Neo Radar:一个基于浏览器的轨道力学引擎,包含 4.1 万颗真实小行星。
Neo Radar: A browser-based orbital mechanics engine with 41k real asteroids

原始链接: https://neoradar.space

NEO Radar 提供高精度的轨道轨迹数据,其严谨程度符合任务规划的标准。该系统通过以下三个核心组件确保准确性: * **开普勒精度:** 引擎不依赖查找表,而是使用牛顿-拉弗森法(Newton-Raphson method)求解开普勒方程。这可在四次迭代内实现 10⁻¹² 的收敛精度,即使对于高偏心率轨道也能保持精确。 * **动态摄动:** 该平台集成了 N 体龙格-库塔(RK4)模拟,考虑了所有八大行星的引力影响。用户可以切换外行星引力选项,以可视化“关键孔”效应和轨迹不确定性。 * **可靠数据:** 所有信息均直接来源于 NASA 的喷气推进实验室(JPL)Horizons 和 SPICE 内核。数据在本地缓存,确保无需面临近似偏差风险即可即时获取经过验证的观测弧段和不确定性参数。 简而言之,NEO Radar 提供了具有可验证精度的专业级任务就绪轨道力学服务。

来自巴西的 17 岁开发者 Davi 近期发布了一款令人瞩目的网页版轨道力学引擎 **NEO Radar**。该项目旨在绘制近地天体轨迹,其数据源自小行星中心(Minor Planet Center),涵盖了超过 41,000 颗真实小行星。 该引擎基于第一性原理构建,旨在深入掌握数值计算方法。它集成了复杂的航天动力学功能,包括 JPL Horizons 星历表、牛顿-拉弗森求解器(Newton-Raphson solver)、自适应 RK4 N 体积分以及蒙特卡洛不确定性传播算法。值得一提的是,Davi 采用了清晰的架构设计,将物理引擎与渲染层分离,确保了模拟过程不依赖于特定的 DOM 或 Canvas。 该项目已完全开源,并配有完整的文档、单元测试和性能基准测试。Davi 开发此工具旨在进行深度学习研究,目前正寻求航天动力学和科学可视化领域专家的反馈,以进一步优化引擎。您可以访问 GitHub 查看该项目或浏览代码。
相关文章

原文

Engineering

Every trajectory in NEO Radar is integrated from JPL Horizons ephemeris with full gravitational perturbation from the outer planets. The numbers you see are the numbers a mission planner would see.

E₀ → E₁ → E₂ → E₃ ε < 1e-12

01 / Kepler

Solves Kepler's equation, not lookup tables.

Mean anomaly to eccentric anomaly via Newton-Raphson with adaptive seed, converging to 1×10⁻¹² in under four iterations even for high-eccentricity orbits.

M → E → ν e < 0.99 ε = 1e-12

02 / Perturbation

Jupiter and Saturn pulled, and you see the pull.

Toggle outer-planet gravity on or off. The uncertainty cone widens visibly on Jupiter-flyby trajectories — what mission planners call the keyhole problem.

N-body RK4 Adaptive Δt All 8 planets

1999 2025 2050 26 yr arc σ = 412 km

03 / Data

JPL Horizons ephemeris, locally cached.

Pulled directly from JPL Horizons and pinned to disk for instant access. Observation arcs and uncertainty parameters travel with every object — no approximations, no drift.

NASA NeoWs SPICE kernels Local cache

联系我们 contact @ memedata.com