【摘 要】
：
微化学反应器是一种能够通过控制化学反应的流速等方式控制化学反应进程的微型化学设备,可以大大缩短反应时间提高反应效率并且集成化程度高,可以与微小的传感芯片相集成,近年来得到越来越广泛的重视。追踪微化学反应对于表征化学反应进程中的相关参数,如化学反应速率、转化率、平衡常数、最适温度等发挥了很重要的作用。现有的一些方法通常不易与微化学反应器集成,因此不适用于微化学反应中并且无法实现实时在线检测。为了实现
论文部分内容阅读
微化学反应器是一种能够通过控制化学反应的流速等方式控制化学反应进程的微型化学设备,可以大大缩短反应时间提高反应效率并且集成化程度高,可以与微小的传感芯片相集成,近年来得到越来越广泛的重视。追踪微化学反应对于表征化学反应进程中的相关参数,如化学反应速率、转化率、平衡常数、最适温度等发挥了很重要的作用。现有的一些方法通常不易与微化学反应器集成,因此不适用于微化学反应中并且无法实现实时在线检测。为了实现对于有气态物质生成的微化学反应的实时在线追踪,在本文中设计了一种基于兰姆波（Lamb Wave）声学压力传感器的微化学反应微系统,通过检测压力变化来追踪化学反应进程。基于声波谐振器的压力传感器具有的灵敏度高、输出响应呈线性和便于集成等优势。本文介绍了氮化铝（ALN）兰姆波微机电系统（Micro Electro Mechanical System,MEMS）谐振器的设计与制造,以及其在检测压力、搭建系统构成微化学反应跟踪器实时在线监测酶促反应和与聚二甲基硅氧烷（polydimethylsiloxane,PDMS）薄膜集成实时在线监测流速方面的应用。本文首先介绍了ALN兰姆波的概况,包括它的工作原理、兰姆波特性以及其性能参数和MEMS制造工艺。其次,采用具有优良压电性能的材料,开发能够以高分辨率在动态和短时间内快速检测压力信号变化的微压力传感器,并通过COMSOL有限元仿真得到了与真实实验基本吻合的结果,证明了利用兰姆波谐振器（Lamb Wave Resonator,LWR）检测压力变化的可行性。之后,利用ALN LWR压力传感器实时在线监测了过氧化氢酶（CAT）催化过氧化氢（Hydrogen peroxide,H2O2）分解的酶促反应,并通过计算得到酶反应动力学常数8)和6)((8（6）。最后,本文还通过将带有流道的PDMS和LWR压力传感器相集成,搭建了一个基于LWR压力传感器进行实时在线流速检测的系统,具有较高的重复性和灵敏度。
其他文献
随着互联网技术与数字经济的发展,基于深度学习技术处理网络结构数据的网络表示学习方法吸引了学术界和工业界的共同关注,其旨在将网络中的节点表示为低维、稠密的实值向量,并有效地保留网络结构及其他有价值信息。现有的大多数网络表示学习方法在学习节点表示时很少考虑网络的属性信息,而网络属性信息往往蕴含着非常有价值的信息。知识图谱是基于图结构的数据模型,其能够自然刻画现实世界中实体之间广泛联系的网络结构数据,能
在自然界与现实生活中,纹理图像随处可见,研究人员对使用计算机合成纹理图像进行了深入研究,提出了很多纹理合成算法。在本文中,对于传统纹理合成算法以及基于卷积神经网络的纹理合成算法进行了研究与比较,发现了现有方法的不足之处:使用传统的纹理合成算法对于有的纹理种类不具有普适性,生成的纹理图像可能会模糊;使用现有的基于卷积神经网络的方法,由于现存方法的输入图像大小固定,网络结构固定,卷积之后需要将图像恢复
