【摘 要】
:
耐高温高压压力传感器在航空、石油以及汽车领域的应用越来越广泛,需求也越来越大,但我国对耐高温高压压力传感器的研究相对落后,国内市场的高端耐高温、高压压力传感器主要靠进口。世界各国对耐高温、耐高压的传感器的研究较为深入,但对可同时承受高温、高压的压力传感器的研究相对较少。且目前的压力传感器市场走势偏向于将器件微型化、小型化,最好可集成。所以研究可同时耐高温与高压的压力传感器,并实现传感器的微型化对于
论文部分内容阅读
耐高温高压压力传感器在航空、石油以及汽车领域的应用越来越广泛,需求也越来越大,但我国对耐高温高压压力传感器的研究相对落后,国内市场的高端耐高温、高压压力传感器主要靠进口。世界各国对耐高温、耐高压的传感器的研究较为深入,但对可同时承受高温、高压的压力传感器的研究相对较少。且目前的压力传感器市场走势偏向于将器件微型化、小型化,最好可集成。所以研究可同时耐高温与高压的压力传感器,并实现传感器的微型化对于解决我国高端压力传感器市场空缺具有重大意义。基于声表面波的压力传感器可实现无源无线的测量,适应于各种不能使用传输线的严苛环境。AlN压电薄膜能够承受上千度的高温,在高温环境下仍然具有高的稳定性。在工业生产中,通常采用直流或射频磁控溅射法制备AlN薄膜,而磁控溅射工艺与MEMS技术具有很好的兼容性,可实现小体积、轻重量、高集成度的工业大规模生产要求。基于上述问题与分析,本文对基于AlN的耐高温、高压的声表面波压力传感器开展了研究。具体的科研工作与结果如下:为制备耐高压压力传感器,并研究在高压下器件失效的机理,设计了不同厚度与不同尺寸的压力敏感膜。使用COMSOL多物理场仿真软件对压力传感器的谐振模态进行了仿真,对声表面波不同谐振模态下对应的频率进行了研究。由于压电式传感器的谐振频率受温度影响较大,所以对声表面波传感器温漂效应的机理进行了介绍,器件的负温度系数来源于材料本身负的杨氏模量温度系数。为减小器件的温度漂移,选择了具有正一阶杨氏模量温度系数的SiO2对器件的温漂进行补偿。并设计了不同层的温漂补偿层,并利用COMSOL多物理场仿真对不同结构的温漂补偿层进行仿真研究,结果表明在压电层底层的温补层能获得最好的温漂补偿效果,但由于工艺限制选择了效果次之的顶部温补层结构。设计了新型的IDT与反射栅的结构,新型结构能够抑制体声波在反射栅与叉指电极处由于周期性中断而导致的能量辐散。对压力敏感膜的应变进行了仿真,仿真结果表明在压力敏感膜中部最适用于制备声表面波谐振器。依据将谐振器设计在应变集中区可提升压力灵敏度的指导思想设计了压力传感器的版图,并使用标准的MEMS技术完成了器件的制作。根据器件设计了背腔加压与正面加压的封装结构。通过对器件的耐压极限进行测试,得到了不同压力敏感膜的耐压极限,分析发现通过背腔加压会造成器件的耐压提前失效。结合实验数据通过仿真得到了SOI材料破裂时内部最大应力约等于552MPa。对压力传感器得温度与压力特性进行了测量,压力传感器在常温常压下的谐振频率为468.97MHz。器件的温度特性测试结果表明传感器可以在-50~500℃环境中稳定工作,器件的温漂低至TCF≈-35.5ppm/℃;压力传感器的压力频率系数为PCF≈158ppm/MPa,压力测量范围为0~2MPa,说明器件可耐高压且压力灵敏度较高。
其他文献
人体解析是对人体图像中的部位和衣物进行像素级别的识别。基于强有力的语义分割方法并进一步结合有关人体特性的辅助信息是当前的人体解析工作的主要研究路线。我们注意到,当人们在社交网站上分享照片时,往往会分享身着同一套衣服以不同姿势或角度拍摄的多张照片。这些额外的照片天然地可以作为人体解析任务的辅助信息。本文受到这种行为的启发,当对一张人体图像进行解析时,可以提供另一张相关图像的原图作为参考图像,通过寻找
随着我国信息化建设的推进,网络基础设施的不断完善和各种网络应用的普及给我们的生活带来诸多便利的同时,企图对网络进行入侵或破坏的各种网络异常行为也在不断增加。网络异常行为检测有利于及时地对异常情况进行预警和响应,避免或降低异常行为所带来的损失。如何对网络异常行为进行有效检测已成为网络安全领域的重要研究课题。网络行为通常以包和流作为数据载体,近年来基于包的网络异常行为检测和基于流的网络异常行为检测是两
