2024年7月萤火虫航天为NASA发射8颗立方体卫星

作为美国宇航局立方体卫星发射计划的一部分,萤火虫航空航天公司于7月3日在该公司的阿尔法火箭上发射了八颗小型卫星。这枚名为“夏日噪音”的火箭于太平洋夏令时(PDT)晚上9点04分从加利福尼亚州范登堡空军基地的2号航天发射场成功升空。

立方体卫星任务由大学和美国宇航局中心设计,涵盖的科学包括气候研究、卫星技术开发和对学生的教育推广。

萤火虫航空航天公司通过此次发射完成了其风险级发射服务演示2合同。NASA的风险投资级合同为新的供应商提供了发射机会,有助于发展商业发射行业,并为未来的NASA任务带来具有成本效益的竞争。

美国宇航局的立方体卫星发射计划为大学、非营利组织、科学中心和其他研究人员提供了一种在太空中进行科学和技术演示的低成本方式。

参考链接

1 Eight CubeSats lift off for NASA on Firefly Aerospace rocket (phys.org)

CatSat

University of Arizona

CatSat是用于高速通信的充气天线的技术演示。CatSat的可展开天线由聚酯薄膜气球组成。气球的前半部分是透明的,允许微波通过。气球的后半部分被镀铝,形成反射天线。到达近地轨道后,CatSat的天线将展开并膨胀到直径略高于一英尺半的CatSat的演示将以每秒~50兆比特的速度将高清地球照片传输到X波段地面站,比典型的家庭互联网速度快~5倍以上。除图像外,还将通过收听来自地面业余无线电台的数千个信标来收集有关地球电离层结构的数据。CatSat是一个由学生运营的项目,涉及美国宇航局的空间技术任务理事会,自由落体航空航天公司,亚利桑那大学和亚利桑那州图森的Rincon Research Corporation。

KUbeSat-1

University of Kansas

KUbeSat-1的主要有效载荷是初级宇宙射线探测器,它将使用一种新方法来测量撞击地球的初级宇宙射线的能量和种类。这种类型的研究传统上是在地球上进行的。次要有效载荷是高空校准(HiCalK),它建立在数十年来围绕宇宙射线与大气相互作用产生的甚高频信号的研究之上。HiCalK是一项演示任务,旨在为未来KUbeSat卫星的更先进版本铺平道路。KUbeSate-1 上的相机旨在传播对太空可及性的认识,并激励年轻人真正触及星星。KUbeSat-1是NASA的CubeSat发射计划下第一个从堪萨斯州起飞的CubeSat。该任务恢复了堪萨斯大学的小型卫星研究,并启动了一项名为KUbeSat的新计划,该计划将为该地区的任何学生研究提供太空访问。

MESAT1

University of Maine

MESAT1 涉及三个任务合二为一,全部由缅因州的高中生设计。科学有效载荷以气候为重点,包括反照率、成像仪和HAB。这些将识别城市热岛,确定水体中浮游植物的浓度,并帮助预测有害藻华。机上的四台多光谱相机将把数据传送到缅因大学的地面站进行进一步处理。缅因大学工程团队与业余无线电卫星公司和国家河口研究储备系统合作,在缅因州太空资助联盟的支持下建造了3U卫星。MESAT1将是缅因州第一颗在NASA立方体卫星发射计划下发射的小型卫星。

R5-S4

NASA Johnson Space Center

R5-S4 和 R5-S2 将是发射到轨道的 R5 航天器系列中的第一个,这将是对建造航天器总线的新型精益工艺的测试。该团队将监控航天器每个部分的性能,包括计算机、软件、无线电、推进系统、传感器和摄像头。这两艘航天器都具有来自马里兰州美国宇航局戈达德太空飞行中心的交会和近距离操作基准四月标签,致力于解决航天器之间的相对导航问题。

