constrained Linear Program (QCLP) and is thus NP-hard. Three numerical approaches are then studied: a moment-SOS hierarchy of SDP relaxations, an SDP relaxation combined with randomization and projection, and a Branch & Bound algorithm based on the ellipsoid method. On the reported test cases and when compared with an IBEX implementation, the moment-SOS approach can certify global optimality when its rank condition is met, while the other methods provide high-quality feasible solutions at lower computational cost. |