科学家 3D 打印适用人造卫星的高精度等离子体传感器

据报道，目前，美国麻省理工学院最新研制 3D 打印精准等离子体传感器，该设备成本较低，且易于制造，这些数字化设备可以帮助科学家预测天气或者研究气候变化。 该等离子体传感器也被称为“延迟电位分析仪 (RPAs)”, 被人造卫星等轨道航天器用于确定大气化学成分和离子能量分布。

3D 打印、激光切割流程制造的半导体等离子体传感器，由于该过程需要无尘环境，导致半导体等离子体传感器成本昂贵，且需要几个星期的复杂制造过程。相比之下，麻省理工学院最新研制的等离子体传感器仅需几天时间制造，成本几十美元。

由于成本较低、生产速度快，这种新型传感器是立方体卫星的理想选择，立方体卫星成本低廉、低功率且重量轻，经常用于地球上层大气的通信和环境监测。

该研究团队使用比硅和薄膜涂层等传统传感器材料更有弹性的玻璃陶瓷材料研制了新型等离子体传感器，通过在塑料 3D 打印过程中使用玻璃陶瓷，能够制造出形状复杂的传感器，它们能够承受航天器在近地轨道可能遇到的巨大温度波动。

研究报告资深作者、麻省理工学院微系统技术实验室 (MTL) 首席科学家路易斯・费尔南多・委拉斯奎兹-加西亚 (Luis Fernando Velasquez-Garcia) 说：“增材制造会在未来太空硬件领域产生重大影响，一些人认为，当 3D 打印一些物体时，必须认可其性能较低，但我们现已证明，情况并非总是这样。”目前这项最新研究报告发表在近期出版的《增材制造杂志》上。

多功能传感器

等离子体传感器首次用于太空任务是 1959 年，它能探测到漂浮在等离子体中的离子或者带电粒子的能量，等离子体是存在于地球上层大气中的过热分子混合物。在立方体卫星这样的轨道航天器上，等离子体传感器可以测量能量变化，并进行化学分析，从而有助于科学家预测天气或者监测气候变化。

该传感器包含一系列布满小孔的带电网格，当等离子体通过小孔时，电子和其他粒子将被剥离，直到仅剩下离子，当这些离子产生电流，传感器将对其进行测量和分析。

等离子体传感器应用成功的关键是对齐网格的孔状结构，它必须具有电绝缘性，同时能够承受温度的剧烈波动，研究人员使用一种可 3D 打印的玻璃陶瓷材料 ——Vitrolite，它满足以上特性。据悉，Vitrolite 材料最早出现于 20 世纪初，常应用于彩色瓷砖设计中，成为装饰艺术建筑中最常见的材料。

持续耐用的 Vitrolite 材料可承受高达 800 摄氏度的高温而不分解，而集成电路结构的等离子体传感器中的高分子材料会在 400 摄氏度时开始熔化。加西亚说：“当工作人员在无尘室中制造这种传感器时，他们不会有相同的自由度来定义材料和结构，以及它们是如何相互作用，但这可能促成增材制造的最新发展。”

重新认识等离子体传感器的 3D 打印过程

陶瓷材料 3D 打印过程通常涉及到激光轰击陶瓷粉末，使其融合成为各种形状结构，然而，由于激光释放的高热量，该制造过程往往会使材料变得粗糙，并产生瑕疵点。

然而，麻省理工学院的科学家在该制造进程中使用了还原性高分子聚合反应，这是几十年前引入的一种使用聚合物或者树脂进行增材制造的工艺，在还原聚合技术中，通过反复将材料浸入盛有 Vitrolite 液体材料的还原缸，浸入一次会形成一层三维结构，每一层结构形成后，再用紫外线将材料固化，每层结构仅 100 微米厚度 (相当于人类头发直径)，最终反复浸入 Vitrolite 液体材料，将形成光滑、无孔、复杂的陶瓷结构。

在数字化制造工艺中，设计文档中描述的制造对象可能非常复杂，这种高精度设计需要研究人员使用独特结构的激光切割网格，当打印完成后安装在等离子体传感器外壳中，小孔状结构能完美地排列，使更多的离子通过其中，从而获得更高精度的测量数据。

由于该传感器生产成本低，且制作速度快，研究团队制作了 4 个独特的设计原型。其中一个设计原型在捕捉和测量大范围等离子体方面特别有效，尤其适用于卫星轨道勘测等离子体，另一个设计原型非常适用于测量密度极高、温度极低的等离子体，这通常仅能用于超精密半导体器件测量。

这种高精度设计可使 3D 打印传感器应用于聚变能研究或者超音速飞行，加西亚补充称，这种快速 3D 打印工艺甚至可以带来卫星和航天器设计领域的更多创新。

加西亚说：“如果你希望不断创新，就必须面对失败并承担相应的风险，增材制造是制造太空设备的另一种方式，我们可以制造太空装置，即使该过程失败了，也没什么关系，因为我们仍能快速且廉价地制作一个新的版本，并在设计上进行迭代更新。对于研究人员而言，这是一非常理想的沙箱效应。”

据悉，尽管加西亚对最新设计的等离子体传感器感到很满意，但他希望未来不断提高制造工艺，在玻璃陶瓷缸式聚合过程中，减少层厚度或者像素大小，进而创造出精准度更高的复杂装置。此外，完全叠加制造工艺可使它们与空间制造不断兼容，他还希望探索使用人工智能不断优化传感器设计，从而适应特定的应用场景，例如：在确保结构稳定的同时大幅减少传感器重量。