XiaoMi-AI文件搜索系统
World File Search SystemFDIR
空间中的机器学习：用于空间应用程序的机器学习算法和硬件的审查⋆
摘要。现代卫星的复杂性正在增加，因此需要说话和昂贵的机上解决方案，以提供故障检测，隔离和恢复（FDIR）功能。尽管FDIR对于卫星系统在飞行中的安全性，自主权和可用性中至关重要，但空间行业清楚地需要更适合适应性，可扩展性和具有成本效益的解决方案。本文探讨了空间部门和商业部门所列出的机器学习错误检测和预后算法的当前状态。尽管以前在商业领域进行了错误检测和预后，但大多数商业应用并不受到空间环境中操作施加的功率，质量和辐射公差约束的限制。因此，本文还讨论了几个商业现成的（COTS）多核微处理器-Small-足迹板，将作为可能的测试台进行探索，以将来将来整合到卫星内部的轨道示威者中。
提高复杂立方体卫星任务自主性和可靠性的途径
对于这一特定任务，该联盟已初步确定了两个可能的研究案例：LUMIO 和 M-ARGO。LUMIO（月球流星体撞击观测器）是一颗 12U 立方体卫星，将进入地球-月球 L2 晕轨道，通过探测流星体的闪光来观察、量化和描述流星体对月球背面的撞击，补充地球上对月球正面的观测，以提供有关月球流星体环境的全球信息并有助于了解月球情况。M-ARGO 是一颗 12U 深空立方体卫星，将与近地小行星会合并描述其物理特性以了解其是否存在原位资源，首次展示立方体卫星系统独立探索深空的能力。这两项任务的特点是在恶劣环境中具有高度的自主性和复杂性，因此是正在进行的 ESA RAMS/FDIR 活动的极佳研究案例。在活动的第一阶段，LUMIO最终被选为项目进一步完善的研究案例。