在编制这份报告时,我们考虑将太空经济划分为两个互补的部门:上游和下游。上游空间活动包括卫星和其他航天器及其有效载荷、系统、子系统和部件的设计、组装、集成和测试。这还包括从地球发射和操作它们所需的基础设施。换句话说,上游部分是制造或生产、控制和发射卫星、探测车、太空探测器和望远镜等物体以及其他航天器进入太空轨道的空间部门。下游空间使用这些航天器系统为地球上的科学、实验和商业用途提供产品和服务,例如用于电信、导航、地球观测、科学研究和其他应用。能力建设、传播和外联举措对于促进和提高我国的上游和下游空间能力至关重要。
建立集中代理,以协调太空活动并参与多边任务和计划启动国家太空计划,重点关注太空情境意识(SSA)应用程序通过与太空相关或特定空间特定的课程
摘要 我们在 Garfinkle–Horowitz–Strominger (GHS) 膨胀时空的背景下探索了狄拉克场的三部分熵不确定性和真正的三部分量子性。值得注意的是,霍金辐射导致物理可及区域的量子非局域性衰减,同时保持其总相干性。更重要的是,它展示了物理可及区域和物理不可及区域的相干性之间的内在权衡关系。此外,我们研究了霍金辐射对基于熵的测量不确定性的影响,发现更强的霍金辐射会导致物理可及区域的不确定性增加,而物理不可及区域的不确定性降低。因此,我们的研究可能有助于更好地理解弯曲时空中系统的量子性。将相对论与量子信息科学相结合,为理解黑洞的信息悖论提供了新的途径。
与我和我的社区的联系:在本课中,我们首先合作观察一种与我们的日常生活相关的现象:曼哈顿悬日。我们将提供支持,帮助学生突出这一现象的局部表现。学生思考太阳的变化是天空中众多变化模式之一,并集思广益,提出他们经历过或听说过的其他模式。学生从自己的经验出发,利用知识资源,从家人或社区成员那里了解他们在天空中看到或听到的模式,以及这些模式可能与地球生命节奏的联系。从我们当地的社区出发,我们收听一系列播客,了解不同文化和不同时代的人类如何依赖天空并与天空建立联系。我们将提供支持,帮助学生在处理这些播客时建立联系并利用自己的文化资源。查看本单元的前言,了解本单元的设计概述,帮助学生了解天空中的模式为何与他们的生活、社区和地球生命相关。介绍一种新现象。展示幻灯片 A。通过分享您在新闻中遇到的新现象来启动本单元。根据您教授本单元的时间,调整您所说的内容以适应它是已经发生还是即将发生。比如,我前几天在看新闻,听说成千上万的人在同一天去纽约看日落。问你们有人听说过这样的事情吗?举手表决。备选:为了使这种现象更具当地或文化相关性,您可以在互联网上搜索对您的学生具有当地或文化意义的巨石阵。曼哈顿巨石阵只是具有建筑物/结构和太阳对齐的巨石阵现象的一个例子。其他著名的巨石阵包括巨石阵(英格兰)、芝加哥巨石阵(伊利诺伊州)、纽格莱奇(爱尔兰)、奇琴伊察的埃尔卡斯蒂利奥金字塔(墨西哥)或阿布西梅尔(埃及)。但是,世界各地都有许多较小的巨石阵,比如伊利诺伊州卡霍基亚土丘的木头巨石阵或康涅狄格州北斯托宁顿的岩壁巨石阵。如果选择此选项,则需要调整初始曼哈顿巨石阵模型上的地图。公平性:这种现象以及学生在本单元中探索的其他现象都是严格视觉的,基于颜色和光线的变化。考虑学生的需求,以及如何让所有学生都能看到视觉现象,包括色盲或视力低下的学生、盲人和/或其他视力障碍的学生。可能的修改包括提供正在研究的变化的触觉表示、替代配色方案、增加以数字方式提供的图像的大小和/或亮度,以及使用描述性替代文本。与您的学生的 IEP 或 504 个案工作者合作,以支持您的学生的需求。
