直径20mのパラボラアンテナを衛星に積みたい——けれども、H3ロケットのフェアリング内径はおよそ5m。物理的に入りません。それでも移動体衛星通信（MUOS、Inmarsat、きく8号など）では、地上のスマートフォン大の端末と直接通信するために、軌道上で数十メートル級のアンテナがどうしても必要になります。答えは「折りたたんで打ち上げ、軌道上で展開する」しかありません。
ところが、ここで新たな悩みが生まれます。展開後のパラボラ面が、設計理想の放物面からほんの数ミリずれただけで、アンテナ利得は劇的に低下するのです。Ka帯（30 GHz、波長10 mm）では、RMS面精度誤差が0.3 mmで利得が約1 dB落ちます。20mアンテナの利得は理論最大で約74 dBiですが、面精度が悪いと60 dBi台にまで沈み、結果として通信回線が成立しません。
この記事では、軌道上で展開する大型リフレクタの「面精度」がアンテナ性能をどう支配するかを、波面誤差の確率モデルから出発してRuzeの式を厳密に導出し、熱変形・製造誤差・展開機構ガタといった実際の誤差要因をどう統合・予算配分するかまでを扱います。
応用先は具体的に広がっています。たとえば、JAXAのきく8号（ETS-VIII）は直径19m級のメッシュ展開アンテナLDR（Large Deployable Reflector）を搭載し、Sバンドの移動体通信を実現しました。NASA／NorthropのJWST（James Webb Space Telescope）は6.5mの主鏡を18枚の六角セグメントで展開し、ナノメートル級の面精度を実現しています。商用ではNorthrop GrummanのAstroMeshが12〜18m級のメッシュリフレクタとしてMUOS、Inmarsat、SkyTerra/Lightsquaredなどで運用中です。
本記事の内容
- 面精度誤差が利得を下げる「波面の壊れ方」の直感
- 展開アンテナの方式分類（メッシュ／パネル／インフレータブル／ブームテンション）
- Ruzeの式 $\Delta G = -(4\pi\epsilon/\lambda)^2 \cdot 4.343$ dB の確率論的導出
- 製造誤差・熱変形・展開ガタ・重力リリース・湿気releaseのRMS合成手法
- Pythonで誤差予算合成・熱変形シミュレーション・Monte Carlo利得分布を実装
- きく8号LDR、JWST、MUOS、AstroMeshの実例
前提知識
この記事を読む前に、以下の記事を読んでおくと理解が深まります。
なぜ面精度が利得に効くか — 波面コヒーレンスの直感
パラボラアンテナの本質は、給電点から発した球面波を、放物面で反射させて完全な平面波に整える装置です。理想的な放物面は「焦点から放物面までの距離 + 放物面から開口面までの距離」がどの経路でも一定になるよう設計されており、結果としてすべての反射波が同位相で開口面に並びます。すべての要素波が位相を揃えて足し合わさることで、開口面積に比例する最大利得が得られる——これがコヒーレント加算の威力です。
ここでパラボラ面の一部が、設計値から法線方向に $\delta$ だけずれている状況を考えてみましょう。電磁波はこの「凹み」を往復するので、光路差は $2\delta$、すなわち位相誤差は $\phi = (2\pi/\lambda) \cdot 2\delta = 4\pi\delta/\lambda$ になります。波長 $\lambda$ に対して $\delta$ が小さければ位相誤差も小さく、コヒーレンスはほぼ保たれます。逆に $\delta$ が $\lambda/16$ 程度に達すると位相誤差は $\pi/2$ にもなり、その部分の寄与は実部だけで見れば消えてしまいます。
このとき重要なのは「面の凹みが波長に比して小さくても、開口面のあちこちで独立にランダムに起きると、合成された遠方界の振幅がコヒーレントに加算されなくなる」ことです。$N$ 個の要素波が同位相で足し合わされれば振幅は $N$ ですが、位相がランダムなら期待振幅はせいぜい $\sqrt{N}$。利得比で言えば $N^2$ 対 $N$、つまり $1/N$ の差です。実際の面誤差はそこまで極端ではないものの、「位相がそろう／そろわない」というスケールでアンテナ利得が決まるという直感は、Ruzeの式を理解する出発点になります。
ではこの直感を、具体的にどんな種類の展開アンテナで気にすべきか——次節では大型展開アンテナの方式を整理し、それぞれで面精度の決まり方がどう違うかを見ていきます。
展開アンテナの方式分類
大型展開リフレクタの実現方式は、機械的な構造で大別すると4種類に分かれます。それぞれ達成可能な面精度・周波数帯・収納効率（packing ratio）が大きく異なります。
メッシュリフレクタ
金属メッシュ（多くはモリブデン被覆タングステンや銅メッキの編み込みワイヤー）をテンションコードで放物面形状に張る方式です。代表例はNorthrop GrummanのAstroMeshで、傘骨状のリブを開いてメッシュを展開します。最大の利点は収納効率が極めて高く（直径18mのアンテナが直径1m・長さ4m程度のパッケージに収まる）、軽量であることです。
ただし、メッシュは離散的なファセット（典型的には三角形パッチ）の集合で放物面を近似するため、ファセットサイズに起因するピロー誤差（pillow error、各ファセットがテンションで膨らむ）が生じます。実用上の面精度はおおむね数百μm〜数mmで、運用周波数の上限はKa帯（30 GHz）あたりが限界です。JAXAのきく8号LDRは14×17mの2枚展開メッシュアンテナで、Sバンド（2 GHz）通信用に最適化されています。
ソリッドパネル展開
剛性の高い複合材パネル（CFRP/honeycombサンドイッチ）を多数の花弁状セグメントとしてヒンジ展開する方式です。NASAの大型ソリッド展開アンテナ研究や、JWSTの主鏡（18枚六角セグメント、ベリリウム合金）が代表例です。面精度はパネルの製造精度がそのまま効くため、適切な材料と精密加工により数十μm〜サブμmまで実現可能で、可視光〜赤外〜サブミリ波の高周波運用に必須の方式です。
