相对论电子束的哨声不稳定性

本文根据相对论粒子与电磁波的共振特性, 讨论了相对论电子束的反常迴旋共振产生的哨声不稳定性.满足共振条件的粒子在动量空间位于一组双曲线上.对于具有损失锥分布的相对论电子束, 相对论效应的共振特性提高了哨声不稳定性的阈值, 对ω～0.5Ω_e频段的哨声影响最大.这种作用在背景参数ω_e～Ω_e时最为显著, 并随ω_e/Ω_e增大而减小.     

引导场对无碰撞电流片低频电磁不稳定性的影响

通过数值求解无碰撞电流片中可压缩磁流体力学模型下得到的一般形式的色散关系,讨论了无碰撞电流片中引导场对低频电磁波不稳定性的影响.结果表明,平衡态磁场中的引导场,对于三维扰动传播的波不稳定性有很强的影响.(1)在电流片中间平面上(z=0),无引导场时,没有不稳定性发生,但若存在引导场,不稳定性便发生,并随着引导场的增强,不稳定性明显增强,不稳定的波模可能是低混杂模.(2)在中间平面附近(z=0.2),电流片是不稳定的.随着引导场的增强,不稳定性增长率明显地增强,不稳定的波模从平行和反平行两个方向传播变为反平行方向一个方向传播,并且是斜传播的,具有低频哨声模或低混杂模的特征.(3)在电流片边缘附近(z=0.8),引导场对不稳定的波模和增长率没有明显影响,不稳定的波模都是准平行的哨声波.     

从空间飞行器入射进电离层的调制电子束产生的高频波辐射

在主动束-等离子体试验中,调制电子束从空间飞行器入射进电离层等离子体将会产生电磁波辐射,在不同试验条件下电磁波辐射机理也不一样,由电子束纵向约束性产生电磁波辐射是其中之一.对半无界稀薄调制电子束从空间飞行器入射进电离层等离子体时所产生的波现象进行了理论分析和数值计算.结果表明,当调制电子束沿磁力线入射时,会在电离层等离子体中产生高频电磁波辐射,该辐射主要集中在垂直于入射电子束运动方向的平面内.     

空间电子辐射环境探测载荷测试定标试验平台研制

介绍了中国科学院国家空间科学中心新建成的空间电子辐射环境探测载荷测试定标试验平台.该平台由中、高能极弱流电子加速器以及内置多维真空转台的真空靶室试验终端组成,用于对星载空间电子辐射探测器进行地面加速器测试定标.重点描述了为得到中能极弱流均匀平行束,采用电子轨迹程序Egun对中能极弱流电子加速器进行的物理设计和模拟计算,给出球形结构电子枪在栅网孔不加栅网、加理想栅网和直径1mm孔栅网以及在不同加速管出口能量情况下,初聚系统和加速管以及经过二次扩束时输运段中电子轨迹的模拟结果.最终得出能够实现电子枪初始束流减弱8个数量级,获得满足测试定标试验需求的极弱流均匀平行电子束（在试验终端直径50mm靶上束流面密度为10⁵~10⁹cm^-2·s^-1）的结论.     

空间金属增材制造技术应用

高能束流金属增材制造技术以激光和电子束作为热源,通过选区熔化粉末或熔丝沉积成型来实现金属零部件的制造.根据金属增材制造技术在空间领域的发展,结合空间站和深空探测强约束条件对在轨制造设备尺寸、重量、功耗、寿命提出的更高要求,对比激光与电子束两种热源的工作模式,进行在轨可行性分析,提出未来空间金属增材制造技术发展所面临的问题与解决途径.     

真空中连续发射电子束形成的电子鞘层的空间结构

用双流理论模型研究真空中电子束的发射实验。向真空中发射电子束过程中,发射体本身被充正电,束缚束电子向外传播,大量的束电子在发射体表面附近形成电子鞘层;只有极少量的束电子可以逃离发射体而向外传播出去。在电子鞘层内,发射出的束电子和返回发射体表面的束电子形成速度和密度在空间为分布不均匀的双流。本文用双流理论模型解析计算出了电子鞘层的空间尺度、电子鞘层内的电场分布以及电子密度分布。     

Neural network development for the forecasting of upper atmosphere parameter distributions

This paper presents a neural network modeling approach to forecast electron concentration distributions in the 150–600 km altitude range above Arecibo, Puerto Rico. The neural network was trained using incoherent scatter radar data collected at the Arecibo Observatory during the past two decades, as well as the Kp geomagnetic index provided by the National Space Science Data Center. The data set covered nearly two solar cycles, allowing the neural network to model daily, seasonal, and solar cycle variations of upper atmospheric parameter distributions. Two types of neural network architectures, feedforward and Elman recurrent, are used in this study. Topics discussed include the network design, training strategy, data analysis, as well as preliminary testing results of the networks on electron concentration distributions.