ZnO纳米棒阵列/QCM超疏水空间污染气敏传感器性能研究

空间环境污染监测中,石英晶体微天平（QCM）传感器可通过增加比表面积增强对有机污染分子的吸附能力,通过表面超疏水化减小水分子的影响,从而提高传感器的探测精度。文章采用水热法在QCM表面制备 ZnO纳米棒阵列膜,并对其形貌和物化性能进行实验测试。研究结果表明：ZnO纳米棒的顶端呈六边形,属于六方纤锌矿结构;ZnO纳米棒沿(002)晶面择优生长,具有较低的表面自由能;纳米棒之间存在空隙,表面接触角可达150°,表现出超疏水性能;ZnO纳米棒阵列增加了有机分子的吸附位点,使石英晶振吸附有机分子的能力更强;同时,ZnO纳米棒阵列具有一定的光催化性能,140 min内光催化降解罗丹明B的效率约为35.5%。以上研究工作可为空间环境有机分子污染监测提供技术参考。     

离子液体推力器性能影响因素仿真研究

文章主要研究离子液体推力器发射阵列几何结构参数对推力器性能的影响。建立单个发射极粒子网格法仿真模型,模拟获得了单个发射极束流分布及推力、比冲等性能参数曲线;通过改变电极间距及引出极孔径获得了单个发射极平均推力和角向效率的变化曲线,分析了电极间距及引出极孔径对推力器性能的影响。研究表明：在离子被引出极拦截前,推力器角向效率与电极间距成正比,与引出极孔径成反比;在不考虑发射离子数量和比例改变情况下,推力器推力随电极间距的增加先增大后减小,一定范围内随引出极孔径的减小而增大,但过小的引出极孔径会造成严重的推力损失与栅极侵蚀。以上研究结果可为离子液体推力器的优化设计提供参考。     

GNSS遥感探测卫星星座设计

随着全球导航卫星系统（Global Navigation Satellite System,GNSS）掩星大气探测技术的兴起,GNSS遥感探测数据在气象数据资源中逐步占据重要地位,但是目前的掩星探测数量远不能满足数值天气预报等应用的需求,未来更需要充分利用GNSS信号资源,开展更大规模的GNSS掩星卫星星座探测.本文以世界气象组织发布的大气海洋数据需求为参考,提出新一代GNSS遥感探测星座任务需求与设计约束.在理想大气模型假设下,利用几何解析方法研究了探测卫星星座构型参数对探测性能的影响,并建立了新一代GNSS遥感探测卫星星座设计基本准则.以风云卫星为子星座,给出了星座规模同为40颗的三种GNSS遥感探测微纳卫星星座设计方案.研究结果表明,具备该规模的探测星座可满足数值天气预报等气象应用的最低数据需求,三种构型方案中,由高、中、低倾角三组Walker子星座与风云卫星子星座组建的GNSS遥感探测星座探测性能最优.     

MEMS惯性器件及系统发展研究综述

将MEMS惯性系统分为ISA、IMU和INS三级,分别介绍了国内外的研究概况,并对MEMS INS的发展趋势进行了讨论,供广大惯性导航研究人员参考。     

振梁加速度计温度误差模型及补偿技术研究

研究了振梁加速度计温度误差建模及补偿问题。分析了振梁加速度计受温度影响的主要因素,应用最小二乘算法得到零偏、标度因数与温度的多项式拟合关系,进而得到振梁加速度计的温度误差模型。利用该误差模型进行温度补偿。结果表明：经过温度建模和补偿,振梁加速度计精度有明显的提高。     

硅微加速度计系统设计技术

本文探讨了硅微加速度计的系统设计方法,采用专用MEMS设计软件建立了“三明治”式硅微加速度计自顶向下的系统模型,该模型对于硅微加速度计的系统设计和优化具有指导意义。通过优化改进设计,目前硅微加速度计零位重复性已达到2×10-4g（3个月,1σ）,正在开展探月二期工程的应用研究。     

基于固体工质的空间微推进技术研究进展

采用固体工质的微推力器具备结构简单、可靠性高、成本低的优点，是最适合微纳卫星的动力装置之一。固体微推进技术可分为微电推进和微化学推进两大类。本文介绍了五种典型固体微推力器的工作原理，包括微脉冲等离子体推力器、真空弧推力器、电控固体微推力器、激光微推力器、固体阵列微推力器，系统梳理了它们的发展历程，总结了其最新的研究进展和应用现状。在此基础上，对固体微推进技术的发展方向进行了展望，以期为微纳卫星动力系统的研发与优选提供参考。     

基于微课的材料成型及控制工程专业英语翻转课堂教学实践与探索

微课不是指用于微学习的微内容,而是指使用专业软件构建便于在线和移动学习的实际教学内容。笔者结合教学实践,利用iSpring Suite软件制作微课,开展对材料成型专业英语的教学研究,并进一步探索基于微课的翻转课堂教学模式。     

基于EMD的MEMS陀螺仪随机漂移分析方法

为了抑制微机械电子系统（MEMS）陀螺仪的随机漂移，基于经验模态分解（EMD）和模态集合选择标准，结合时间序列建模滤波法，提出了一种改进的MEMS陀螺仪随机漂移分析方法。首先，通过EMD将MEMS陀螺仪原始数据分解为多个本征模态函数（IMF），利用模态集合选择标准将IMF分为噪声IMF、噪声与信号混合IMF和信号IMF三类；然后，对混合IMF进行重构、时间序列建模及自适应卡尔曼滤波（AKF）；最后，将3类信号重构，实现MEMS陀螺仪信号去噪。实验表明:所提方法有更好的去噪效果和实时性，提高了MEMS陀螺仪的使用精度。