欠点は収納効率の低さと重量で、パネル展開はメッシュに比べて折りたたみ比が小さく（通常3〜5倍）、重量も大きくなります。
インフレータブル
ガス圧で薄膜（典型的にはカプトン薄膜にメタライズ）を膨らませて放物面を形成し、紫外線硬化樹脂で固化する方式です。圧倒的に軽量で収納効率も高い反面、面精度は数mm〜cm級にとどまり、現状ではL帯〜S帯の比較的低い周波数でしか実用化されていません。NASAのInflatable Antenna Experiment（IAE、1996年Spartan）が実証飛行を行いましたが、商用大型ミッションへの本格採用は限定的です。
ブームテンション式・展開ブーム
長尺の伸展ブーム（コイルドブーム、テープスプリングブーム、アーチカブーム等）でメンブレンや反射面を支持する方式で、CubeSat級の小型衛星でも利用されます。中型のリフレクトアレイ（reflectarray）と組み合わせて、フェーズドアレイ的に放物面相当の波面を作る応用も増えています。
これらの方式選定は「目標周波数→要求面精度→候補方式」の順で決まります。たとえばKa帯で運用したいなら、メッシュよりパネル展開が現実的です。本記事の以降ではメッシュ／パネル両方に適用できる面精度誤差→利得低下の汎用モデルとしてRuzeの式を扱います。次節では、その式を厳密に導出します。
Ruzeの式の導出
問題設定 — 位相摂動のあるアパーチャ電界
ここからは、開口面積 $A$、開口分布 $E_0(\bm{r})$ をもつ理想的なアンテナの遠方界から出発します。理想ケースでは、開口面 $S$ 上の電界 $E(\bm{r})$ をフーリエ変換することで遠方界 $F(\bm{\theta})$ が得られ、主軸方向（$\bm{\theta} = 0$）の利得は
$$ G_0 = \frac{4\pi}{\lambda^2} \cdot \frac{\left|\int_S E_0(\bm{r})\, dS\right|^2}{\int_S |E_0(\bm{r})|^2\, dS} $$
で与えられます。これは前提知識のパラボラアンテナの原理で扱った標準的な結果です。
ここに面精度誤差 $\delta(\bm{r})$ が乗ると、反射波の往復経路差 $2\delta(\bm{r})$ がそのまま位相誤差 $\phi(\bm{r}) = (4\pi/\lambda)\delta(\bm{r})$ として開口分布に乗算されます。実際のアパーチャ電界は
$$ E(\bm{r}) = E_0(\bm{r})\, e^{j\phi(\bm{r})} $$
となり、主軸方向の利得は
$$ G = \frac{4\pi}{\lambda^2} \cdot \frac{\left|\int_S E_0(\bm{r})\, e^{j\phi(\bm{r})}\, dS\right|^2}{\int_S |E_0(\bm{r})|^2\, dS} $$
に置き換わります。
位相誤差を確率変数として扱う
$\delta(\bm{r})$ は決定論的に予測しきれない量で、製造ばらつき・熱変形・展開ガタ等の合成として「位置 $\bm{r}$ ごとに統計的にゆらぐランダム場」とモデル化します。具体的には次の3つの仮定を置きます。
- $\delta(\bm{r})$ は平均ゼロのガウス過程：$\langle \delta(\bm{r})\rangle = 0$、分散 $\langle \delta^2 \rangle = \epsilon^2$（$\epsilon$ がRMS面精度誤差）。
- 異なる点 $\bm{r}_1, \bm{r}_2$ では、距離 $|\bm{r}_1 – \bm{r}_2|$ が相関長 $c$ より大きければほぼ独立。
- 位相誤差 $\phi(\bm{r}) = (4\pi/\lambda)\delta(\bm{r})$ もガウス分布で、分散は $\sigma_\phi^2 = (4\pi/\lambda)^2 \epsilon^2$。
仮定1のRMS誤差 $\epsilon$ こそが面精度の代表値で、製造図面でも誤差予算でも常にこの量で議論します。仮定2の相関長 $c$ は、メッシュアンテナならファセットサイズ、パネル展開ならパネルサイズ、熱変形なら数十cm〜数mのオーダーになります。
期待利得の計算
利得を期待値で評価します。分子に現れる積分の絶対値2乗を、二重積分に展開します。
$$ \left|\int_S E_0(\bm{r})\, e^{j\phi(\bm{r})}\, dS\right|^2 = \int_S \int_S E_0(\bm{r}_1) E_0^*(\bm{r}_2)\, e^{j[\phi(\bm{r}_1) – \phi(\bm{r}_2)]}\, dS_1\, dS_2 $$
ここで $E_0$ は実数として開口分布をとり、複素共役を簡略化しています。期待値を取ると、ガウス過程の特性関数（モーメント母関数）の性質から
$$ \langle e^{j[\phi(\bm{r}_1) – \phi(\bm{r}_2)]} \rangle = \exp\left(-\frac{1}{2}\langle[\phi(\bm{r}_1) – \phi(\bm{r}_2)]^2\rangle\right) $$
が成り立ちます。これがガウス変数 $X \sim \mathcal{N}(0,\sigma^2)$ に対する $\langle e^{jX}\rangle = e^{-\sigma^2/2}$ の応用です。
差の分散を計算しましょう。$\phi(\bm{r}_1) – \phi(\bm{r}_2)$ もガウス変数で、その分散は
$$ \langle[\phi(\bm{r}_1) – \phi(\bm{r}_2)]^2\rangle = 2\sigma_\phi^2 – 2\langle\phi(\bm{r}_1)\phi(\bm{r}_2)\rangle = 2\sigma_\phi^2\big(1 – \rho(|\bm{r}_1 – \bm{r}_2|)\big) $$
ここで $\rho(d) = \langle\phi(\bm{r}_1)\phi(\bm{r}_2)\rangle/\sigma_\phi^2$ は位相誤差の正規化自己相関で、$\rho(0)=1$、$d\gg c$ で $\rho \to 0$ になります。
