基于近红外发光微纳米材料的温度传感技术研究

来源 :燕山大学 | 被引量 : 0次 | 上传用户:dqqwa
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
温度关系着人类的生产生活能否正常运行,其重要性不言而喻。而随着科技的高速发展,对温度的测量提出了更高标准的要求。目前基于稀土离子掺杂发光材料的荧光强度比测温技术已成为温度传感领域研究的热点,但是这种测温技术通常利用的是稀土离子的热耦合能级,其测温灵敏度受到了热耦合能级的能级间隙大小的限制,并且其荧光光谱往往会出现重叠现象,因此利用热耦合能级实现荧光强度的比率式测温所得出的测温误差较大,灵敏度较低。针对上述所列出的荧光测温领域存在的关键性问题,本文通过选择合适的基质材料、控制合成条件、优化稀土离子掺杂浓度、构建核壳结构等措施实现对温度传感性能的优化,对所研究的稀土离子掺杂体系的发光机制进行了理论探究,并且对其温度传感特性以及潜在的应用价值进行了评估。本文的主要研究内容如下:在近红外发光纳米材料的温度传感特性研究中,以声子能量比较低的氟化物作为基质,并在其中掺杂Yb3+和Tm3+,利用溶剂热法分别制备了核、核/壳、核/壳/壳结构的纳米晶,对合成的纳米晶进行了微观结构表征。另外对Tm3+在980 nm激光激发下的发光机制进行了详细的探讨,并测量了基于Tm3+:~3H4→~3H6和~3F4→~3H6跃迁的温度依赖性发射光谱,以800 nm为中心的发射峰位于生物第一窗口波长范围内,而以1800 nm为中心的发射峰位于生物第三窗口波长范围内。本研究也系统地分析了壳层包覆对Tm3+发光过程及荧光寿命的影响,进一步评估了~3H4和~3F4能级的温度传感性能,发现核/壳/壳结构纳米晶出现了上转换荧光强度饱和现象,使其近红外荧光强度比几乎不依赖于泵浦功率,能够实现可靠性较高的温度检测,并且在生理温度范围内其测温绝对及相对灵敏度的最大值分别为Sa Max=3.9%K-1和Sr Max=0.33%K-1,测温不确定度为0.75 K。目前生物测温领域存在着一些亟需解决的问题,不能实现深层组织的测温以及测温灵敏度比较低等等,而近红外光能够减少生物组织对它的散射和吸收,因此近红外荧光适用于生物测温。而Yb3+和Tm3+共掺杂体系能够利用近红外发光测温,并且具有优越的温度感测性能,证明了本文所设计的近红外测温策略在生物测温领域中有着巨大的应用前景。在近红外发光微米材料的温度传感特性研究中,基质材料为具有极化作用且声子能量较低的Na Y(WO4)2,在其中掺杂Yb3+和Er3+,利用高温固相法制备了一系列微晶材料,并对其进行了微观结构表征。在915 nm激光的非共振泵浦下,研究了该系列微晶材料的近红外光致发光特点及其温度特性。从微晶材料的温度依赖性发射光谱中推断出其在915 nm激光激发下的发光物理机制,结合速率方程对发光及温度光谱进行了综合的分析,发现了导致Yb3+和Er3+共掺发光变化趋势相反的物理模型,利用温度对Er3+的~4I13/2能级的荧光寿命的影响对上述物理模型进行了详细的探讨。还研究了该系列Yb3+掺杂浓度不同的微晶材料的温度传感,探讨Yb3+掺杂浓度不同对发光及温度特性的影响,利用测温灵敏度等对其测温性能进行了评估,Yb3+掺杂浓度为9%的微米晶的最大灵敏度为Sa Max=0.0108 K-1。为了实现对温度传感性能的优化,并没有利用Er3+的~2H11/2和~4S3/2能级对进行荧光强度的比率式测温,而是通过非热耦合能级进行温度检测,打破了能级间隙对测温灵敏度的限制,证明了利用非热耦合能级能够有效地提高测温灵敏度,也表明了Yb3+-Er3+共激活的荧光粉在温度传感领域有着极大的发展潜力。
其他文献
随着软件在日常生活中的广泛使用,软件安全问题正逐渐引起人们的重视。其中缓冲区溢出漏洞在软件安全中最常见也是最严重的一种漏洞。缓冲区溢出漏洞会导致权限被非法获取,信息被窃取,系统瘫痪等一系列危害。为了能有效的检测出缓冲区溢出漏洞,本文提出一种基于深度学习的缓冲区溢出漏洞检测方法。本文主要工作如下。首先,针对软件缓冲区溢出漏洞进行研究,针对缓冲区溢出漏洞可疑代码,构建了抽象语法树。基于缓冲区溢出漏洞可
