XiaoMi-AI文件搜索系统
World File Search SystemSpacecraft
基于人工智能的航天器故障检测与识别技术
摘要 航天器系统及其任务的复杂性日益增加，需要更高水平的性能和创新的解决方案。为确保可靠性、可用性和安全性，必须实现机载自主性和最少故障。故障检测和识别 (FDI) 对于在航天器故障导致重大故障之前识别它们至关重要。然而，由于太空环境和对系统信息的依赖，FDI 的设计和应用具有挑战性。为了提高准确性、速度和抗噪性，已经开发了基于人工智能 (AI) 技术的现代 FDI 方法。本文研究了航天器姿态确定和控制子系统 (ADCS) 和电力子系统 (EPS) 中的最新 FDI 技术。本文讨论了各种 FDI 方法和框架，强调了它们的优点、缺点以及实施 AI 的重要性。此外，本文还对不同的方法进行了彻底的分析和比较。
2023年的大学级航天器：更多的任务，更多问题？
仍然，执行任务与行业“相关”与实际贡献的任务不同。讨论和验证各个任务的科学或技术相关性超出了本文的范围 - 尽管我们非常希望看到这样的论文！相反，我们将指出，我们仅将S级状态分配给具有发行科学PI的任务，并在航天器上使用工具和/或外部同行评审的科学赞助商（例如NSF或NASA EPSCOR）。同样，C级任务携带有能力的业余无线电发音器或参与自动识别系统（AIS）跟踪和通信。和T级任务必须在设备或子系统上运行并收集数据，该设备或子系统可以推进小卫星的最新状态。不足以飞行以前没有人飞过的相机；该相机必须具有以前没有飞行的功能。
美国宇航局小型航天器技术计划
地月自主定位系统 (CAPS) 操作概念图。CAPS 是一种创新的航天器到航天器导航解决方案，将在目前绕月运行的 CAPSTONE 任务中演示。CAPS 预计将使未来的航天器能够确定其相对于月球的位置，而无需完全依赖地球的跟踪。图片来源：Advanced Space, LLC
基于深度学习的单目航天器姿态估计研究综述：现状、局限性和前景
估计不合作航天器的姿态是一个重要的计算机视觉问题，它有助于在轨道上部署基于视觉的自动系统，其应用范围从在轨服务到空间碎片清除。随着计算机视觉的总体趋势，越来越多的工作开始关注利用深度学习 (DL) 方法解决这个问题。然而，尽管研究阶段的成果令人鼓舞，但阻碍在实际任务中使用此类方法的主要挑战仍然存在。特别是，这种计算密集型算法的部署仍未得到充分研究，而在合成图像上进行训练和在真实图像上进行测试时的性能下降仍有待缓解。本调查的主要目标是全面描述当前基于 DL 的航天器姿态估计方法。次要目标是帮助确定有效部署基于 DL 的航天器姿态估计解决方案以实现可靠的自主视觉应用的局限性。为此，本调查首先根据两种方法总结了现有算法：混合模块化流水线和直接端到端回归方法。本文不仅从姿势准确性的角度对算法进行了比较，还重点关注了网络架构和模型大小，同时考虑到了潜在的部署。然后，讨论了用于训练和测试这些方法的当前单目航天器姿势估计数据集。还讨论了数据生成方法：模拟器和测试平台、合成生成的图像与实验室/空间收集的图像之间的领域差距和性能下降以及潜在的解决方案。最后，本文提出了该领域的开放研究问题和未来方向，并与其他计算机视觉应用进行了比较。
CYSAT 2023 利用太空攻击研究与战术入侵航天器
攻击者在地面站执行中间人攻击，他们在 UDP 流量中记录命令数据包 [REC-0005 ， RD-0005.01]，以便重播给航天器 [EX-0001.01]。在此示例中，UDP 模仿射频链路。可以通过 RF 信号嗅探 [REC-0005.01，IA-0008.01] 和 UDP 捕获来实施相同的攻击。从航天器的角度来看，飞行软件会处理流量，无论流量是否被编码为射频信号然后在航天器上解码。收到命令后，航天器飞行软件会通过将命令计数器数据下行链路到地面来响应，表明已收到命令 [EXF-0003.02]。在这种情况下，攻击者在地面站收集命令 [EXF-0003.01、EXF-0007]，然后迅速将流量重播到航天器 [EX-0001.01]，从而导致飞行软件再次重新处理命令 [EX-0001]。这将在下行链路命令计数器中可见 [REC-0005.02、EXF-0003.02]，除非地面操作员正在监控特定的遥测点，否则这种攻击很可能不会被注意到。如果重播的命令被视为关键命令，如启动推进器，那么可能会对航天器造成更严重的影响 [IMP-0002、IMP-0004、IMP-0005]。