代入して整理すると、
$$ \langle e^{j[\phi(\bm{r}_1) – \phi(\bm{r}_2)]} \rangle = \exp\big(-\sigma_\phi^2(1 – \rho(d))\big) = e^{-\sigma_\phi^2}\, e^{\sigma_\phi^2\rho(d)} $$
が得られます。後者の項 $e^{\sigma_\phi^2\rho(d)}$ は $d=0$ で最大 $e^{\sigma_\phi^2}$、$d\gg c$ で1になります。
開口積分の評価
期待利得は
$$ \langle G \rangle = \frac{4\pi}{\lambda^2}\cdot\frac{e^{-\sigma_\phi^2}}{\int |E_0|^2 dS}\int\int E_0(\bm{r}_1) E_0(\bm{r}_2)\, e^{\sigma_\phi^2 \rho(d)}\, dS_1 dS_2 $$
となります。ここで二重積分を、$\rho(d)$ の振る舞いに応じて2つの寄与に分けるのがRuzeの議論の核心です。
$\sigma_\phi^2$ が小さい（位相誤差が穏やか）と仮定すると $e^{\sigma_\phi^2\rho(d)} \approx 1 + \sigma_\phi^2\rho(d) + \frac{1}{2}\sigma_\phi^4\rho^2(d) + \cdots$ と展開でき、最初の項 $1$ が「コヒーレント成分」、$\rho(d)$ を含む項が「インコヒーレント散乱成分（サイドローブ放射）」を与えます。主軸方向の利得（コヒーレント成分）に着目すると、$\rho \to 0$ の寄与しか残らないため、
$$ \langle G \rangle_{\text{coh}} \approx \frac{4\pi}{\lambda^2}\cdot e^{-\sigma_\phi^2}\cdot\frac{\left(\int E_0\, dS\right)^2}{\int |E_0|^2 dS} = G_0\, e^{-\sigma_\phi^2} $$
が得られます。$G_0$ は理想ケースの利得（誤差ゼロ）です。
Ruzeの式の最終形
ここで $\sigma_\phi^2 = (4\pi\epsilon/\lambda)^2$ を代入すると、面精度誤差 $\epsilon$ による利得効率因子は
$$ \eta_s = \frac{\langle G\rangle}{G_0} = \exp\left[-\left(\frac{4\pi\epsilon}{\lambda}\right)^2\right] $$
となります。これがRuzeの式の連続形です。dBに変換すると、利得低下量は
$$ \Delta G = 10\log_{10}\eta_s = -\left(\frac{4\pi\epsilon}{\lambda}\right)^2 \cdot 10\log_{10} e = -\left(\frac{4\pi\epsilon}{\lambda}\right)^2 \cdot 4.343 \text{ dB} $$
として書けます。これがRuze（1966）の論文 “Antenna Tolerance Theory — A Review”（Proceedings of the IEEE）でまとめられた経験式の理論的根拠です。
この式が実用上恐ろしいのは、$\epsilon/\lambda$ が2乗で効く点です。たとえば $\epsilon = \lambda/16$ なら $4\pi\epsilon/\lambda = \pi/4$、$\Delta G = -(\pi/4)^2 \times 4.343 \approx -2.68$ dB。$\epsilon = \lambda/8$ なら $-10.7$ dBにもなります。設計指針として「$\epsilon < \lambda/30$ なら利得低下 < 0.5 dB」「$\epsilon < \lambda/50$ なら < 0.17 dB」が一般的な目安です。
周波数依存性
Ruzeの式は 波長 $\lambda$ が小さい（周波数が高い）ほど厳しいという強烈な性質を持ちます。同じ $\epsilon = 0.3$ mmのアンテナでも、Sバンド（2 GHz、$\lambda=150$ mm）なら $\Delta G = -0.07$ dBで無視できますが、Ka帯（30 GHz、$\lambda=10$ mm）では $-1.5$ dB、W帯（94 GHz、$\lambda=3.2$ mm）では $-15$ dBに達して使い物になりません。
逆にどのくらいの面精度を要求すべきかは「利得低下を $\Delta G_0$ dB以内に収める」条件から逆算できます。 $\epsilon \leq (\lambda/4\pi)\sqrt{-\Delta G_0/4.343}$。たとえば $-1$ dB以内・Ka帯（$\lambda=10$ mm）なら $\epsilon \leq 0.38$ mm、つまりRMSでサブミリ要求になります。
導出が終わりました。次節では、この $\epsilon$ を実機ではどんな要因が積み上げて作っているかを整理します。
面精度誤差の要因と熱変形
実機の面精度誤差 $\epsilon$ は、単一の物理現象ではなく、複数の独立した誤差源の合成です。代表的な要因をRMS値で見積もり、後段の予算合成（次節）に繋げます。
構造製造誤差
複合材リブ・パネル・メッシュテンションコードの寸法ばらつき、ヒンジの取り付け位置誤差、組立公差など、地上での製造段階で確定する静的誤差です。CFRP製パネルなら数十μm、メッシュアンテナのファセット間誤差は数百μmが典型値です。製造後の写真測量（close-range photogrammetry）やレーザートラッカーでマッピングし、テンション調整や形状修正で軽減します。
熱変形
