Daniele Mortari

Daniele Mortari
Daniele Mortari
Född	30 juni 1955 Colleferro (Italien)
Alma mater	Sapienza universitet i Rom
Känd för	Blomsterkonstellationer k -vektor Avståndssökningsteknik Teorin om funktionella anslutningar
Utmärkelser	2021 IAA-medlem 2007 IEEE Judith A. Resnik Award 2015 AAS Dirk Brouwer Award Fellow IEEE Fellow AAS
Hemsida	mortari .tamu .edu

Daniele Mortari (född 30 juni 1955) är professor i rymdteknik vid Texas A&M University och Chief Scientist for Space för Texas A&M ASTRO Center. Mortari är känd för att ha uppfunnit blomkonstellationerna och k -vektorområdets sökteknik och teorin om funktionella anslutningar.

Mortari valdes till medlem av International Academy of Astronautics (IAA) 2021. Han utsågs till Fellow vid Institute of Electrical and Electronics Engineers (IEEE) 2016 för bidrag till navigeringsaspekter av rymdsystem", Fellow of the American Astronautical Society ( AAS) 2012 "för enastående bidrag till astronautik", mottagare av 2015 års Dirk Brower Award (AAS) "för framstående bidrag till teorin och praktiken av rymdfarkosters orbital- och rotationsdynamik, särskilt attitydbestämning och satellitkonstellationsdesign", och 2007 IEEE Judith A. Resnik Award "för innovativ design av kretsande rymdskeppskonstellationer och effektiva algoritmer för stjärnidentifiering och attityduppskattning av rymdfarkoster". Hans andra anmärkningsvärda utmärkelser inkluderar: Texas A&M College of Engineering , Herbert H. Richardson Fellow Award, (2015). Texas A&M College of Engineering , William Keeler Memorial Award, (2015). Best Paper Award, Mechanics Meeting Conference, Hedersmedlem i IEEE-AESS Space System Technical Panel, (sep. 2009), NASA Group Achievement Award , (maj 2008), AIAA, Associate Fellow, (nov. 2007), IEEE-AESS Distinguished Speaker, (feb. 2005), Spacecraft Technology Center Award (jan. 2003), NASA Group Achievement Award (maj 1989).

Blomsterkonstellationer

Den ursprungliga teorin om Flower Constellations har föreslagits 2004. Sedan har teorin utvecklats, och flyttat till teorin om 2-D gitter, till 3-D gitter-teorin och nyligen till Halsbandsteorin. Dessa konstellationer är särskilt lämpliga för klassiska tillämpningar, såsom rymdbaserade navigationssystem (t.ex. GPS och Galileo), jordobservationssystem (globala, regionala, ihållande, enhetliga, viktade) och kommunikationssystem. Vissa mer avancerade och futuristiska applikationer, såsom Hylands interferometriska system för intensitetskorrelation, konfigurationer för att tillhandahålla globala internetbredbandstjänster från rymden, och kommunikationsnätverk för solsystem, studeras för närvarande.

K-vektor räckviddssökningsteknik

K - vektorns räckviddssökningsteknik är en räckviddssökningsteknik som kan användas för att snabbt hämta data från vilken statisk databas som helst. K - vektortekniken föreslogs ursprungligen för att identifiera stjärnor som observerats av stjärnspårare ombord på rymdfarkoster. Sedan har det använts för att lösa olika typer av problem som hör till olika områden, såsom: 1) olinjära funktioner inversion och skärning, 2) omfattande samplingsdatagenerering med tilldelad analytisk (eller numerisk) distribution, 3) hitta ungefärliga lösningar på olinjära Diofantiska ekvationer och 4) iso-ytidentifiering för 3-dimensionella datafördelningar och nivåuppsättningsanalys.

Teori om funktionella samband

Theory of Functional Connections (TFC) är ett matematiskt ramverk som generaliserar interpolation. TFC härleder analytiska funktioner som representerar alla möjliga funktioner som är föremål för en uppsättning begränsningar. Dessa funktionaliteter begränsar hela utrymmet av funktioner till bara det delutrymme som till fullo uppfyller begränsningarna. Genom att använda dessa funktionaliteter förvandlas begränsade optimeringsproblem till obegränsade problem. Då kan redan tillgängliga och optimerade lösningsmetoder användas. TFC-teorin har utvecklats för multivariata rektangulära domäner som är föremål för absoluta, integrala, relativa och linjära kombinationer av begränsningar. Numeriskt effektiva tillämpningar av TFC har redan implementerats i optimeringsproblem, särskilt vid lösning av differentialekvationer. På detta område har TFC förenat initiala, gräns- och flervärdesproblem genom att tillhandahålla snabba lösningar med maskinfelsnoggrannhet. Detta tillvägagångssätt har redan tillämpats för att lösa, i realtid, direkta optimala kontrollproblem , såsom autonom landning på en stor planetkropp. Ytterligare tillämpningar av TFC finns i olinjär programmering och variationskalkyl , i Radiative Transfer Compartmental-modeller inom epidemiologi och i maskininlärning , där förbättringar av storleksordningar i hastighet och noggrannhet erhålls tack vare sökutrymmesbegränsningen som aktiveras av TFC.