随着社会的发展,针对复杂网络社区发现算法的研究逐渐深入,社区发现算法在推荐领域、信息传播、精准营销等方面都有着很大的价值。标签传播算法因为其简易性和效率高而受到研究学者的青睐,然而标签传播社区发现算法存在稳定性差、准确率低的问题。针对上述问题,本文分别在静态社区和动态社区上提出了基于标签传播思想的社区发现算法。首先,针对标签传播算法稳定性不足,提出了融合标签熵和k-shell的标签传播重叠社区发现
机械装备结构日益复杂、自动化,对设备安全性和可靠性的要求也越来越高,机械故障的检测和诊断显得尤为重要,基于振动信号分析的数据驱动类方法得到了广泛研究。但多数智能故障诊断方法的应用基础为训练数据与测试数据同分布,而实际中复杂工况的影响使得理论方法的诊断效果受到较大影响。迁移学习的引入为解决不同数据分布下的轴承故障诊断问题提供了新思路。该文主要研究了基于深度迁移学习的轴承故障跨域诊断方法。首先,考虑到
现代大型机械装备日趋复杂化、智能化与精密化,轴承作为多数机械装备的重要构成部分,一旦出现机械故障,所造成的损失与影响将相当巨大,准确的轴承故障诊断在机械健康管理中起着关键作用。近年来深度学习方法的引入为故障诊断及预测提供了新思路和新方法,该文主要研究了基于深层卷积神经网络与迁移学习的轴承故障诊断方法。首先,针对难以从原始轴承数据中获取全面的信息,以及经深度学习模型提取的大量特征对故障模式分类的重要
在公路路面检测与养护智能化的要求下,智能AI技术被广泛运用于我国公路的病害检测和预防养护上,它可以快速准确地分析采集到的影像,对公路路面病害进行智能识别,提高了公路养护的效率。基于此,通过研究分析AI智检在公路路面病害的检测与预防养护的应用,提升公路路面检测工作的效率和质量。
近红外光谱技术是一种具有绿色、快速、无损优势的检测技术,其在白酒行业中的应用越来越广泛。介绍了近红外光谱技术的工作原理及优势,主要介绍了近红外光谱技术在白酒行业中酿酒原料、酿酒大曲、发酵酒醅、半成品及成品酒检测方面的研究应用及在线检测及时的开发研究,分析了该技术在白酒行业应用推广过程中存在的问题,并展望了其应用前景。
随着工业智能化,机械设备结构日益复杂,机械设备的健康状态监测成为重要的研究方向。滚动轴承作为设备的关键部件,成为重要的监测对象。机械设备工况的复杂多变,对故障状态诊断方法提出了更高的要求。论文针对状态特征提取困难,提出了基于振动信号分解及熵值的特征提取方法;针对故障诊断精度低,提出了基于改进极限学习机(Extreme Learning Machine,ELM)的故障诊断方法。论文主要研究内容如下:
阵列电极电容成像技术作为一种基于边缘电场效应的新兴无损检测技术,具有可穿透、非接触和能够在空间受限的条件下进行单方向检测等优点。基于电容传感原理工作的阵列电极传感器能够对被测对象的内部的物质分布异常有很高的灵敏度,因而其在复杂目标物的检测等特定的场合下具有优势。本文针对陶瓷基复合材料结构件介质分布异常的检测需求,重点开展了新型阵列电极传感器的设计和特性研究。针对共面阵列传感器在介质分布异常的检测过
遥感技术的长足进步推动了人类认知发展,已经在国土资源保护、城市区域规划、防灾救灾等众多领域得到应用,高分辨率遥感影像的获取使人们更加精细准确地观看世界。但遥感影像分辨率的提升导致单景影像覆盖区域范围严重受限,同时受天气状况影像,对于一些多云雨地区在同一时间难以获得大范围高质量影像,需要对时相不同的影像进行镶嵌研究。针对高分辨率遥感影像特点,为满足大区域范围的研究需要,本文结合图像处理算法对高分辨遥
食用植物油是人类膳食的必要组成部分。若植物油存在质量问题,消费者的身体健康必将受到严重危害。因此,植物油品质鉴别一直是食品安全领域的一项重要课题。荧光光谱扫描作为一种重要的光学检测技术,被广泛应用于植物油这样复杂体系的检测中。但目前的荧光光谱建模仍然依赖基于先验知识的预处理来进行特征选择,这使得其普适性在光谱学分析中遇到了挑战。因此,本论文研究了深度学习结合荧光光谱完成植物油品质鉴别的少样本学习建