多目标跟踪是计算机视觉中的一个重要研究方向,其在学术研究和实际应用中都有重大的意义。在安防系统、自动驾驶、人机交互等方面有很高的应用价值。现在最常用的多目标跟踪框架是基于检测的多跟踪,其主要是结合检测器提供的检测结果来设计一套有效的关联度量和关联算法,从而将这些检测结果匹配起来,完成多目标跟踪任务。本文主要针对多目标跟踪中的运动建模和外观建模两个方面展开研究,并且结合实际应用分析多目标跟踪中存在的
柔性可穿戴传感器凭借柔性、可形变的特性而备受关注,柔性器件可以广泛应用于人体健康监测、机器人智能传感、人机交互、医疗康复等诸多领域,具有很好的发展前景。基于传统集成电路的柔性器件制备工艺已经发展成熟,但是由于其较高的制备成本以及对材料的要求严格等问题,限制了该工艺在制备柔性器件领域的应用。目前已经发展了多种新型柔性器件制备工艺,如丝网印刷、掩模喷涂以及静电纺丝等工艺,具有制备流程简单、成本低以及易
视觉目标跟踪(Visual Target Tracking)是对图像序列中的运动目标进行检测、提取、识别和跟踪的一类技术,主要任务是为了获得运动目标的运动参数,从而实现对运动目标的行为理解,以完成更高一级的检测任务。目标跟踪算法在公共安防、工厂生产、交通管控等相关场景有着极为广泛的应用。对于视觉目标跟踪算法的研究在计算机视觉领域一直备受关注。尽管在像素域的相关算法研究已经取得了很大的进步,尤其在近
近年来,在大数据与高性能计算平台的支撑下,深度卷积神经网络因其对于图像数据的强大非线性拟合能力、高度特征抽象能力和自动特征表达能力而在各类计算机视觉任务中取得了卓越性能。然而其在性能提升的同时也产生了繁重的计算开销、巨大的内存消耗以及超量的存储占用,进而限制了其向资源受限终端的部署,以及在时间敏感的实际场景中的应用。基于此,本文聚焦于基于变分贝叶斯的网络剪枝技术,深入研究变分贝叶斯理论在卷积神经网
移动传感器网络(mobile sensor network,MSN)因其具有自组织性、可扩展性及灵活性的特点,常被应用于如战场监控、灾后搜救等空间监测任务中。传感器在空间中的覆盖情况直接反映了MSN所能提供的感知服务质量,合理的节点部署可以帮助节点更好地感知环境信息,完成监测任务。当监测区域内出现目标时,MSN不仅需要对目标进行持续的跟踪,还应继续对其他区域进行搜索,这对节点的协作和适应能力提出了
高分辨率的合成孔径雷达(SAR)图像在诸多领域均有重要的应用价值,然而,由于硬件性能限制、成像条件复杂等不利因素,并且受到本身固有的乘性相干斑噪声的影响,往往获得的SAR图像分辨率都会受到严重降低。而图像的超分辨率重建,不仅可以提高图像的分辨率,而且通过引入新的高频信息,如边缘、纹理等,同时在一定程度上降低噪声、杂波等,使得图像的整体质量得到提高。近年来基于深度学习的自然图像超分辨取得了巨大的成功
深度学习网络,因其具有强大的学习与表达能力,目前已被广泛运用在语音识别、自然语言处理等领域。其中网络结构是深度学习应用的基础。研究新型的网络结构是目前研究的主流,是突破现有网络局限性的关键,对于推动深度学习网络的发展具有重要意义。现有的深度学习网络模型,经历了一个以数据拟合为目标,由浅层到深层的发展过程,其发展目前面临以下瓶颈:首先,近年来在大多数任务中,深度学习网络性能提升极其有限。其次,训练好
近年来,科学技术的飞速发展,对加速度振动测量技术提出了更高的要求。传感器不仅需要能够耐受更高的温度,还需要有更高的电荷灵敏度。发展高温压电加速度传感器恰恰是能够满足这一要求的突破口。本论文基于旋转切型对压电加速度传感器进行优化设计,制备了高温压电加速度传感器。常温和高温特性测试表明,该传感器具有较大电荷灵敏度。本论文选择硅酸镓钽钙(CTGS)晶体作为传感器设计中的压电敏感材料,并采用剪切型结构设计