摘要:KITSUNE 卫星是一个由 6 个单元组成的立方体卫星平台,主要任务是在低地球轨道 (LEO) 上进行 5 米级地球观测,有效载荷采用 31.4 MP 商用现成传感器、定制光学器件和相机控制板开发。尽管有效载荷是为地球观测而设计的,并以捕捉地面上的人造图案为主要任务,但计划通过卷积神经网络 (CNN) 方法对野火图像进行分类作为次要任务。因此,KITSUNE 将成为第一颗使用 CNN 对 LEO 野火图像进行分类的立方体卫星。在本研究中,卫星上采用了深度学习方法,通过预处理而不是在地面站执行图像处理的传统方法,以减少下行链路数据。 Colab 中生成的预训练 CNN 模型保存在 RPi CM3+ 中,其中,上行链路命令将执行图像分类算法并将结果附加到捕获的图像数据上。地面测试表明,在使用 MiniVGGNet 网络对卫星系统上运行的野火事件进行分类时,它可以实现 98% 的总体准确率和 97% 的 F1 得分成功率。同时,还比较了 LeNet 和 ShallowNet 模型,并在 CubeSat 上实施,F1 得分分别为 95% 和 92%。总体而言,这项研究展示了小型卫星在轨道上执行 CNN 的能力。最后,KITSUNE 卫星将于 2022 年 3 月从国际空间站部署。
(4 月 6 日截止)ABB、MDA、空中客车、L3Harris、洛克希德马丁、雷神公司均对此表示关注。• 合同将完善任务/仪器概念并提供更新的成本估算。• 计划在 2024 年底提出预算请求,预计在 2025 年春季做出资金决定。• 如果成功,将开始实施,目标是在 2034 年发射,任务寿命为 10 年。
已完成两项研究(2020 年第三季度): 审查可用于小型卫星和商业空间的光学技术(光学、探测器、校准/验证) 推导仪器和非商业任务概念(操作、科学、检测应用) 定义了几个有前景的概念,需要进一步的系统和原型设计工作
立方体卫星越来越多地被指定用于要求严格的天文和地球观测任务,在这些任务中,精确指向和稳定性是关键要求。立方体卫星很难达到这样的精度,主要是因为它们的转动惯量很小,这意味着即使是很小的干扰扭矩,例如由剩磁矩引起的扭矩,也会对纳米卫星的姿态产生重大影响,当需要高度的稳定性时。此外,硬件在功率、重量和尺寸方面的限制也使这项任务更具挑战性。最近,萨里大学开展了一项博士研究计划,以研究立方体卫星的磁特性。研究发现,通过良好的工程实践,如减少使用导磁材料和最小化电流环路面积,可以减轻干扰。本文讨论了纳米卫星干扰的主要来源,并介绍了一项调查和简要介绍磁性清洁技术,以最大限度地减少剩磁场的影响。它的主要目的是为立方体卫星社区提供指导,以设计未来具有改进姿态稳定性的立方体卫星。然后,我们介绍了迄今为止对立方体卫星和纳米卫星的残余磁偶极子测定新技术的发现。该方法通过在航天器上实施八个微型三轴磁力仪网络来执行。它们用于在轨道上实时动态确定航天器的磁偶极子的强度、方向和中心。该技术将有助于减少磁干扰的影响并提高立方体卫星的稳定性。开发了一个软件模型和一个使用八个通过 Raspberry-Pi 控制的磁力仪的硬件原型,并使用 Alsat-1N 立方体卫星的吊杆有效载荷和为验证目的而开发的磁空心线圈成功进行了测试。引用本文:A. Lassakeur、C. Underwood、B. Taylor 和 R. Duke,《立方体卫星和纳米卫星的磁清洁度计划以提高姿态稳定性》,《航空航天技术杂志》,第 13 卷,第 1 期,第 25-41 页,2020 年 1 月。