軌道上で最も予測困難かつ大きい誤差源です。太陽光に晒される面と影側の温度差は、低軌道で $\Delta T \approx 200$ K、地球同期軌道では蝕通過時に $\Delta T = 300$ K以上にもなります。CFRP（線膨張係数 $\alpha \sim 1\times 10^{-6}$ /K）でも、長さ10 mの構造材なら熱膨張は $\Delta L = \alpha L \Delta T = 10^{-6} \times 10 \times 300 = 3$ mmに達します。
熱変形を低減するには、(a) 線膨張係数を地上で精密制御したCFRPレイアップ（バイアスCFRPで $\alpha$ を0近傍まで追い込む）、(b) アンテナ全体を太陽光から遮蔽するサンシールド（JWSTが採用）、(c) 主構造の上下を対称配置して熱変形を相殺する「熱対称設計」が用いられます。詳細は熱応力に書かれた基礎を参照すると、熱変形のFEM計算がイメージしやすくなります。
展開機構ガタ
ヒンジ・ラッチ・テンションコードといった展開機構には、避けがたい「ガタ」（バックラッシュ）が存在します。打ち上げ時の振動で発生する微小な永久変形や、軌道上での温度サイクルによるラッチ調整誤差が、面精度を数百μm〜mm単位で劣化させます。リブ数を増やしてガタの影響を平均化する、プリロード付きヒンジで剛性を上げる、といった設計策が取られます。
重力リリース誤差
地上での試験は重力下で行いますが、軌道上では微小重力（無重力）です。アンテナ構造は重力で僅かに「たわむ」ため、地上計測で得られる面形状と軌道上の実形状にはギャップが生まれます。これを重力リリース誤差と呼びます。
対策は3つ。(1) アンテナを反転（face-down試験）して重力たわみを補正、(2) ヘリウム気球やゼログラビティ装置で部分的に重力を相殺、(3) FEMで重力下→無重力下の差分を解析し、地上計測値を補正する。直径10mを超えるアンテナでは、(3)が現実的な選択肢です。
湿気release
CFRPは製造直後に大気中の水分を吸湿しています。打ち上げ後の真空環境では水分が放出され（モイスチャーリリース）、これに伴う寸法変化が数百μm〜mmの面精度劣化を引き起こします。打ち上げ前にベークアウト（真空中で加熱・脱水）することで多くを除去できますが、完全には除去できないため、運用初期の数週間で形状が安定化する「on-orbit settling」期間が設定されます。
各要因の典型値とまとめ
下表は中型（直径10m）の宇宙メッシュアンテナの誤差予算の例です。
| 誤差要因 | RMS [mm] | 備考 |
|---|---|---|
| 製造誤差 | 0.30 | ファセット成型精度 |
| 熱変形（軌道周回） | 0.40 | $\Delta T = 200$ K、対称設計 |
| 展開機構ガタ | 0.20 | ヒンジ・ラッチ |
| 重力リリース | 0.15 | FEM補正後 |
| 湿気release | 0.10 | ベークアウト後 |
| 合計（RSS） | 0.57 | $\epsilon = \sqrt{\sum\epsilon_i^2}$ |
これらは独立に発生する誤差源と仮定して二乗和の平方根（root-sum-square、RSS）で合成しますが、独立性の根拠と合成方法の正当性を次節で詰めます。
誤差予算の合成手法
独立誤差源の二乗和合成
複数の独立な誤差源 $\delta_i(\bm{r})$（$i=1,\dots,K$）が同じ放物面に重畳しているとします。観測される面誤差は
$$ \delta(\bm{r}) = \sum_{i=1}^K \delta_i(\bm{r}) $$
です。各誤差源を平均ゼロ・互いに独立と仮定すると、分散の加法則から
$$ \epsilon^2 = \langle\delta^2\rangle = \sum_{i=1}^K \langle\delta_i^2\rangle = \sum_{i=1}^K \epsilon_i^2 $$
すなわち $\epsilon = \sqrt{\sum_i \epsilon_i^2}$ となります。これが誤差予算で使うRSS（root-sum-square）合成の根拠です。
独立性が崩れる場合
実機では誤差源同士に相関がある場合があります。たとえば「熱変形」と「展開機構ガタ」は、両者ともリブの剛性に影響を受けるため、共通因子で相関する可能性があります。一般化すると
$$
\epsilon^2 = \sum_i \epsilon_i^2 + 2\sum_{i ここで $\rho_{ij}$ は誤差源 $i,j$ 間の相関係数です。正に相関（$\rho>0$）すれば合成誤差は大きくなり、負に相関（$\rho<0$）すれば小さくなります。設計のセオリーは「相関を意識して独立性を担保する」ことで、たとえば熱対称設計は熱変形を異なる方向で互いに相殺させ、実質 $\rho<0$ を作り出す技法と見做せます。 実用設計では、誤差予算の合計にマージン（典型的に20〜30%）を上乗せします。さらに、ワーストケース解析（worst-case）として「すべての誤差源が同時に最大値を取る」ことを想定したケースも検討します。RSS合成だけに頼ると、運用末期や想定外環境条件で要求を割り込むリスクがあるためです。 最後に、運用周波数ごとに「許容される $\epsilon$」を整理しておきましょう。利得低下 $-1$ dBを設計目標とすると、$\epsilon \leq 0.038\lambda$。これをバンドごとに換算すると、 メッシュリフレクタの実用上限がKa帯あたりにあるのは、メッシュ製造で達成できる面精度（数百μm〜1 mm）がこの表のKu〜Ka帯要求に対応しているためです。 理論と設計指針の整理は以上です。次節では、Ruzeの式・熱変形・予算合成・Monte Carloをすべてpythonで実装し、設計者がアンテナ性能を見積もるのに使える数値ツールに落とし込みます。 まずRuzeの式を素直にコード化し、面精度誤差→利得低下を周波数ごとに可視化します。設計トレードオフの全体像が一目でわかるグラフを作ります。 このグラフから3つの重要な示唆が読み取れます。第一に、両対数プロット上で各曲線が傾き2の直線になっていることが、Ruzeの式の $\epsilon^2$ 依存性を視覚的に裏付けています。