R5-S4还托管了ELROI-SOTU(极低资源光学标识符 - 空间物体跟踪单元),这是洛斯阿拉莫斯国家实验室开发的“航天器车牌”。一盏闪烁的小灯不断闪烁出一个车牌号,可以用地面上的小型望远镜读取该车牌号,以在目前轨道上的数万个物体中识别这颗卫星。ELROI系统旨在帮助解决随着越来越多的卫星以越来越快的速度发射而日益严重的空间环境中日益拥挤和混乱的问题。

R5-S2-2.0

NASA Johnson Space Center

R5-S4 和 R5-S2 将是发射到轨道的 R5 航天器系列中的第一个,这将是对建造航天器总线的新型精益工艺的测试。该团队将监控航天器每个部分的性能,包括计算机、软件、无线电、推进系统、传感器和摄像头。这两艘航天器都具有来自马里兰州美国宇航局戈达德太空飞行中心的交会和近距离操作基准四月标签,致力于解决航天器之间的相对导航问题。

Serenity

Teachers in Space

继2022年10月成功发射“TIS Serenity”后,Teachers in Space正在发射第三颗Serenity级卫星。Serenity 3 为在太空中测试教育实验提供了低成本的机会。它有一套数据传感器和一个摄像头,可以将数据发送回地球。作为业余无线电广播公司,Serenity可以与地面上的无线电进行通信,允许任何拥有业余无线电的人与Serenity“交谈”。一个人可以在数据和图片传输回地球时收集它们。

请访问 www.TIS.org/Serenity-satellite,了解有关与 Serenity 沟通和请求照片的详细信息。Teachers in Space, Inc. 是北美的一家 501(c)(3) 非营利性教育组织,旨在激发学生对科学、技术、工程和数学 (STEM) 的兴趣。它们为教师提供真正的空间科学经验、太空飞行机会和行业联系。

SOC-i

University of Washington

最佳控制和成像卫星 (SOC-i) 是姿态控制技术的技术演示任务,即航天器如何保持其相对于地球、太阳或其他物体的方向。其中一个有效载荷是称为SOAR的制导和控制系统,或SOC-i的最佳姿态重新定向。第二个有效载荷CMOS是一个相机,用作演示SOC-i指向能力的工具。太空飞行的一个挑战是在多重约束下保持自主飞行,例如,保持稳定性,同时避免将敏感仪器直接指向太阳。该任务将测试一种算法,该算法旨在通过航天器上实时计算的受约束姿态制导机动来支持自主操作。SOAR使用华盛顿大学开发的基于优化的姿态制导方法来实时计算轨迹,这些轨迹在整个机动过程中满足一组五个约束条件。

TechEdSat-11 (TES-11)

NASA Ames Research Center

TES-11 是一个 6U 立方体卫星,是 TechEdSat 的一部分,TechEdSat 是一系列合作项目和任务,将大学生与 NASA 研究人员配对,以评估用于小型卫星或立方体卫星的新技术。学生们在加州硅谷NASA艾姆斯研究中心的工程师的指导下,为每次飞行任务进行动手工作——设计、建造和测试CubeSat航天器系统并分析结果。TES-11 包含多项技术演示,包括高级通信、辐射传感器套件、实验太阳能电池板、外制动器和 BrainStack-3。高级通信实验涉及用户主动服务协议,该协议将允许纳米卫星自主地与地面站“协商”,然后下载数据。BrainStack是一个连续的系列,它使用一种图形处理单元和神经形态处理器,允许在低地球轨道上进行人工智能或机器学习实验。外制动器是一种可展开的类似降落伞的装置,旨在减少立方体卫星脱离轨道的时间。

参考链接Noise of Summer - Firefly Aerospace (fireflyspace.com)

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/873757.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

解读vue3源码-响应式篇2

提示:看到我 请让我滚去学习 文章目录 vue3源码剖析reactivereactive使用proxy代理一个对象1.首先我们会走isObject(target)判断,我们reactive全家桶仅对对象类型有效(对象、数组和 Map、Set 这样的集合类型),而对 str…

