首页 > 业界 > 关键词  > DART最新资讯  > 正文

NASA的行星防御测试:DART航天器即将撞击小行星

2022-09-24 08:48 · 稿源: cnbeta

美国宇航局(NASA)的“双小行星重定向测试”(DART)任务的挑战性目标是在9月26日将其航天器撞向一颗小行星。它的目标是Dimorphos,一颗围绕着一个名为Didymos的较大小行星运行的小卫星。尽管这颗小行星对地球不构成威胁,但这次任务将测试技术,这些技术可用于保护我们的星球,以应对未来可能发现的潜在小行星或彗星危险。

位于马里兰州劳雷尔的约翰霍普金斯应用物理实验室(APL)为NASA设计并领导这项雄心勃勃的任务。然而,与许多任务一样,这项工作需要NASA各中心的专业知识。在该机构位于加利福尼亚州帕萨迪纳的喷气推进实验室(JPL)的情况下,这些专业知识用于导航、小行星科学、目标的精确定位,以及地球到航天器的通信。

“像我们与APL的战略伙伴关系是先进空间任务发展的命脉,”JPL主任Laurie Leshin说。“我们与APL合作的历史可以追溯到旅行者号,并延伸到未来,如 Europa Clipper任务。我们一起做的工作使我们所有人--以及我们的任务--变得更好。我们很自豪能够支持DART任务和团队。”

DART航天器于2021年11月23日发射,大约1320磅(约600公斤),当它撞击直径仅为525英尺(160米)的Dimorphos时,将位于距离地球680万英里(约1100万公里)的地方。更具挑战性的是,航天器将以每秒约4英里(6.1公里)的速度接近这块太空岩石,也就是每小时约14000英里(22530公里)。Dimorphos每隔11.9小时绕着直径约为半英里(780米)的Didymos运行一次。

Asteroid-Didymos-and-Dimorphos-DRACO.jpg

JPL的导航部门在使航天器准确到达遥远的地点方面相当有经验(例如:卡西尼号到土星,朱诺号到木星,毅力号到火星)。每个任务都会带来其独特的挑战,而DART就有很多。

“这是一项困难的工作,”JPL的Julie Bellerose说,她领导DART航天器的导航团队。“导航团队工作的很大一部分是在撞击前24小时让DART进入一个9英里宽(15公里宽)的空间盒子。”Bellerose说,在那个时候,任务的最后一次轨迹修正机动(发射推进器以改变飞行方向)将由任务控制人员在地球上执行。从那时起,一切都取决于DART。

在其单程旅程的最后几个小时里,DART将使用由APL创建的自主机载导航仪来保持航线。SMART Nav,即小体机动自主实时导航,从DART的DRACO(Didymos Reconnaissance and Asteroid Camera for Optical navigation)高分辨率相机中收集和处理Didymos和Dimorphos的图像,然后使用一套计算算法来确定在撞击前的最后四个小时需要做什么机动。

与DART团队一起,另一组JPL导航员正在计算和规划DART航天器同伴的轨迹。意大利航天局(ASI)的轻型意大利小行星成像立方体卫星,或LICIACube,它的重要任务是对DART对Dimorphos的撞击效果进行成像。这个烤面包机大小的航天器于9月11日与DART断开连接--正好是DART计划撞击小行星月球Dimorphos的15天之前--在JPL团队的协助下,自己在行星际空间中航行。

JPL的LICIACube导航负责人Dan Lubey说:“我们正在与ASI合作,使LICIACube在DART撞击后2至3分钟内到达Dimorphos的25至50英里(40至80公里)范围内--足够近,以获得撞击和喷出物羽流的良好图像,但不会近到LICIACube可能被喷出物击中。”

虽然不是DART任务成功的必要条件,但这颗小卫星的两台光学相机LEIA(LICIACube Explorer Imaging for Asteroid)和LUKE(LICIACube Unit Key Explorer)将提供的撞击前和撞击后的图像可以使科学界在研究近地天体方面受益,并有助于解释DART的结果。

时间和空间

JPL的近地天体研究中心(CNEOS)是NASA行星防御协调办公室(PDCO)的一个组成部分,其任务不仅是确定Didymos在太空中16英里(25公里)内的位置,而且还要确定Dimorphos何时能从DART的接近方向看到--并能进入。