第二に、Lバンドでは $\epsilon = 10$ mmでも損失が0.2 dB程度ですが、Ka帯では同じ $\epsilon = 10$ mmで900 dBもの損失（理論上ほぼゼロ利得）となり、周波数ごとに要求精度が桁違いに変わることが示されます。第三に、$-1$ dBの設計目標ラインを各曲線が横切る位置から、各バンドの設計許容RMS誤差が直読でき、Ka帯では0.38 mm以下、Wバンドでは0.12 mm以下と、製造技術の限界に迫る要求であることがわかります。 次に、製造・熱・展開ガタ・重力・湿気の5要因を入力として、RSS合成と利得低下を一度に計算する関数を作ります。設計初期段階で「どの要因に投資すべきか」を素早く判断するためのツールです。 このコード実行結果から、合成RMS誤差は0.566 mmとなり、Ka帯では利得低下が約5 dBにのぼることが示されます。これは設計目標 $-1$ dBを大きく超えており、「現状の予算配分ではKa帯運用には不向き」という設計判断につながります。円グラフを見ると熱変形が分散シェアの50%を占めており、改善投資は熱変形対策（熱対称設計、サンシールド導入）に集中すべきであることがわかります。一方で湿気releaseはわずか3%に過ぎず、ベークアウト工程の精度向上にコストをかけても全体寄与は限定的、という定量判断が可能です。 次に、熱勾配下で放物面構造がどう変形するかを単純な梁モデルでシミュレートします。リブの片面が太陽光を受けて温度上昇、反対面が低温という非対称条件で、リブ全体が「弓なり」に変形する現象を再現します。 このグラフからは、CFRP線膨張係数 $\alpha=1\times 10^{-6}$ /Kという「ほぼゼロに近い」材料を選んでも、$\Delta T = 300$ K（GEO蝕通過時の極端ケース）では弓なり変位が約1.9 mmに達し、Ka帯の許容0.38 mmを大きく超えることが視覚的に確認できます。逆にSバンドの許容4.6 mmは余裕で満たすため、移動体通信用のSバンド大型展開アンテナは熱変形対策の負担が軽いことが裏付けられます。Ka帯運用にはこの単純な梁モデル以上の対策（サンシールド、能動的形状制御）が必要であり、これがJWSTがサンシールド5層構造を採用した理由の本質です。 リブ単体ではなく、放物面全体に熱勾配がかかった場合の面精度誤差を2次元でマッピングします。太陽方向（+x方向）に温度が高い非対称温度場を仮定します。 この2枚のヒートマップから、太陽光がアンテナ片側から照射されることで温度が空間的に勾配を持ち、結果として放物面が一様でない変形パターンを示すことが視覚化されます。特に外周（半径 $R$ が大きい）ほど局所膨張が大きく寄与するため、温度勾配の絶対値が同じでも開口外側ほど面精度劣化が顕著です。RMS変位は0.13 mm前後となり、Ka帯では設計余裕を圧迫する一方Sバンドではほぼ無視できるレベルで、ここでも周波数依存性の支配的な役割が裏付けられます。 最後に、誤差予算の各要因に統計分布を与えて、利得の確率分布を求めます。これは「アンテナ群を量産したとき、何%が要求性能を満たすか」というシステム設計判断に直結します。 このMonte Carloの結果が示すのは、設計の現実性です。Ka帯では平均利得低下が約5 dBで、設計目標 $-1$ dBに収まる個体はゼロに近く、メッシュ展開アンテナのKa帯運用が極めて厳しいことが定量化されます。一方Ku帯では平均約1.2 dB、5パーセンタイルで0.8 dB程度に収まり、誤差予算の最良20%程度の個体は目標を満たします。Kaバンド運用には誤差予算の根本見直し（特に熱変形対策の桁違いの改善）か、ソリッドパネル方式への切替えが不可避である、というシステム判断がこのヒストグラムから読み取れます。 理論と数値ツールを実機ミッションに当てはめると、各ミッションが「面精度設計でなぜその選択をしたか」が浮き上がります。 きく8号（Engineering Test Satellite VIII、2006年打上げ）は、JAXAが移動体衛星通信の実証のために打ち上げたGEO衛星です。直径14×17m級のメッシュ展開アンテナ（LDR、Large Deployable Reflector）を2基搭載し、地上の小型端末（携帯電話サイズ）と直接通信できることを実証しました。 LDRはモジュラー方式（multi-modular antenna）と呼ばれる構造で、14個の六角形モジュール（直径4.8m）を組み合わせて全体形状を作ります。各モジュールはトラス展開機構で開いた後、メッシュをテンションでパラボラ近似します。運用周波数はSバンド（2.5/2.6 GHz、$\lambda \approx 120$ mm）で、目標RMS面精度は約2.4 mm（$\lambda/50$）。実機計測では3 mm程度の達成値とされ、Ruzeの式に当てはめると利得低下は約0.5 dB、Sバンド運用には十分な精度です。 James Webb Space Telescopeの主鏡は18枚のベリリウム合金製六角セグメント（直径1.32m）で、ロケットフェアリング内では3枚×3個の3列に折りたたまれ、軌道上で展開します。運用波長は0.6〜28μm（可視光〜中赤外）、目標面精度はRMS 20 nm（ナノメートル）以下というオーダーが3桁違う極端要求です。 達成手段は3段階。(1) 各セグメントを個別に研磨してλ/100相当の鏡面精度に仕上げ、(2) 各セグメントの背面に6軸アクチュエータを配置し、軌道上で能動的に位置・傾き・曲率を調整、(3) 5層のサンシールド（テニスコート大）で太陽熱を遮蔽し、主鏡を50K以下に保つことで熱変形をピコメートルレベルに抑える、という大規模設計です。Ruzeの式に当てはめると、$\epsilon = 20$ nm、$\lambda = 600$ nm（可視光）で $\Delta G \approx -0.06$ dB、十分な品質を保っています。 米軍のMUOS（Mobile User Objective System、2012〜2016打上げ）は5機のGEO衛星構成で、地上の戦術用ハンドヘルド端末との通信を実現します。各衛星にはNorthrop GrummanのAstroMesh（直径14m）が2基搭載され、UHF帯（300 MHz〜3 GHz）で運用されます。