【数学建模】多波束测线问题(持续更新)

多波束测线问题 问题 1建立模型覆盖宽度海水深度重叠长度重叠率 问题二问题三问题四 问题 1 与测线方向垂直的平面和海底坡面的交线构成一条与水平面夹角为 α \alpha α的斜线(如下图),称 α \alpha α为坡度。请建立多波束测深的覆盖宽度及…

Python代码,强化学习,深度学习

python代码编写,Python算法设计,强化学习优化,改进模型,训练模型,测试模型,可视化绘制,代编运行结果,交互多模型改进,预测模型,算法修改,Python包…

11.斑马纹列表 为没有文本的链接设置样式

斑马纹列表 创建一个背景色交替的条纹列表。 使用 :nth-child(odd) 或 :nth-child(even) 伪类选择器,根据元素在一组兄弟元素中的位置,对匹配的元素应用不同的 background-color。 💡 提示:你可以用它对其他 HTML 元素应用不同的样式,如 <div>、<tr>、<p&g…

利用PyTorch进行模型量化

利用PyTorch进行模型量化 目录 利用PyTorch进行模型量化 一、模型量化概述 1.为什么需要模型量化&#xff1f; 2.模型量化的挑战 二、使用PyTorch进行模型量化 1.PyTorch的量化优势 2.准备工作 3.选择要量化的模型 4.量化前的准备工作 三、PyTorch的量化工具包 1.介…

openGauss学习笔记-312 openGauss 数据迁移-MySQL迁移-迁移MySQL数据库至openGauss-概述

文章目录 openGauss学习笔记-312 openGauss 数据迁移-MySQL迁移-迁移MySQL数据库至openGauss-概述312.1 工具部署架构图 openGauss学习笔记-312 openGauss 数据迁移-MySQL迁移-迁移MySQL数据库至openGauss-概述 312.1 工具部署架构图 当前openGauss支持对MySQL迁移服务&#x…

【多任务YOLO】 A-YOLOM: You Only Look at Once for Real-Time and Generic Multi-Task

You Only Look at Once for Real-Time and Generic Multi-Task 论文链接&#xff1a;http://arxiv.org/abs/2310.01641 代码链接&#xff1a;https://github.com/JiayuanWang-JW/YOLOv8-multi-task 一、摘要 高精度、轻量级和实时响应性是实现自动驾驶的三个基本要求。本研究…

多光谱的空间特征和光谱特征Statistics of Real-World Hyperspectral Images

文章目录 Statistics of Real-World Hyperspectral Images1.数据集2.spatial-spectral representation3.Separable Basis Components4.进一步分析5.复现一下5.1.patch的特征和方差和论文近似&#xff0c;5.2 spatial的basis和 spectral的basis 6.coef model7.join model Statis…

多视角数据的不确定性估计:全局观的力量

论文标题&#xff1a;Uncertainty Estimation for Multi-view Data: The Power of Seeing the Whole Picture 中文译名&#xff1a;多视角数据的不确定性估计:全局观的力量 原文地址&#xff1a;Uncertainty Estimation for Multi-view Data: The Power of Seeing the Whole …

python用selenium网页模拟时xpath无法定位元素解决方法2

有时我们在使用python selenium xpath时&#xff0c;无法定位元素&#xff0c;红字显示no such element。上一篇文章写了1种情况&#xff0c;是包含iframe的&#xff0c;详见https://blog.csdn.net/Sixth5/article/details/140342929。 本篇写第2种情况&#xff0c;就是xpath定…

类和对象:赋值函数

1.运算符重载 • 当运算符被⽤于类类型的对象时&#xff0c;C语⾔允许我们通过运算符重载的形式指定新的含义。C规定类类型对象使⽤运算符时&#xff0c;必须转换成调⽤对应运算符重载&#xff0c;若没有对应的运算符重载&#xff0c;则会编译报错&#xff1b;&#xff08;运算…

