XiaoMi-AI文件搜索系统
World File Search System行星探索
D'Arcy, Samantha & Gonzalez, Luis Felipe (2022) 用于地球和行星探索应用的火箭发射折叠无人机的设计和飞行测试
本文介绍了一种低成本、3D 打印、折叠式无人机的设计和开发，该无人机使用商用现货 (COTS) 组件用于陆地和行星外探索应用。飞行系统的设计方式是，无人机可以自行武装、根据需要重新定位，并在降落到预定的 GPS 位置之前获得稳定的悬停姿势。除了使用 GPS 导航进行着陆外，无人机不需要任何外部输入。本文还将介绍部署系统的设计和开发，该系统使用小型高功率火箭来模拟无人机的大气部署。测试旨在证明在大气注入期间从有效载荷罐部署无人机的可行性。该项目的独特之处在于它采用了一种新颖的方法，在弹道下降时从运载车辆部署无人机，从而允许将多架小型无人机插入大气层以进行行星探索。
行星探索科学技术办公室（PESTO）的最新消息
• 天王星大气全耦合大气环流模型的进展 - 动力学和玩具模型，Jonathan H. Jiang (JPL) • 需要在 -90 °C 至 -30 °C 范围内测试冰融化探测器？，Paula do Vale Pereira (中佛罗里达大学) • 中红外快速先进光学生命探测探测器 (MIRACLE)，Yamuna Phal (科罗拉多矿业学院) • 用于行星原位光谱的微型、多功能、微观有机/无机成分分析探测器 (MOCAPS)，Mool Gupta (弗吉尼亚大学) • 使用低电容固态纳米孔探测海洋世界的生命，Vanya Buvac (Goeppert LLC) • 用于增强行星保护和污染控制的激活雾系统，Gregory Fridman (AAPlasma LLC) • BOREAS - 通过模拟探测木卫二的地下海洋冰冷的表面条件，Ilankuzhali Elavarasan（德克萨斯大学里奥格兰德河谷分校）• 用于高灵敏度宽带热检测的多孔硅基热电堆，Sabah Bux（JPL）• 用于检测未来潜在海洋世界任务的有机生物特征的 SCHAN 仪器，Victor Abrahamsson（JPL）• 即将到来的天王星恒星掩星活动和影子追逐者任务概念，Kunio Sayanagi（LARC）• SLUSH：进入海洋世界的冰钻探测器，Nicklaus Traeden（Honeybee Robotics）• 海洋世界和 Wolstenholme 峡湾冰下平台的样本选择和处理（SSHOW UP），Frances Bryson（康奈尔大学）• 用于导航木卫二的垂直进入机器人（VERNE），Frances Bryson（康奈尔大学）
2024 年系外行星探索计划技术差距清单
2024 年系外行星探索计划技术差距列表由加州理工学院喷气推进实验室 NASA 系外行星探索计划副项目首席技术专家 Brendan Crill 博士编制 © 2024 加州理工学院。感谢政府赞助。感谢 Eduardo Bendek、Matt Bolcar、Michael Bottom、Jenn Burt、Pin Chen、Juan Estrada、Erika Hamden、Marie Levine、Doug Lisman、Alice Liu、Eric Mamajek、Ben Mazin、Bertrand Mennessen、Patrick Morrisey、Bijan Nemati、Laurent Pueyo、Bernie Rauscher、Jack Seidleir、Stuart Shaklan、Matt Shaw 和 Johannes Staguhn。该研究由加州理工学院喷气推进实验室根据与美国国家航空航天局 (80NM0018D0004) 签订的合同进行。
Helicat-darts：一个高保真，闭环旋翼飞行器模拟器，用于行星探索
旋翼飞机为探索外星环境提供了独特的功能。与诸如漫游者之类的勘探工具相比，旋翼船能够越来越快地到达感兴趣的目的地。此外，它们只需要合适的起飞和降落区，并且可以飞越由于障碍物或粗糙地形而可能无法遍历流浪者可能无法穿越的地形。这些优势激发了火星的创造任务，该任务涉及第一个飞行火星的旋翼飞机[1]。这项任务的成功继续激励未来的任务，例如可能使用直升机来返回火星样本[2]。设计一种在火星氛围环境中运行的首个旋翼飞机，需要进行设计，开发和操作的独特工具。在开发的工具中是Helicat-darts（简单地称为简洁的Helicat），用于旋转动力学建模和仿真。此仿真工具是指导，导航和控制（GNC）算法和软件开发的测试床，并作为分析飞行性能和动态的工具。Helicat在Ingenuity任务的整个生命周期中都使用，包括以下内容：
Hayabusa 2小行星探索
hayabusa/hayabusa2小行星探索 - 使用离子发动机实现空间导航 - hayabusa/hayabusa2小行星探索 - 离子发动机深空操作 -
行星探索科学技术办公室更新
• 在 PSD、ESSIO 和 SMD 内以及与 STMD 和 ESDMD 合作 • 与科学技术界进行推广和合作 • 具有行星科学特定需求、技术机会、新颖/高影响力的全面投资组合