波長は10 cm〜1 mと大きいため、面精度要求は数mm〜cmと比較的緩く、メッシュリフレクタの本来の強みが活かされます。 商用ではInmarsatのGlobal Xpress、SkyTerra（後にLightsquared、現在のLigado）、IneoSatのICO衛星などがAstroMeshを採用。SkyTerra-1（2010年）は直径22mで、当時の最大級商用衛星アンテナでした。 これら3つのミッションに共通するのは「周波数 → 面精度要求 → 展開方式 → 誤差予算配分」という一貫した設計流れです。きく8号は低周波数ゆえメッシュで十分、MUOSも同様、JWSTは超高周波数（光学）ゆえソリッドパネル＋能動制御が必須。設計者はRuzeの式と誤差予算を出発点に、ミッション要求を最小コストで満たす方式を選定します。 実機計測技術も進化しており、写真測量（close-range photogrammetry、複数カメラでターゲットマーカーの3次元位置を計測）、レーザートラッカー、軌道上自己校正（送受信信号位相から面誤差を推定する位相回復法）が組み合わされます。打ち上げ前の地上計測値を、軌道上自己校正で逐次補正することで、能動制御方式でなくとも面精度の長期維持が可能になりつつあります。 本記事では、大型展開アンテナリフレクタの面精度誤差解析を、Ruzeの式の確率論的導出から運用評価まで一貫して解説しました。 軌道上での「ナノからミリへ」の精密形状制御は、衛星通信・天文観測・地球観測の進歩そのものです。次世代の月周回ゲートウェイや火星通信中継衛星でも、より大型・高周波数の展開アンテナが不可欠で、Ruzeの式は今後も設計の出発点であり続けます。 次のステップとして、以下の記事も参考にしてください。マージンとワーストケース
周波数別の面精度要求マップ
Python実装 — 利得低下と熱変形シミュレーション
Ruzeの式と周波数別の面精度要求
import numpy as np
import matplotlib.pyplot as plt
C = 2.998e8 # 光速 [m/s]
def ruze_gain_loss_dB(epsilon_m, freq_Hz):
"""Ruzeの式: 面精度RMS誤差eps[m] と周波数[Hz]から利得低下[dB]を返す"""
wavelength = C / freq_Hz
return -((4 * np.pi * epsilon_m / wavelength) ** 2) * 4.343
# 周波数バンド一覧
bands = [
("L (1.5 GHz)", 1.5e9),
("S (2.5 GHz)", 2.5e9),
("C (5 GHz)", 5e9),
("X (10 GHz)", 10e9),
("Ku (14 GHz)", 14e9),
("Ka (30 GHz)", 30e9),
("W (94 GHz)", 94e9),
]
# RMS面精度誤差 0.01 - 10 mm 範囲でスイープ
epsilons_mm = np.logspace(-2, 1, 200)
epsilons_m = epsilons_mm * 1e-3
plt.figure(figsize=(10, 6))
for name, freq in bands:
losses = ruze_gain_loss_dB(epsilons_m, freq)
plt.plot(epsilons_mm, -losses, label=name) # 縦軸は損失量（正値）
# 利得損失 1 dB の参照線
plt.axhline(1.0, color="red", ls="--", alpha=0.5, label="-1 dB design target")
plt.xscale("log")
plt.yscale("log")
plt.xlabel("Surface RMS error $\\epsilon$ [mm]")
plt.ylabel("Gain loss $|\\Delta G|$ [dB]")
plt.title("Ruze gain loss vs surface accuracy (per frequency band)")
plt.grid(True, which="both", alpha=0.3)
plt.legend()
plt.tight_layout()
plt.savefig("ruze_gain_loss.png", dpi=150, bbox_inches="tight")
plt.show()
誤差予算合成 — 各要因のRSS
import numpy as np
import matplotlib.pyplot as plt
def error_budget_rss(error_sources):
"""各誤差源のRMS [m] の辞書を受け取り、合成RMS誤差を返す"""
return np.sqrt(sum(e**2 for e in error_sources.values()))
# 直径10m メッシュアンテナの誤差予算（中型展開アンテナ典型例）
budget = {
"Manufacturing": 0.30e-3, # m
"Thermal": 0.40e-3,
"Deployment gap": 0.20e-3,
"Gravity release": 0.15e-3,
"Moisture": 0.10e-3,
}
eps_total = error_budget_rss(budget)
print(f"合成RMS誤差: {eps_total*1e3:.3f} mm")
# Ka帯で利得低下を評価
freq = 30e9
loss = ruze_gain_loss_dB(eps_total, freq)
print(f"Ka帯({freq/1e9} GHz)での利得低下: {loss:.2f} dB")
# 各要因の寄与を棒グラフで可視化（RMS二乗のシェア = 分散シェア）
names = list(budget.keys())
values_mm = np.array([budget[k]*1e3 for k in names])
