首先必須要感謝各位機械系策劃的老師，包括在臺大與筑波大學的老師們，以及系辦與所有曾經在過程中幫忙的人。這樣的交流計畫不僅對於個人，對於兩邊的實驗室或學校應該都是有幫助的。基本上來說，我認為這次的活動算是十分吸引人，除了獎學金十分優渥以外，相信大部分的同學除非交換，其實很難在大學期間到外校參與這樣形式的活動。
本次交換活動在2018 年 7 月 30 日 至 9 月 1 日進行，大致分為兩個階段，第一週以安頓生活與住宿空間，採買接下來的生活所需品為主，本次所住宿的一ノ矢宿舍算是校地的最北端，離市中心的南端有一定的距離，因此大部分餐食都是房間內自炊與宿舍的學餐解決；第二週則是進行電子推進（Electricpropulsion）的相關研究，由校內的博士生 Junkoさん所指導的針對以Xenon最佳化的霍爾推進器（HallThrusters），進行Xeono與Argon混合氣體作為燃料效率提升的使用研究。至於第三週部分則是日本當地的盂蘭盆節放假一週，大家基本上都是到處走走看看，再接下來的兩週，則是進入下一個主題的 Star Tracker 部分，整體來說對我比較算是一個比較沒有接觸過的部分，希望透過對於星空影像的辨識來做出能夠計算物體位置的演算法。

校地廣大　每日校園健走
筑波大學的校地十分廣大，具體來說大概是真的需要公車接駁往返的那種大小，本次住宿的區域如上所提是在北端，而上課、實驗室等等區域則是在中間的區域（如圖一），因此每天的往返走路大致需要半小時左右，不過整體來說還在能接受的範圍，至於腳踏車的部分有建議校方可以提供租賃服務等等，因為公車還是有末班車，如果在市中心吃飯較晚或是類似的情況可能會比較麻煩一些。

█ 圖一　筑波大學校區中央。

改善結構　增加推進器效率
第二週的ElectricPropulsion部分相對來說也是比較新的領域，只有以前在一些雜誌上面有看過基礎的運作方式。實際上的執行方式因為時間也只有一週的關係，所以是以先閱讀給定的資料，然後針對指定的題目進行實驗，最後進行簡報的方式進行。主要來說，在火箭方程式的限制下，化學推進燃料必須佔盡大部分的火箭質量，因此許多推進與調整作業目前是使用ElectricPropulsion的形式，其中之一的HallThruster是以Xenon作為Propellant，然而價格太高，因此希望能混入Argon之後，透過改善結構設計來增加推進器的效率，包括Isp與ThrustEffeciecny等等，整體來說的理論大致圍繞在離子化與電漿的完整度（LarmorRadius），並在最適當的時候離開推進器，獲得最高的推進效率，圖二所示為推進器進行點火的情形，圖三則是穩定運作後開啟熱電子供應（鎢絲通電）的情況。

█ 圖二　點火狀態。

█ 圖三　穩定運行中，下方為熱電子供應。

使用電子推進的原因基本上是為了突破火箭載重的限制，以一個使用化學燃料抵達火星的任務來說，速度變化量大約是在4.5km/s，計算結果會發現燃料必須佔整體重量的67%，又若是一個更遠距離的任務，燃料比例很快就會突破99%，對整個任務造成很大的限制。因此，目前的任務在進入太空之後，會改用電子推進提升推進劑的離去速度，藉以調整軌道或是加速。
如圖四所示，為本次實驗所使用的霍爾推進器基本構型，並且是以Xe來進行設計最佳化的，其中所示的出口通道長度與寬度都被設計為3mm，然而因為Xe成本過高，希望加入Ar也作為推進劑的一部分，因此將出口通道的寬度縮減至1mm，並將長度分別提高為9mm及6mm，原因則是Ar氣體在通道中希望可以達到同樣程度的離子化前提下，經由計算LamourRadius及IonizationMean-free Path，需要提高出口長度，但是在實際的運作上，若是離子化的程度過高，則可能會讓通道內的情況過度混亂，進而降低效能。

█ 圖四　霍爾推進器運作圖示。

進行實驗過後並進行數據分析，可以發現在該執行狀況下以通道長度為6mm的推進效率（ThrustEfficiency）為最高，如圖五所示，如果是從ISP及dischargecurrent來看，則會發現雖然9mm的數字較高，但卻因為dischargecurrent增加太快，而導致後續的推進效率降低。

█ 圖五　推進效率。

接下來的自由行動週，因為這兩年來了蠻多次日本，大部分有名的景點都踩過了，所以基本上就是滯留東京到處找一些好吃的餐廳，或是當地人比較常會去的居酒屋，隨意的聊天等行程，算是一個非常閒散的生活。

星空攝影　相關資料分析
最後兩週則是在進行亀田教授所執行的StarTracker 計畫，主要希望我們能夠利用Raspberry Pi搭配NoIR的相機模組，進行星空攝影後對於機體的位置與相關資料進行分析。雖然是分成兩組，但是實際上大家對於相關的領域都算是不太熟悉，因此同樣從資料搜集開始，主要是從影像的前處理、辨識方式到最後的運算方法，不過實務上因為拍攝上的限制，在平地（尤其是都市附近）基本上很難拍攝到星空的影像，因此我們都是以網路上的星空影像作為基準，本組以兩個方式進行，其中一個是利用Python的OpenCV套件進行編寫，另外一個則是使用Matlab進行運算後回傳結果進入Raspberry Pi。整體來說，雖然因為時間確實是非常趕，兩週要研讀資料加上撰寫程式，不過整體來說還算是有成功的，後面的有關於位置辨識的部分還是來不及，可能未來可以透過機器學習或是資料庫使用的方式達成。圖六說明程式執行的結果以及原本的對照圖。

█ 圖六　對照圖。

整體來說，我覺得對於雙方的實驗室來說都算是個蠻好的互相參與行程，不過唯一的缺點可能是時間相對太短，或是說交流的項目（題目）偏多，如果是其中一項題目為時一個月，那可能會是比較好的選擇。再次謝謝各位師長，系辦的宛亭姐花了那麼多時間在進行審查、面試上，非常感謝。