与其他机构的研究人员一起,CNEOS的成员将研究由撞击喷出的岩石和碎石(破碎的岩石和灰尘),以及新形成的撞击坑和Dimorphos在其母小行星周围轨道上的运动。在JPL的Steve Chesley领导下,他们不仅将检查来自DART和LICIACube的数据和图像,还将检查来自太空和地面望远镜的数据。

科学家们认为,这次撞击应该使小卫星围绕大小行星的轨道周期缩短数分钟。这个时间长度应该足以让地球上的望远镜观察和测量这些影响。它也应该足以让这次试验证明动能撞击技术--撞击小行星以调整其速度,从而调整其路径--事实上可以保护地球免受小行星的撞击。

在这些基于地球的望远镜中,重要的贡献者包括NASA的深空网络,即JPL管理的巨型射电望远镜天线阵列。在JPL科学家Shantanu Naidu的领导下,位于加利福尼亚州巴斯托附近的深空网络Goldstone综合体的深空站14号巨大的70米(230英尺)天线,将在撞击后约11小时开始观测天体碰撞的后果,当时地球的旋转将Didymos和Dimorphos带入Goldstone的视野。从这两颗太空岩石上反弹出来的回波数据应该有助于确定小卫星的轨道发生了什么变化,甚至可能提供一些粗略的分辨率雷达图像。

当然,无线电科学只是深空网络作用的一部分。导航小组也依赖于它,因为该网络是美国宇航局自1963年以来与月球和其他地方的航天器进行通信的手段。

举报

  • 相关推荐
  • 微算法科技(NASDAQ:MLGO)研发可信共识算法TCA,解决区块链微服务中的数据一致性与安全挑战

    微算法科技(NASDAQ:MLGO)开发了TCA(可信共识算法),该算法结合可信执行环境(TEE)和有向无环图(DAG)技术,旨在解决区块链微服务架构中的数据一致性和安全性问题。TCA通过引入安全隔离的执行空间确保数据传输完整性,利用DAG结构提高数据处理效率,降低共识延迟和能耗。该技术可广泛应用于金融、供应链管理和物联网领域,实现高效安全的分布式系统。未来随着技术进步,TCA性能将进一步提升,成为构建分布式系统的重要工具。

  • 爸爸用霍氏八极拳铁山靠帮孩子摘杏:发力撞击 大量杏仁掉落

    近日,一则发生在辽宁抚顺的趣味视频在网络上迅速传播,吸引众多网友目光并引发热议。 视频画面中,霍氏八极拳第四代传人雒天笑正与家人在出游途中。当他们路过一棵杏树时,孩子看到树上的杏,便萌生出想要采摘的想法。雒天笑见状,决定施展八极拳中的“铁山靠”绝技。 他神情从容,稳步走向杏树,先是抬手摸了摸树干,仿佛在感受杏树的“力量”。紧接着,他�

  • 微算法科技(NASDAQ:MLGO)利用Pool验证池机制,结合传统分布式一致性技术(如Paxos和Raft),实现秒级共识验证

    本文探讨了区块链和分布式系统中验证池机制的应用。传统共识机制在实时性要求高的场景存在局限,验证池机制通过集中验证节点提高效率,结合Paxos和Raft等分布式一致性技术,实现秒级共识验证。该技术具有高效性、可靠性和扩展性优势,可应用于金融交易、物联网数据交换和供应链管理等领域,确保数据一致性和系统稳定性。未来有望通过优化算法和结合AI技术进一步提升性能,拓展更多应用场景。

  • 微云全息(NASDAQ: HOLO)采用集成学习革新区块链异常检测技术

    微全息公司(HOLO)开发了一种基于集成学习的区块链异常交易检测模型,通过结合决策树、朴素贝叶斯等多种机器学习算法,显著提升了比特币交易欺诈检测的准确性。该模型采用ADASYN-TL技术解决数据不平衡问题,并运用随机搜索等方法优化超参数。评估显示模型在准确率、F1分数等指标表现优异,同时通过SHAP方法增强可解释性。这一创新不仅提高了检测精度,还为区块链安全领域带来了新的技术突破。