variance_share = (values_mm**2) / (values_mm**2).sum() * 100
fig, axes = plt.subplots(1, 2, figsize=(13, 5))
axes[0].bar(names, values_mm, color="steelblue")
axes[0].set_ylabel("RMS error [mm]")
axes[0].set_title("Per-source RMS")
axes[0].tick_params(axis='x', rotation=20)
axes[1].pie(variance_share, labels=names, autopct="%1.0f%%", startangle=90)
axes[1].set_title("Variance share (which source dominates?)")
plt.tight_layout()
plt.savefig("error_budget_share.png", dpi=150, bbox_inches="tight")
plt.show()
熱変形シミュレーション — パラボラ梁モデル
import numpy as np
import matplotlib.pyplot as plt
def thermal_bow_deflection(L, t, dT, alpha):
"""両端単純支持の梁が、上下面温度差 dT で弓なりにたわむ最大変位を計算
L: 梁長 [m], t: 厚さ [m], dT: 上下面温度差 [K], alpha: 線膨張係数 [1/K]
曲率 kappa = alpha * dT / t、両端単純支持ならsag = kappa * L^2 / 8
"""
kappa = alpha * dT / t
return kappa * L**2 / 8
# パラメータ例：直径10m メッシュアンテナのリブ
L = 5.0 # リブ長 [m]（半径方向、5m）
t = 0.05 # リブ厚 [m]
alpha = 1e-6 # CFRP 線膨張係数 [1/K]
dTs = np.linspace(0, 300, 100) # 温度差 0-300K
sags_mm = np.array([thermal_bow_deflection(L, t, dT, alpha) * 1e3 for dT in dTs])
plt.figure(figsize=(9, 5))
plt.plot(dTs, sags_mm, lw=2, label=f"L={L}m, t={t*1e3:.0f}mm, α={alpha:.0e}/K")
plt.axhline(0.38, color="orange", ls="--", label="Ka-band tolerance (0.38 mm)")
plt.axhline(4.6, color="green", ls="--", label="S-band tolerance (4.6 mm)")
plt.xlabel("Temperature difference $\\Delta T$ [K]")
plt.ylabel("Rib thermal sag (RMS proxy) [mm]")
plt.title("Thermal deformation of a CFRP rib vs $\\Delta T$")
plt.legend()
plt.grid(True, alpha=0.3)
plt.tight_layout()
plt.savefig("thermal_deformation.png", dpi=150, bbox_inches="tight")
plt.show()
放物面の熱変形マッピング
import numpy as np
import matplotlib.pyplot as plt
# パラボラ開口面のグリッド
D = 10.0 # 直径 [m]
N_grid = 100
x = np.linspace(-D/2, D/2, N_grid)
y = np.linspace(-D/2, D/2, N_grid)
X, Y = np.meshgrid(x, y)
R = np.sqrt(X**2 + Y**2)
aperture_mask = R <= D/2
# 温度分布: +x方向に200K差（太陽光が+x側から照射）
T_baseline = 200.0 # K
T_gradient = 200.0 # +x側との温度差 K
T_field = T_baseline + T_gradient * (X / (D/2)) # -200..+400Kの空間勾配
T_field[~aperture_mask] = np.nan
# 熱変形量: 局所的に focal length 方向に変位
# 簡易モデル: deformation = alpha * t_panel * (T - T_ref) * (R/R_max) で、放物面の局所膨張
alpha = 1e-6
t_panel = 0.02 # パネル厚 [m]
T_ref = T_baseline
deformation = alpha * t_panel * (T_field - T_ref) * (R / (D/2)) * 1e3 # mm
deformation[~aperture_mask] = np.nan
# RMS誤差を計算（有効領域のみ）
deform_valid = deformation[~np.isnan(deformation)]
rms_def = np.sqrt(np.mean(deform_valid**2))
print(f"放物面の熱変形RMS: {rms_def:.4f} mm")
fig, axes = plt.subplots(1, 2, figsize=(13, 5))
im0 = axes[0].pcolormesh(X, Y, T_field, cmap="coolwarm", shading="auto")
axes[0].set_aspect("equal")
axes[0].set_title("Temperature field [K]\n(asymmetric solar heating)")