数据旋律与算法和谐:LLMs的微调交响

论文&#xff1a;https://arxiv.org/pdf/2310.05492代码&#xff1a;暂未开源机构&#xff1a;阿里巴巴领域&#xff1a;模型微调发表&#xff1a;ACL 2024 这篇论文《How Abilities in Large Language Models are Affected by Supervised Fine-tuning Data Composition》深入…

【BUG】已解决:raise KeyError(key) from err KeyError: (‘name‘, ‘age‘)

已解决&#xff1a;raise KeyError(key) from err KeyError: (‘name‘, ‘age‘) 欢迎来到英杰社区https://bbs.csdn.net/topics/617804998 欢迎来到我的主页&#xff0c;我是博主英杰&#xff0c;211科班出身&#xff0c;就职于医疗科技公司&#xff0c;热衷分享知识&#xf…

python学习(不是广告)是我自己看了这么多课总结的经验

入门 首先推荐的是林粒粒的python入门学习 在你看完这套Python入门教程后&#xff1a; 想继续巩固基础 &#x1f449; 想学习Python数据分析 &#x1f449; 想学习Python AI大模型应用开发 &#x1f449; 进阶 入门之后就是进阶使用python实现 1.办公效率化 2.数据分析&am…

信弘智能与图为科技共探科技合作新蓝图

本期导读 近日&#xff0c;图为信息科技&#xff08;深圳&#xff09;有限公司迎来上海信弘智能科技有限公司代表的到访&#xff0c;双方共同探讨英伟达生态系统在人工智能领域的发展。 在科技日新月异的今天&#xff0c;跨界合作与技术交流成为了推动行业发展的重要驱动。7月…

GraphRAG+ollama+LM Studio+chainlit

这里我们进一步尝试将embedding模型也换为本地的&#xff0c;同时熟悉一下流程和学一些新的东西 1.环境还是用之前的&#xff0c;这里我们先下载LLM 然后你会在下载nomic模型的时候崩溃&#xff0c;因为无法搜索&#xff0c;无法下载 解决办法如下lm studio 0.2.24国内下载…

Ubuntu 24.04 LTS Noble安装Docker Desktop简单教程

Docker 为用户提供了在 Ubuntu Linux 上快速创建虚拟容器的能力。但是&#xff0c;那些不想使用命令行管理容器的人可以在 Ubuntu 24.04 LTS 上安装 Docker Desktop GUI&#xff0c;本教程将提供用于设置 Docker 图形用户界面的命令…… Docker Desktop 是一个易于使用的集成容…

脑肿瘤有哪些分类? 哪些人会得脑肿瘤?

脑肿瘤&#xff0c;作为一类严重的脑部疾病&#xff0c;其分类复杂多样&#xff0c;主要分为原发性脑肿瘤和脑转移瘤两大类。原发性脑肿瘤起源于颅内组织&#xff0c;常见的有胶质瘤、脑膜瘤、生殖细胞瘤、颅内表皮样囊肿及鞍区肿瘤等。其中&#xff0c;胶质瘤作为最常见的脑神…

nodejs学习之process.env.NODE_ENV

简介 process对象是 Node 的一个全局对象&#xff0c;提供当前 Node 进程的信息。它可以在脚本的任意位置使用&#xff0c;不必通过require命令加载。该对象部署了EventEmitter接口。 process.env 属性返回包含用户环境的对象 使用 pnpm init新建index.js const { env } r…

【C++】类和对象(二)

个人主页 创作不易&#xff0c;感谢大家的关注&#xff01; 文章目录 ⭐一、类的默认成员函数&#x1f48e;二、构造函数⏱️三、析构函数&#x1f3dd;️ 四、拷贝构造函数&#x1f384;五、赋值运算符重载&#x1f3e0;六、取地址运算符重载&#x1f389;const成员 ⭐一、类…