旨在研究太空天气对卫星系统的影响的研究揭示了太空天气的几个重要影响。其中一些效果包括:地磁诱导的电流:这些电流可能会破坏卫星系统在低地球轨道上的操作,因为它们靠近地球表面。由于表面充电和电弧引起的辐射效应:来自各种来源的辐射会损坏卫星系统,这就是为什么在卫星设计中需要具有辐射保护的组件。辐射对人类健康的影响。电离层对卫星通信和导航的影响:电离层中的湍流可能会导致电离层等离子体密度的不一致,这可能会折射传入的无线电信号并引起电离层干扰。热圈效应:磁性风暴期间高层大气的膨胀会产生大气阻力,这可能会导致海拔高度或卫星轨道的干扰[10]。
重力辅助机动已应用于许多太空任务,用于在接近天体后改变航天器太阳中心速度矢量和轨道几何形状,从而节省推进剂消耗。可以利用额外的力量来改进机动,例如航天器与大气相互作用和/或推进系统产生的力;减少飞行时间并减少多次绕过次级天体的需要。然而,这些应用需要改进关键子系统,而这些子系统对于完成任务必不可少。本文对重力辅助的几种组合进行了分类,包括使用推力和空气动力的机动;介绍了这些变化的优点和局限性。分析了在高海拔地区实施低升阻比对航空重力辅助机动的影响,包括有推进力和无推进力。由于金星和火星与行星际任务的相关性、对探索的兴趣以及对其大气的了解,因此模拟了这些机动。在高海拔地区,低升阻比的气动重力辅助机动使金星的转弯角度增加了 10° 以上,火星的转弯角度增加了 2.5°。与重力辅助相比,这种机动使能量增益增加了 15% 以上。从技术成熟度来看,目前的太空技术发展水平使得在短期内应用高海拔气动重力辅助机动成为可能。关键词天体动力学;航天器机动;大气;轨道传播;空气动力;行星际飞行;绕行。
航天器热管理对于确保任务成功至关重要,因为它影响了板载系统的性能和寿命。提供了航天器热控制解决方案中最新技术的全面概述,以及用于高效有效热管理的设计方法框架。讨论了各种热控制溶液,包括涂料,绝缘,热管,相位变化材料,导电材料,热装置,积极泵送的流体环和辐射器,以及空间中的热量加载的主要来源。强调了对热环境的认证建模和分析,以确定适当的热控制解决方案和设计途径。未来的热管理创新(例如新材料和技术)有可能进一步提高航天器热控制解决方案的效率和有效性。
摘要本文解决了轨道机器人机器人的服务和组装中的重要挑战,这是为了克服机器人关节上的力量/扭矩的饱和挫折,并在捕获后阶段中,同时与未控制的大型Angular和线性动力进行了目标飞船,同时控制目标航天器。作者提出了一种基于两个鲁棒和效果控制算法的新颖解决方案:最佳控制分配(OCA)和非线性模型预测性控制(NMPC)。这两种算法都旨在最大程度地减少关节扭矩,航天器执行器矩,接触力和复合冗余系统的矩,其中包括通过双n-数度空间机器人机器人操纵器抓住的常见有效载荷(目标航天器)安装在Chaser spacececraft上。OCA算法仅使用当前状态和系统动力学小型量化二次成本函数,但NMPC还考虑了未来状态估计值和对指定预测范围的控制输入。它在计算上更多地参与,但在减少关节扭矩方面提供了优异的结果。迄今为止,将MPC应用于机器人技术的文献主要集中在线性模型上,但双臂配位是高度非线性的,并且在双臂协调中没有MPC应用。提出的离散技术(非线性模型)具有优雅和简单性的确切实现(非线性模型),但仍考虑了双臂协调系统的完整非线性模型。它在计算上非常有效。计算机仿真结果表明,所提出的算法有效地工作,最小扭矩,接触力和矩实现。开发的算法在跟踪问题方面也非常有效。
航天器窗户技术 新的合作机会 参考编号:80JSC021SWT 潜在商业应用:飞机、汽车、建筑、潜水器、水族馆、 关键词:玻璃窗、塑料窗、丙烯酸窗、聚碳酸酯窗、结构窗、光学、窗玻璃、飞机窗户、航天器窗户、挡风玻璃 目的:NASA JSC 寻求与合作伙伴合作,推进与航天器窗户相关的技术,目标是使窗户结构更合理、更轻、更便宜,同时仍保持所需的光学特性。在航天飞机和国际空间站等使人类能够突破探索边界的航天器上,窗户通常由多层玻璃制成。但是,玻璃并不是用于航天器窗户的理想材料。它是一种较差的结构材料。当对玻璃施加负载时,玻璃会随着时间的推移而失去强度,如果微流星体损坏玻璃,强度会立即大幅降低。美国宇航局最新的载人太空飞行器猎户座的内部玻璃由丙烯酸塑料制成。这种材料变化提高了窗户的结构完整性。在追求这些类型的窗户技术进步的过程中,美国宇航局和潜在合作伙伴将为航天器开发新的和改进的窗户功能,这也将为多个行业的地面应用提供更多选择。技术:技术目标包括但不限于:改进涂层以阻挡紫外线,防止因吸收紫外线而导致的降解,降低可燃性,防尘,适应电致变色变暗能力,减轻重量,提高抗冲击性,并确定自修复窗户和窗户作为兼职显示屏的可行性。计划进行研究以确定仅由轻质塑料制成的多窗格窗户的可行性,其中包括长时间的负载测试,以确保不会发生明显的“蠕变”。研发状态:美国宇航局已经对航天器窗户玻璃进行了广泛的开发和测试。这些历史数据(包括飞行数据)涵盖了窗格的光学性能、强度和材料特性,为实现上述技术目标提供了极好的基础。 NASA 配备了众多设施,将用于验证这些技术。光学试验台将验证新功能不会阻挡或扭曲
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。
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。
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
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。