XiaoMi-AI文件搜索系统
World File Search System美国宇航局
美国宇航局在燃料电池和氢技术方面的活动
图例 ECLSS = 环境控制与生命支持系统 ISRU = 现场资源利用 PMAD = 电源管理与分配 RFC = 再生燃料电池 TRL = 技术就绪水平 * = 特定应用技术就绪水平
美国宇航局对阿尔忒弥斯任务的管理
阿尔忒弥斯计划旨在于 2024 年底之前让人类重返月球，而不是最初计划的 2028 年。面对缩短的时间、不确定的预算以及所需开发工作的初期阶段，NASA 对其常规采购和项目管理实践进行了修改，以期加快任务进度并降低成本。该机构的月球战略包括开发太空发射系统 (SLS) 重型运载火箭、猎户座多用途载人飞船 (Orion) 太空舱、将宇航员从月球轨道运送到月球表面的载人着陆系统 (HLS)、绕月飞行的门户前哨、下一代宇航服，以及通过商业着陆器向月球表面运送科学调查和技术演示。
美国宇航局最新电力报告
电力系统 (EPS) 包括发电、储能和配电。EPS 是一个主要的基础子系统，通常占任何航天器的很大一部分体积和质量。发电技术包括光伏电池、电池板和阵列，以及放射性同位素或其他热核能发电机。电力存储通常通过电池实现；一次性原电池或可充电二次电池。电源管理和分配 (PMAD) 系统有助于控制航天器电负载的功率。PMAD 有多种形式，通常是定制设计的，以满足特定的任务要求。EPS 工程师在选择发电和储能技术时，通常会以高比功率或功率质量比 (Wh kg −1) 为目标，以最大限度地减少系统质量影响。EPS 体积更可能是纳米卫星的制约因素。
美国宇航局概念车和先进空中机动飞机工程
摘要 NASA 正在对先进空中机动 (AAM) 飞机和操作进行研究。AAM 任务的特点是航程低于 300 海里，包括乡村和城市操作、载客和货运。城市空中机动 (UAM) 是 AAM 的一个子集，是预计具有最大经济效益且最难开发的部分。NASA 革命性垂直升力技术项目正在开发 UAM VTOL 飞机设计，可用于集中和指导研究活动，以支持新兴航空市场的飞机开发。这些 NASA 概念飞行器涵盖了相关的 UAM 功能和技术，包括推进架构、高效而安静的转子以及飞机空气动力学性能和相互作用。所采用的配置是通用的，在外观和设计细节上有意与知名的行业安排不同。这些 UAM 概念飞机已经用于许多工程研究，包括满足安全要求、实现良好的操纵品质以及将噪音降低到直升机认证水平以下的工作。以概念车为重点，对先进空中机动飞机的工程进行了观察。
美国宇航局使用燃料电池和电解技术的应用简介
节省量取决于太空运输方法和假设；此前的火星齿轮比计算显示，仅节省 7.5 公斤 火星上升阶段的推进剂生产可节省 25,000 公斤质量 = 发射至低地球轨道的重量为 187,500 至 282,500 公斤
美国宇航局从正在进行的重大项目中吸取的经验教训可以为...提供参考
采购管理一直是 NASA 面临的长期挑战，尽管我们已经报告了该机构近年来取得的改进。3 鉴于 NASA 在其大多数主要系统中都存在成本持续增长和进度延误的历史，我们于 1990 年首次将 NASA 的采购管理指定为高风险领域。我们发现管理方面的弱点加剧了 NASA 最大项目所面临的固有技术和工程风险。NASA 已采取措施改善其对主要项目的管理，但仍在主要项目成本和进度表现方面苦苦挣扎。在我们 2021 年 3 月的高风险更新中，我们发现 NASA 需要做更多工作来降低采购风险并展示进展，特别是在展示进入投资组合的新、大型、复杂项目的成本和进度表现持续改善方面。4
利用数据实现安全：机器学习/人工智能实现及时航空安全 Nikunj C. Oza 博士、Chad Stephens 美国宇航局全系统安全项目 现代喷气式客机每飞行一次记录近 1GB 的原始数据，几乎是不到十年前投入使用的喷气式客机记录数据的两倍。鉴于这一宝贵的数据宝库，数据分析是一项非常重要的能力，它可以将这些数据转化为知识，从而帮助理解和实现安全操作。数据分析的实践涉及应用人工智能 (AI) 和机器学习 (ML) 等方法来获取见解并识别数据中的有意义关系。人工智能是一门专注于在基于计算机的代理中开发模拟人类智能的研究领域。ML 是人工智能的一个分支，涉及开发预测或决策算法，这些算法不是明确编程来预测或决策的，而是从代表过去预测或决策的数据中学习的。您可能体验过 ML 支持的功能，例如 Netflix 或 Amazon 中的自定义推荐。由于机器学习算法具有从过去的操作中学习的能力，因此虚拟助手（例如 Apple 的 Siri 或 Amazon 的 Alexa）以及部分或完全自动驾驶汽车成为可能。
利用数据实现安全：机器学习/人工智能实现及时航空安全 Nikunj C. Oza 博士、Chad Stephens 美国宇航局全系统安全项目 现代喷气式客机每飞行一次记录近 1GB 的原始数据，几乎是不到十年前投入使用的喷气式客机记录数据的两倍。鉴于这一宝贵的数据宝库，数据分析是一项非常重要的能力，它可以将这些数据转化为知识，从而帮助理解和实现安全操作。数据分析的实践涉及应用人工智能 (AI) 和机器学习 (ML) 等方法来获取见解并识别数据中的有意义关系。人工智能是一门专注于在基于计算机的代理中开发模拟人类智能的研究领域。ML 是人工智能的一个分支，涉及开发预测或决策算法，这些算法不是明确编程来预测或决策的，而是从代表过去预测或决策的数据中学习的。您可能体验过 ML 支持的功能，例如 Netflix 或 Amazon 中的自定义推荐。由于机器学习算法具有从过去的操作中学习的能力，因此虚拟助手（例如 Apple 的 Siri 或 Amazon 的 Alexa）以及部分或完全自动驾驶汽车成为可能。
美国宇航局喷气推进实验室 (JPL) 案例研究
量子技术和服务可帮助客户捕获、创建和共享数字内容，并以最低的成本保存和保护这些内容数十年。量子平台为高分辨率视频、图像和工业物联网提供最快的性能，并为数据生命周期的每个阶段构建解决方案，从高性能采集到实时协作和分析以及低成本归档。每天，全球领先的娱乐公司、体育特许经营、研究科学家、政府机构、企业和云提供商都在使用量子技术让世界变得更快乐、更安全、更智能。详情请访问 www.quantum.com。
美国宇航局的商业超音速研究
第 3 阶段 - 社区响应测试准备 2020-24，执行 2024-26 • 飞机运营和支持、部署 • 地面测量能力 • 地勤人员操作 • 噪声暴露设计 • 社区响应调查 • 数据分析和数据库交付
美国宇航局的“月球上的瓦特”挑战赛
月球表面有太阳能，但夜间时间较长（连续 350 小时）以及从白天到夜晚的极端环境温度变化给太阳能的使用带来了问题。虽然月球两极的阳光更多，但也有不规则的黑暗时期和太阳永远照不到的地方，比如陨石坑内。地球也面临类似的问题，对包括太阳能在内的额外可再生能源发电的需求正在上升，但需要额外的电力管理、分配和能源存储解决方案来解决间歇性和弹性等问题。