目前,网络已经成为复杂系统建模和分析的有效工具。现实世界中存在着各种网络,例如社交网络,技术网络和生物网络。目前研究者对网络分析进行了广泛的研究,以更加深入地了解网络本质。传统的网络表示方法不能很好地揭示网络的深层特征,因此网络表征学习研究成为了网络分析任务的研究热点。网络表征的学习目标是学习每个网络节点的低维高密度连续向量,该向量不仅可以度量网络中节点之间的空间关系,还可以揭示深层的网络节点之间
谈判是一种在日常生活中经常使用的一种沟通交流行为,通过人与人之间的信息交换以及方案的交换来解决一系列的在最终谈判问题上的分歧并达成双方满意的谈判结果。当前人们对自动谈判技术也有了浓厚的兴趣,越来越多的人开始进行自动谈判智能体的研究,人们对人机谈判智能体研究的目的是构造一个拥有人类谈判技巧且十分智能的智能体,并通过这样的研究最终为谈判交互或者训练人类的谈判技巧提供帮助传统的谈判中人们可能会受到多种因
近些年来,带有高质量像素级分割标签的大规模训练数据极大地驱动了深度学习模型用于分割领域的性能。然而,用于分割任务训练集的注释是非常费力的,因为注释必须逐像素地完成。在这种耗时耗力的情况下,本文考虑到不同样本对分割模型的贡献可能相差很大,有些图像对模型的增益很大,但是也有些图像对模型的增益作用很小,也就是说,并非所有图像都需要注释。如何充分利用大规模未标记图像来增强分割模型的性能并用最少的人工成本对
气体传感器一直是传感器领域的重要研究方向,实现对有机气体组分的实时监控、有效识别和区分,对环境监测、安防、健康、医疗等各个领域具有非常重要的意义。然而,气体传感器技术仍面临着诸多挑战:例如,如何构建尺寸小、灵敏度高、响应快、以及成本低的气体检测系统等。薄膜体声波谐振器（FBAR）具着灵敏度高、尺寸小、响应快、成本低、易于实现阵列化以及可输出多种传感参数等特点,这些优点使得FBAR得到了广泛的关注。
基于稳态运动视觉诱发电位（steady state motion visual evoked potential,SSMVEP）的脑计算机接口（brain-computer interface,BCI）融合了人类视觉系统的运动感知功能,可减轻由SSVEP强烈视觉刺激引起的不适感和适应性,引起了广泛关注。然而,SSMVEP范式下依然存在被试者长时间精神集中出现的疲劳状态,这种疲劳状态将直接影响BCI
近年来,卷积神经网络由于其较高的分类精度而广泛应用于图像分类、目标检测以及场景分割等计算机视觉任务。卷积神经网络的分类精度随着网络层数的增加而提高。然而,伴随着网络加深,网络规模变大,需要的计算量剧增,采用软件运行卷积神经网络算法将会是一项非常耗时的工作。各种硬件加速器应运而生,以提高卷积神经网络模型的计算性能并满足嵌入式设备对于实时性、低功耗的要求。其中,现场可编程门阵列由于其强大的并行计算能力
计算机视觉技术和深度学习的快速发展为打造大规模、无人化养殖农场带来了新的机遇。利用计算机视觉技术实现猪个体识别,以提高猪场的管理效率成为近年来的研究热点。不同猪个体之间脸部特征较为明显,可通过识别猪脸确定猪个体身份,但实际养殖中脏乱的环境为猪脸识别带来很大困难。本文提出了一种基于多尺度卷积神经网络的猪脸识别算法,通过加深网络层数和拓展网络宽度提高了网络对猪脸图像的特征提取能力。利用对称拆分和非对称
随着计算机和自动化技术的发展,越来越多的移动机器人进入人们的生活,服务于社会的方方面面,尤其是在酒店服务、老年护理和医疗保健等行业受到人们的广泛欢迎。导航是移动机器人技术的核心,而定位是移动机器人导航的基本问题,只有准确的定位才能保证服务机器人可靠地完成任务。针对现有移动机器人室内定位方法存在准确性偏低和环境适应性较差等问题,本文采用深度学习结合特征点匹配的方法研究了利用门牌自然路标进行服务机器人