【摘 要】
：
声表面波（SAW）传感器因其灵敏度高、体积小、稳定性好等特性在日常生活中有广泛的应用,其中对于SAW温度传感器的研究主要集中在低温度区间内,然而随着社会需求的增长,对于一些特殊环境中的温度测量已然变得迫切:如对航天发动机、电厂熔炉等存在高温、宽温区设备的健康监测。而SAW温度传感器在宽温度区间内应用的主要受限于压电衬底材料的温度特性。本文就LGS、CTGS两种压电衬底的SAW温度传感器展开了研究。
论文部分内容阅读
声表面波（SAW）传感器因其灵敏度高、体积小、稳定性好等特性在日常生活中有广泛的应用,其中对于SAW温度传感器的研究主要集中在低温度区间内,然而随着社会需求的增长,对于一些特殊环境中的温度测量已然变得迫切:如对航天发动机、电厂熔炉等存在高温、宽温区设备的健康监测。而SAW温度传感器在宽温度区间内应用的主要受限于压电衬底材料的温度特性。本文就LGS、CTGS两种压电衬底的SAW温度传感器展开了研究。本文中首先研究了基于LGS的SAW温度传感器。在（0°,90°,80°）、（90°,90°,36°）、（0°,138.5°,26.6°）三种切向的LGS衬底上制备了单端口SAW谐振器,对应的谐振频率分别为194 MHz、204 MHz、224.8MHz。按照文中所提出的双谐振器温度传感器设计方案,将（0o,90o,80o）和（0o,138.6o,26.6o）谐振器串联形成温度传感器a,将（90o,90o,36o）和（0o,138.6o,26.6o）谐振器串联形成温度传感器b。在室温～300℃对两种传感器进行温度特性测试,结果显示（0o,90o,80o）和（90o,90o,36o）谐振器均表现出频率随着温度升高先增大再减小的变化规律,温度转变点分别在178℃和195℃;（0o,138.6o,26.6o）谐振器的频率和温度的关系则是单调递减,计算得温度转变点是18℃。同时根据拟合参数得到对应传感器的温度输出表达式,证明了该方案的宽温度测试可行性。针对LGS温度传感器双器件设计存在的问题,选择CTGS作为压电衬底进行研究。在（0o,90o,ψ）切面上制备SAW谐振器并研究了12种切向的CTGS的温度特性。结果显示12种切向谐振器在S11曲线、机电耦合系数、频率温度曲线上均表现出关于ψ=0°对称的特征,很好的验证了CTGS结构对称性。通过室温～400℃的温度测试,发现零频率温度系数切型出现在在ψ=38°附近,另外有5种切向的谐振器频率-温度变化规律始终为单调递减,其中属（0°,90°,0°）切向的温度转变点最低、机电耦合系数最高。所以,最终选择（0°,90°,0°）切向作为宽温度范围温度传感器的压电衬底。在（0°,90°,0°）切向CTGS上制备了不同结构参数的谐振器,用以优化传感器的性能。通过对不同叉指对数、孔径、叉指间隙、金属膜厚的器件进行对比实验确定了最终的参数。使用优化之后的器件进行了高低温测试,实验结果显示在-100℃～400℃的范围内,传感器的频率-温度呈现出线性变化的规律,在此温度区间通过线性拟合获得的温度灵敏度有146.84℃/MHz。相较于LGS,在此温度区间内CTGS具有明显的优势。更宽温度范围（-100℃～1100℃）测试数据使用二次函数拟合,提取出温度系数TCF1、TCF2,最终根据拟合参数确定了温度求解表达式。经过与热电偶的温度测试对比验证了该SAW温度传感器的可行性。
其他文献
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
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
随着多媒体时代的到来,视频数据大量地出现在人们的日常生活中。视频数据具有连续性强、数据量大的特点,因此视频压缩技术对于视频的储存与传输具有重要意义。近年来,深度学习在许多领域取得了突破性成果,也给出了视频压缩技术新的解决方案,基于深度学习的视频压缩成为了一个备受关注的全新领域。目前该领域的研究取得了一定的成果,但是视频的压缩性能仍然有可以提升的空间,值得继续研究。本文以基于深度学习的视频压缩为研究
在摄影时,当我们透过玻璃拍摄玻璃后面的物体,得到的照片中往往带有玻璃上反射物体的影像,严重影响了拍摄的图像质量。去反光任务则是从带反光的图像中分离出不带反光的背景图像,目前已经提出了关于去反光任务的一些方法,有传统方法和基于深度学习的方法,对于深度学习方法,通常需要大量的成对数据用于网络模型训练,但是获取大批量的成对真实反光数据集非常困难,因此目前普遍的做法是使用RGB图像采用线性模型合成训练数据