利用亚轨道飞行测试推动行星探索科学技术发展 EW DiVito 1 , C. Tuck 1 , GH Peters 1 , DM McC
简介：亚轨道飞行测试是一种非常宝贵但经常被忽视的工具，可用于更快地推进太空研究和技术开发。美国宇航局的飞行机会计划利用商业飞行提供商，使用亚轨道火箭动力飞行器、飞行抛物线轨迹的飞机、高空气球和托管轨道有效载荷平台来加速太空技术的成熟。接触相关的太空环境可以以经济高效且及时的方式验证技术的功能，从而降低更长、更昂贵的任务（包括月球和火星任务）的风险。自 2011 年以来，飞行机会计划已促成超过 260 次飞行，进行了超过 870 次有效载荷测试。飞行机会团队的演讲者将重点介绍这些飞行测试如何支持技术和研究的成熟，并应用于月球和行星探索。
用于行星探索的 LABEISS 面包板概述。E. Sawyers 1 、MG Daly 1 、A. Quaglia 2 、S. Walker 2 、J. Freemantle 1 、G. Flynn 2
简介：激光烧蚀元素同位素光谱仪系统 (LABEISS) 是一种面包板仪器，具有两种主要技术——激光诱导击穿光谱 (LIBS) 和激光烧蚀分子同位素光谱 (LAMIS)。此外，LABEISS 还能够将拉曼光谱、激光诱导荧光和被动反射作为支持技术。LIBS 已成为行星探索的主要技术，最著名的是 ChemCam 和 SuperCam 仪器，后者最近搭载在 NASA 的 Mars2020 毅力号探测器上 [1, 2, 3]。LIBS 是一种快速获取地质样品、土壤样品和表面清洁（使用重复激光烧蚀）中主要和次要元素分析结果的方法。与 LIBS 相比，LAMIS 基于分子发射的同位素位移（所谓的同位素异形体），该位移的时间延迟由激光烧蚀过程中等离子体和原子的结合时间定义 [4, 5]。LAMIS 已成为 LIBS 的一种有前途的补充技术，因为它可以表征目标的同位素特征，从而提供同位素区分。拉曼光谱 (RS) 发生在分子被激发源激发并通过分子键或晶格的振动、旋转或拉伸产生非弹性散射时。每个谱带对应于分子键激发波长的不同拉曼波数位移，可用于识别或“指纹识别”多种材料。
用于行星探索的无人机：建模挑战
在过去十年中，太空探索的力度大大增加，因此需要新的方法来研究行星和其他天体。现代趋势是制造能够从更高角度侦察表面的航天器，而无人机已被证明是最有用的。一般来说，无人机以其灵活性、速度、悬停能力、避障、目标跟踪和跟随而闻名。认为任何类型的无人机都适合太空应用都是合理的，因为它们都具有可以满足任务要求的优势。太空领域的设计选择深受一些限制的影响，例如最大尺寸、总重量、成本、环境、温度。此外，还需要考虑使平台能够执行任务的基本要求，这些要求通常由各种子系统来确保：热、通信、机载数据处理、电力、推进以及制导、导航和控制。太空探索的主要焦点是火星和旋翼机概念：事实上，Ingenuity 直升机就是一个很好的例子，如图 1 所示，它于 2021 年在红色星球上进行了首次飞行。火星大气与地球不同，这带来了特殊的空气动力学挑战。第一个很大的变化是低大气密度，再加上无人机尺寸有限，导致弦基雷诺数流动非常低（103-104）[1]。这些流动更多的是以粘性力而非惯性力为特征，导致机翼性能效率下降。这会影响升力，但较低的重力加速度（3.71 m/s2）略微补偿了升力。自 20 世纪 30 年代以来，人们在该领域进行了各种研究，并且可以确定三个描述流动行为的区域：亚临界（ Re < 10 5 ）、临界（ Re ∼ 10 5 ）和超临界（ Re > 10 5 ）。对于火星研究，重点放在亚临界区域，其中层流边界层倾向于分离，导致阻力系数较大，升力系数降低。这种层流分离流的不稳定性导致向湍流的转变，这会引起重新附着，从而产生层流分离气泡，影响翼部的性能。可以采用各种方法来进行气动分析：例如，将流动视为完全层流 [2] 或使用 RANS、LES
机器人团队行星探索
自太空探索开始以来，火星和月球一直被轨道器、着陆器和探测车所探索。超过四十个任务瞄准火星，一百多个任务瞄准月球。开发用于探索天体的新型策略和技术仍然是航天机构的重点。多机器人系统对于行星探索尤其有前景，因为它们对单个故障更具鲁棒性，并且有可能探索更大的区域；但是，操作员可以单独控制的机器人数量是有限的。我们最近参加了欧洲航天局在西班牙兰萨罗特岛的月球/火星模拟站举行的跨学科设备测试活动 (PANGAEA-X)。我们使用了一群无人机 (UAV) 来研究系统操作和人为因素的相互作用。人类操作员通过自组织网络和数据共享协议指挥群体在两种控制模式下探索未知区域：一种是操作员分别指示每个机器人；另一种是操作员为群体提供一般指导，群体通过分布式决策和共识建立相结合的方式进行自组织。我们通过瞳孔测量评估每种情况下的认知负荷，并通过自我报告评估感知到的任务需求和直觉性。我们的结果表明，通过群体智能实现更高的自主性可以减少工作量，让操作员有时间执行其他任务，例如监督策略和沟通。未来的工作将进一步利用群体智能的进步进行探索任务。