如今,空间碎片已成为卫星系统的主要威胁之一,尤其是在低地球轨道 (LEO) 上。据官方估计,有超过 700,000 个碎片物体有可能摧毁或损坏卫星。通常,无法从地面直接识别撞击的影响。但是,高分辨率雷达图像有助于检测这种可能的损坏。此外,还可以对未知的空间物体或卫星进行调查。因此,DLR 开发了一种名为 IoSiS(太空卫星成像)[2, 3] 的实验雷达系统,该系统基于现有的转向天线结构和名为 GigaRad [1] 的多用途高性能雷达系统,在传播方向上的分辨率优于 5 厘米。在横向或方位角方向上,通过使用逆合成孔径雷达 (ISAR) 技术,可以获得高空间和距离独立分辨率。该技术基于沿合成孔径从不同角度对物体进行相干观察,需要在轨道通过期间精确跟踪物体。因此,要在距离和方位角上获得相似的分辨率,就必须进行宽方位角观测。对于一个 ISAR 图像,5 厘米的预期空间分辨率意味着大约 25° 的观测角。如此高的空间分辨率不是遥感雷达应用的标准。目前的地球观测系统实现的分辨率在几分米的数量级,比现有系统差一个数量级。因此,这种改进需要相应更高的系统和轨道校正性能。特别是,对雷达电子设备、天线和馈电频率响应进行足够精确的校准至关重要。此外,还必须对观测物体进行精确的轨道测定。本文概述了 IoSiS 雷达系统的主要技术特点。讨论了主要的误差源和相应的解决方案。说明了最终生成几厘米分辨率的雷达图像的校准工作。
目前的空中交通复杂性指标是根据 ATM 不同管理层的利益来定义的。这些层级有不同的目标,实际上它们会竞争以最大化自己的目标,从而导致决策分散。这种分散性以及相互竞争的 KPA 需要透明和中立的空中交通信息来为可解释的行动铺平道路。在本文中,我们引入了单架飞机复杂性的概念,以确定每架飞机对空中交通整体复杂性的贡献。此外,我们描述了一种扩展此概念的方法,以定义复杂社区,即在特定空域中贡献大部分复杂性的相互依赖的飞机群。为了展示该方法,开发了一种可视化算法不同输出的工具。通过基于合成和真实历史流量的用例,我们首先表明该算法可用于形式化控制器决策以及指导控制器做出更好的决策。此外,我们研究如何使用所提供的信息来提高决策者对不同空域用户的透明度,这也有助于提高公平性和公正性。最后,进行敏感性分析,以系统地分析每个输入如何影响方法。
2018 年,ENPULSION NANO 推进系统的在轨演示标志着液态金属场发射电推进系统首次在太空中测试,也标志着 ENPULSION NANO 的成功推出。此后的四年中,该推进系统成功实现工业化,136 个系统已在 61 艘不同的航天器上飞行。与此同时,基于 FEEP 技术的新型推进系统也得到了开发,扩大了推力和功率范围,并引入了新功能以及从 ENPULSION NANO 的庞大太空遗产中吸取的经验教训。到目前为止,其中两个新型推进系统已经发射到太空。本文介绍了来自多个航天器的 ENPULSION NANO 遥测数据,包括更大的轨道变化机动,并讨论了迄今为止利用 ENPULSION NANO 系统的应用。然后,我们概述了 ENPULSION 推进系统的当前在轨统计数据。我们展示了 ENPULSION NANO 的汇总在轨统计数据,讨论了遇到的挑战并介绍了在不同设施进行的在轨运行、客户 AIT 支持和地面测试活动期间得到的经验教训。
第 40 卷 | 第 1 期 文献综述 #2 2022 年 10 月 5 日 探索航空领域的自然语言处理 (NLP) 应用 Nadine Amin Tracy L. Yother 普渡大学 普渡大学 Mary E. Johnson Julia Rayz 普渡大学 普渡大学 由于计算能力的巨大提升、大量数据的普遍存在以及数据驱动算法的不断增长的力量,自然语言处理 (NLP) 最近在众多领域经历了快速发展,其中之一就是航空业。在本研究中,我们从研究和行业的角度探讨了 NLP 在航空领域的现状。我们将安全报告分析、航空维护和空中交通管制确定为航空领域 NLP 研究的三个主要重点领域。我们还列出了当前可用的 NLP 软件以及它们在航空业中的使用方式。最后,我们重点介绍了航空领域对标准 NLP 技术提出的一些现有挑战,讨论了当前相应的研究工作,并提出了我们建议的研究方向。推荐引用:Amin, N., Yother, T. L., Johnson, M. E. & Rayz, J.(2022)。自然语言处理 (NLP) 的探索