axes[0].set_xlabel("x [m]"); axes[0].set_ylabel("y [m]")
fig.colorbar(im0, ax=axes[0], label="T [K]")
im1 = axes[1].pcolormesh(X, Y, deformation, cmap="RdBu_r", shading="auto")
axes[1].set_aspect("equal")
axes[1].set_title(f"Surface deformation [mm]\nRMS = {rms_def:.3f} mm")
axes[1].set_xlabel("x [m]"); axes[1].set_ylabel("y [m]")
fig.colorbar(im1, ax=axes[1], label="Deformation [mm]")
plt.tight_layout()
plt.savefig("parabola_thermal_map.png", dpi=150, bbox_inches="tight")
plt.show()
Monte Carlo — 誤差予算ばらつきによる利得分布
import numpy as np
import matplotlib.pyplot as plt
np.random.seed(42)
def monte_carlo_gain(budget_means, budget_stds, freq, n_samples=10000):
"""各誤差源の平均RMS [m] と 標準偏差 [m] から、Monte Carloで利得低下分布を計算"""
eps_total = np.zeros(n_samples)
for key in budget_means:
# 各要因のRMS自体がばらつく（正規分布、負値はクリップ）
eps_i = np.maximum(0, np.random.normal(budget_means[key], budget_stds[key], n_samples))
eps_total += eps_i**2
eps_total = np.sqrt(eps_total)
losses = ruze_gain_loss_dB(eps_total, freq)
return eps_total, losses
# 予算（平均、標準偏差）の例
budget_means = {
"Manufacturing": 0.30e-3,
"Thermal": 0.40e-3,
"Deployment gap": 0.20e-3,
"Gravity release": 0.15e-3,
"Moisture": 0.10e-3,
}
budget_stds = {key: 0.3 * val for key, val in budget_means.items()} # 各要因に30%ばらつき
# Ka帯とKuバンドで比較
eps_ka, loss_ka = monte_carlo_gain(budget_means, budget_stds, 30e9, n_samples=20000)
eps_ku, loss_ku = monte_carlo_gain(budget_means, budget_stds, 14e9, n_samples=20000)
# 統計量
print(f"Ka帯: 利得低下 mean={loss_ka.mean():.2f} dB, std={loss_ka.std():.2f} dB")
print(f" 5%-95%パーセンタイル: [{np.percentile(loss_ka, 5):.2f}, {np.percentile(loss_ka, 95):.2f}] dB")
print(f"Ku帯: 利得低下 mean={loss_ku.mean():.2f} dB, std={loss_ku.std():.2f} dB")
fig, axes = plt.subplots(1, 2, figsize=(13, 5))
axes[0].hist(eps_ka*1e3, bins=60, color="steelblue", alpha=0.7, edgecolor="black")
axes[0].axvline(0.38, color="red", ls="--", label="Ka tolerance (-1dB)")
axes[0].set_xlabel("Total RMS error [mm]")
axes[0].set_ylabel("Count")
axes[0].set_title("Distribution of total RMS error")
axes[0].legend()
axes[1].hist(-loss_ka, bins=60, color="orange", alpha=0.7, label="Ka (30 GHz)", edgecolor="black")
axes[1].hist(-loss_ku, bins=60, color="green", alpha=0.7, label="Ku (14 GHz)", edgecolor="black")
axes[1].axvline(1.0, color="red", ls="--", label="design target (-1dB)")
axes[1].set_xlabel("Gain loss $|\\Delta G|$ [dB]")
axes[1].set_ylabel("Count")
axes[1].set_title("Monte Carlo gain loss distribution")
axes[1].legend()
plt.tight_layout()
plt.savefig("monte_carlo_gain.png", dpi=150, bbox_inches="tight")
plt.show()
応用 — きく8号・JWST・MUOS
JAXA きく8号（ETS-VIII）— Sバンド19m級メッシュ
NASA JWST — 6.5m赤外ソリッド展開
MUOS / SkyTerra — AstroMesh商用展開
共通の設計哲学
まとめ