为关键COTS的飞船系统启用软件技术
当今无人航天器和卫星的设计和实施费用以电子为主导，这是一个难以预测的，并且通常低估了成本[17]。现代应用程序对计算能力的不断增长需要复杂的计算平台，例如多核和异质体系结构。已经存在几种实施此类高级效率的商业企业解决方案（COTS）解决方案，并且太空机构对整合它们表现出极大的兴趣[18，20]。但是，就可靠性和时机而言，COTS组件通常没有必要的安全性。因此，它们在关键场景中的使用提出了许多挑战，尤其是对于处理器而言。的确，由于安全要求，COTS平台必须确保系统正确性，可以将其分为
海军空间技术中心航天器工程部航天器集成与测试设施
SED 提供全方位的太空系统工程和运营服务，包括结构和机制、电气和电子系统、飞行、地面和测试软件开发、姿态确定和控制系统、推进和反应控制系统、热控制系统、卫星集成和测试、运载火箭和卫星到助推器级集成以及飞行操作指挥、控制、通信、网络工程和管理方面的分析、设计和硬件专业知识。
NASA Ames
自主决策可以通过减轻诸如潜伏期和带宽等通讯限制的影响以及任务复杂性对多飞机运动物操作的影响，从而显着提高任务效率。为了推进自主分布式空间系统（DSS）的艺术状况，NASA的AMES研究中心的分布式航天器自治（DSA）团队正在五个相关技术领域内开发：分布式资源和任务管理，反应性操作，反应性操作，系统建模和模拟，人类Swarm交互，人类 - 人类交互以及Ad Hoc网络通信。DSA正在通过仿真研究和轨道部署来启动这些技术（对于将来的大型自动DSS）介绍这些技术 - 至关重要。100节点异基因处理器（PIL）测试床AIDS分布式自治能力开发和多飞机运任务的验证。部署到D-Orbit SCV-004航天器的DSA软件有效载荷作为ESA赞助的轨内技术演示的一部分演示了多代理的可重构性和可靠性。最后，DSA的主要飞行任务与四个小型航天器一起展示了多点科学数据收集的协作资源分配，作为NASA的Starling 1.0卫星的有效载荷。
航天器跟踪控制和同步 - Madjid Tavana
人工智能 (AI) 有望在从任务设计规划到卫星数据处理和导航系统等太空操作领域取得突破。人工智能和太空运输的进步使人工智能技术能够应用于航天器跟踪控制和同步。本研究评估了三种替代的航天器跟踪控制和同步 (TCS) 方法，包括非人工智能 TCS 方法、人工智能 TCS 方法和组合 TCS 方法。该研究提出了一种混合模型，包括一个用于定义权重系数的新模型和基于区间型 2 模糊集的组合折衷解 (IT2FSs-CoCoSo) 来解决航天器 TCS 问题。一种新方法用于计算标准的权重系数，而 IT2FSs-CoCoSo 用于对 TCS 方法的优先级进行排序。进行了比较分析以证明所提出的混合模型的性能。我们通过一个案例研究来说明适用性，并展示所提出方法的有效性，该方法基于十个不同的子标准对替代 TCS 方法进行优先排序，这些子标准分为三个主要方面，包括复杂性方面、操作方面和效率方面。根据本研究的结果，人工智能和非人工智能方法相结合是最有利的替代方案，而非人工智能方法则是最不有利的。2022 COSPAR。由 Elsevier BV 出版 这是一篇根据 CC BY 许可开放获取的文章（http://creativecommons.org/licenses/by/4.0/）。