CALIPSO 任务是一项多传感器卫星实验,它使用创新方法探索我们的大气层并研究气溶胶和薄云。CALIPSO 将从太空提供首次全球云和气溶胶剖面和物理特性调查,包括季节和地理变化。CALIPSO 将收集其他地球观测卫星无法提供的有关云和气溶胶垂直结构的信息。这些观测结果与其他任务的同步数据相结合,将大大增强我们对云和气溶胶如何相互作用、全球产生的气溶胶数量、它们如何运输以及气溶胶在大气中停留多长时间的理解。CALIPSO 测量最终将有助于改善对天气、气候和空气质量的预测。CALIPSO 的主要任务计划持续三年。
LightSail 计划包括开发、发射和运行两颗私人资助的 3U 立方体卫星,旨在推动太阳帆技术的发展。第一艘 LightSail 航天器主要用于演示太阳帆部署过程,于 2015 年春季成功完成近地轨道任务。第二艘 LightSail 任务计划于 2017 年发射,主要目标是演示地球轨道上的帆控制并提高远地点。LightSail 由行星协会管理,由世界各地的会员和私人捐助者资助,是有史以来最雄心勃勃的私人资助太阳帆计划。通过展示从 3U 立方体卫星平台部署和控制太阳帆的能力,LightSail 计划推动太阳帆成为一种可行的太空小型卫星推进技术。本文概述了 LightSail 计划,描述了航天器设计,并讨论了 LightSail 1 的初始试飞结果。
2021 年,全球成功发射轨道火箭的次数达到 135 次。之前的记录是在 1984 年创下的,当时发射了 129 次(McDowell J.,2022 年)。未来几年的计划发射表明,该记录可能会再次被打破,也许会是数量级的。当之前的发射记录在 1984 年创下时,美国和苏联两个国家在发射名单上占据主导地位。2021 年的名单包括六个国家或国家集团——美国、欧盟、俄罗斯、中国、印度和日本——以及许多私营公司和合作伙伴。构成航天部门的政府和私人商业航天活动没有放缓的迹象。未来几十年的月球、火星和新空间站任务计划预示着一个更加复杂、多样化和拥挤的太空经济。
安全并非偶然发生。只有当个人和领导者接受过适当的培训,在计划和执行任务时纪律严明,并且在所做的每一件事中都符合规定的或可接受的标准时,安全才会发生。作为我们职业的管理者,我们对国家和战友们负有责任。最近的事故表明,编队飞行技能正在萎缩,而这种技能很容易消失,尤其是在夜间,或者在执行新的和不熟悉的任务时。在条件发生变化时,遵守标准尤为重要,有时机组人员甚至没有察觉到。这些变化通常代表着任务计划方式的偏离,具有足够的安全裕度,但残余风险的积累超过了安全裕度,并表现为事故。我们维持这些安全裕度的方式是遵守标准或修改任务以增加我们的容错余地。
请参阅提供任务计划和飞行动态分析和基于软件的操作工具,包括哥白尼,一般任务分析工具(GMAT),ANSYS的系统工具套件(STK)和轨道确定工具套件(ODTK)。另请参见提供商业,端到端的飞行动态操作解决方案,以实现成本效益的空间任务。围绕STK和ODTK构建,请参阅“飞行动力学工具(FDT)”和其他内部软件解决方案,从而可以通过飞行操作从初始概念到实现全面任务分析。See的团队在Cislunar Space拥有深厚的发展和操作经验。尤其是,请参见开发轨迹的可靠记录,以利用新兴的商业选择来访问空间。参见Rocket Lab的Lunar Photon上阶段的上升轨迹,该阶段部署了顶峰航天器。
天体动力学模拟为太空任务计划和操作提供了至关重要的意见。对任务配置的交互式可视化,特别是对于多飞机运动物的星座或形式而飞行的方案,在理解选项和将结果传达给各种最终用户或受众群体方面都起着重要作用。尽管理想化的轨道动力学的数学基础已经充分了解,但实际上,航天器轨道更为复杂。这包括诸如卫星与当地空间环境(例如空气动力)之间的相互作用或日益拥挤的轨道区和碎屑场的影响,这可能需要突然的轨道变化以避免碰撞。任务模拟现在必须同时考虑单个卫星和多飞机运动物配置,其中可能包括共享在多孔/多传感器形成中飞行的轨道或卫星的星座。
获得了502,800欧元的资金,用于“智能,安全,绿色和清洁的车辆和运输系统”的第四个主题领域,该领域旨在增强确保可持续城市流动性所必需的知识和技术。该项目的目标是开发,测试和展示旨在巡逻服务,医疗援助,紧急响应,货物运输和监控的无人地面和航空车的集成系统。地面车辆的设计目的是与航空车协调,以在基于云的平台内共享和管理信息。该平台将提供有关交通状况和紧急警报的实时更新。也正在创建服务,以改善自动驾驶平台的城市环境,包括任务计划,优化的路线生成和车队协调。这些自主平台共享信息并共同管理整个系统,每辆车充当分布式传感器。
正如没有一种正确的方法来进行 AAR 一样,也没有一种正确的方法来自动化 AAR。所有类型的培训和 AAR 都有共同的要求。对各个战斗训练中心的军队观察员/控制员的采访 (Dyer, 2005) (Salter, 2007) 清楚地表明,提高训练回忆和诊断的自动化是可取的。Dyer 等人 (Dyer, 2005) 指出“AAR 辅助工具应该协助培训师,并应在它们“增值”时使用。该声明表明,自动化 AAR 应该致力于协助培训师,而不是替代培训师。根据 (C.L Johnson, 2008),自动化 AAR 工具的最大缺陷之一是无法确定事件之间的因果关系和联系。可用的 AAR 自动化可以轻松列出事件,但无法帮助培训师将这些事件与任务计划联系起来。