用~（11）B（p，α_0）~8Be核反应分析B~＋离子注入铜合金中的浓度分布

采用１１Ｂ（ｐ，α０）８Ｂｅ核反应分析了Ｂ＋注入锡青铜样品中的纵向浓度分布．该分布具有较宽的高浓度峰，表明样品表面可形成优良的改性层．讨论了提高核反应分析法深度分辨率的主要因素，指出减小入射质子束的能量分散度、提高探测系统的能量分辨率及增大Ｂ＋的能损因子，是提高深度分辨率的主要途径．     

立方体式考夫曼离子推力器极靴结构设计

考夫曼离子推力器因具有高比冲、高效率、长寿命等特点,是应用于航天器电推进类型之一。过去研究主要集中在轴对称柱状结构考夫曼离子推力器,然而对于未来模块化立方体卫星,立方体构型推力器非常适合多推力器的组合、多推力器羽流集中中和,结构紧密并且减少航天器附件。为此,基于自主设计的立方体式考夫曼离子推力器,采用三维数值仿真方法对推力器放电室进行了计算分析,获取了不同阴极极靴内径下推力器放电室磁场分布,对比研究了不同极靴构型下放电室电子密度分布和电子温度分布。结果发现,增大阴极极靴内径使得磁场分布均匀性变差,放电室内壁电子温度升高,电子损耗增大,放电室出口离子密度降低。因此,对于本立方体考夫曼离子推力器,长宽高为15mm×12.5mm×15mm的阴极极靴构型最佳,既可保持较低的壁面电子温度,又有利推力器出口的离子均匀性。     

TC21合金表面Al-Cr涂层的制备及其高温抗氧化性

利用双辉等离子渗金属技术和多弧离子镀技术在TC21钛合金表面制备了Al Cr复合涂层,并于750,850,950 ℃下进行了抗高温氧化性能研究。结果表明：Al-Cr涂层分为纯Al层、AlCr合金层、纯Cr层及扩散层,厚度约为48 μm,涂层连续致密、无贯穿性裂纹,并且与基体结合紧密。氧化过程中,Al Cr涂层表面能形成致密的Al2O3氧化层,阻止O元素向内扩散侵蚀基体,使涂层具有优异的抗高温氧化性能;Cr的存在既促进了Al的选择性氧化,同时又使得涂层的自修复能力得到增强。Al Cr复合涂层显著提高了TC21合金的高温抗氧化性。     

热处理对Pt-PtRh13薄膜热电偶绝缘层性能的影响及机理分析

为了测量航空发动机高温部件表面温度,利用离子束溅射镀膜技术制备了拥有多层薄膜结构的Pt-PtRh13薄膜热电偶,包括Ni基合金基底、Ni Cr Al Y黏结层、Al2O3过渡层、Al2O3绝缘层、Pt/Pt Rh13薄膜热电偶和Al2O3保护层。研究了热处理对Pt-PtRh13薄膜热电偶绝缘层性能的影响,并利用扫描电子显微镜(SEM)、X射线衍射分析(XRD)等手段对薄膜热电偶绝缘层性能下降的机理进行了分析。研究结果表明:利用Al2O3绝缘薄膜开发的Pt-PtRh13薄膜热电偶只用于900℃以下测温,在900℃以上长时间应用可能会出现测温不稳定问题,高温诱发Al2O3绝缘层发生晶型转变是主要原因。     

嵌入式可充电电池性能检测系统的研制

在AT91RM9200微处理器的基础上,通过扩展键盘显示电路、I/O接口电路以及恒流、恒压充/放电控制电路,设计了可充电电池性能检测装置控制器,并在μC/OS嵌入式操作系统的基础上,集成μC/GUI图形界面以及LwIP TCP/IP协议栈,实现了数据采集、人机界面、网络通信控制等功能.样机试验表明,该系统功能强大,人机界面友好,易于操作,且精度较高,性能安全可靠,大大提高了电池的检测效率.     

基于加速栅溅射腐蚀失效的离子推力器寿命预测

离子推力器加速栅溅射腐蚀失效是制约离子推力器寿命的关键失效模式之一.针对离子推力器长寿命、多功率条件下运行的特点,基于坑和凹槽的溅射腐蚀数据,建立模型对其进行寿命预测.通过研究离子推力器加速栅中心凹槽腐蚀深度在不同功率段下随工作时间的变化规律发现:运行功率顺序对加速栅凹槽腐蚀率影响较小,进而采用累积损伤理论建立离子推力器多功率段下运行的寿命预测模型.最后, 对美国的NASA's Evolutionary Xenon Thruster(NEXT)进行了寿命预测,预测结果寿命为46041h,与试验结果符合较好.      

SIMOX样品导电类型反型的研究

氧离子注入Ｐ型（１００）单晶硅形成ＳＩＭＯＸ样品，经俄歇电子能谱、扩展电阻仪测试，形成了ＳＯＩ结构；经霍尔测试仪测试，制备的ＳＩＭＯＸ样品表层硅膜反型为Ｎ型导电类型，ＳＩＭＯＸ样品的反型是硅中的氧施主所致，由近自由电子的类氦模型计算，氧施主电离能力为０．１５ｅＶ，该值与早期文献报道的实验值一致。     

气相沉积技术在产品中的应用及发展

以某系列产品中端面齿盘采用离子镀加工为例,重点介绍了气相沉积技术中的真空离子镀技术在产品上的应用过程,并以此为基础,阐述了气相沉积技术在航空产品生产中的应用前景.     

基于贝叶斯LS-SVR的锂电池剩余寿命概率性预测

提出了一种基于贝叶斯最小二乘支持向量回归(LS-SVR)的锂电池剩余寿命在线概率性预测方法.首先,通过滚动窗方法选取锂电池历史健康退化数据,并根据相空间重构原理建立训练样本,其中最小嵌入维数使用Cao氏方法计算获得.然后,运用贝叶斯3层推理训练LS-SVR预测模型,在迭代预测阶段,采用蒙特卡罗方法来表示和管理多步预测中的不确定性及其传递,即用一群离散粒子来近似连续分布,结合“退化轨迹不相交”原则和高斯过程假设,预测出锂电池健康状态未来时刻的发展趋势.最后结合给定的失效阈值,通过统计穿越阈值的粒子数目得到剩余寿命的概率分布.使用美国国家航空航天局阿姆斯研究中心公开的电池数据集与高斯过程回归(GPR)方法进行对比实验,多项预测性能指标结果表明贝叶斯LS-SVR方法具有更高的预测准确度和置信度.