  • 为何头部企业都选 Testin云测?揭秘 AI 测试的核心竞争力

    文章探讨了软件定义时代下数字化转型带来的质量新命题。在金融、汽车、人工智能三大领域,软件已成为企业战略核心载体:金融科技投入持续增长,汽车行业"软件定义汽车"重构竞争格局,AI与传统软件融合催生新范式。同时指出软件质量缺陷可能引发的连锁反应,强调软件测试已突破传统质控范畴,成为企业数字化竞争的基础设施。Testin云测通过AI测试技术,在大模型应用、金融行业、智能座舱三大场景实现突破:构建全机型覆盖矩阵、创新无码化脚本开发、优化自动化分层策略,显著提升测试效率与资产复用率。未来趋势将向智能化、场景化、全生命周期管理演进,AI技术从辅助测试向自主决策升级,推动测试环节从"成本中心"向"价值中心"转型。

  • 微云全息(NASDAQ: HOLO)推出创新区块链治理博弈模型,强化网络安全防护

    微云全息(NASDAQ:HOLO)开发了新型区块链治理博弈模型(BGGM),通过去中心化网络设计有效防御攻击。该模型结合随机博弈理论和波动理论,分析攻击者行为模式,优化网络防护策略。研究显示,BGGM能提升区块链安全性和稳定性,为首次代币发行(ICO)和新链服务提供安全保障。微云全息将持续优化该模型,推动区块链技术发展,为用户带来更安全可靠的体验。

  • 从车企CIO视角看Testin云测的智能座舱AI测试实施案例

    文章探讨了智能座舱成为车企差异化竞争核心的趋势。2024年数据显示,智能座舱故障率高居新能源汽车投诉首位,暴露传统测试模式在复杂系统下的不足。以Testin云测为代表的AI测试服务商通过三大技术重构测试体系:1)视觉引擎实现跨系统界面识别,测试效率提升3倍;2)缺陷预测模型使65%问题在开发阶段暴露,降低后期修复成本50%;3)云端设备池化使硬件利用率从30%提升至65%。某头部车企案例显示,该方案使测试效率提升35%,缺陷检出率提高55%,年节省测试费用超千万元。未来趋势将向AI深度渗透、虚实结合测试和全生命周期管控发展。

  • 金融 / 汽车行业争先引入!Testin 云测 AI 测试方案成产业刚需

    文章概述了AI技术正在重塑软件测试行业格局,重点介绍了Testin云测在AI测试领域的创新成就。该公司凭借自主研发的Testin XAgent智能测试系统,实现了自然语言生成测试脚本和智能诊断分析两大技术突破,大幅提升测试效率。其解决方案已成功应用于金融、汽车等行业,助力企业数字化转型。Testin云测通过构建覆盖全生命周期的智能质量保障体系,推动软件测试从成本中心向价值创新引擎转型,引领行业迈向智能化新时代。

  • 智能座舱AI测试服务商盘点 ——Testin 云测

    文章探讨了智能网联汽车与智能座舱的发展趋势及测试挑战。智能座舱正从传统人机交互向全域智能化生态演进,其软件系统的稳定性、交互精准度和迭代敏捷性成为车企竞争关键。行业面临三大测试痛点:异构设备协同测试的资源调度困境、复杂场景的全链路测试覆盖难题,以及敏捷开发模式下的质量保障矛盾。Testin云测通过AI测试系统XAgent提供解决方案,采用微服务架构和容器化部署,实现测试资源弹性调度,并融合机器视觉、自然语言处理等技术提升测试效率。实践案例显示,该系统帮助车企提升测试效率35%,自动化覆盖80%功能点,缺陷检测率提升55%,全年节省测试成本超千万元。未来,随着智能座舱向舱驾融合、多模态交互发展,测试技术将呈现AI深度赋能、虚实结合仿真等趋势。

  • 微云全息(NASDAQ: HOLO)引领车联网数据安全新纪元:创新分片技术重塑区块链存储与计算

    随着车联网(IoV)技术发展,数据安全问题日益凸显。区块链技术凭借去中心化、不可篡改特性,在解决车联网数据安全需求方面展现出巨大潜力。微云全息(NASDAQ: HOLO)针对区块链存储压力大和跨分片通信效率低两大挑战,创新性地提出内容分片和节点分片两种解决方案。内容分片通过智能合约将数据分类存储在不同节点,降低单节点存储压力;节点分片则将网络节点分组协作,减少跨分片通信次数。这两种方法有效提升了系统性能和可扩展性,为车联网数据安全提供了新思路。