石英晶体微天平(QCM)质量灵敏度的关键技术研究

来源 :电子科技大学 | 被引量 : 0次 | 上传用户:nail_dingding
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
随着科技的日益快速发展,传感器作为信息获取的源头,其作用和地位愈加重要。石英晶体微天平(Quartz crystal microbalance,QCM)作为一类十分重要的质量传感器,目前,在很多领域获得了广泛应用。本文以QCM传感器质量灵敏度的关键技术为研究对象,通过深入研究QCM的传感机理,并结合有限元仿真技术,揭示了决定QCM传感器质量灵敏度的关键因素,提出了通过优化电极结构设计来提高QCM传感器质量灵敏度的方法;针对非对称电极构型QCM质量灵敏度理论计算复杂性问题,提出了一种基于电化学电镀的方法,建立了三电极电化学电镀实验平台,测量了该非对称电极构型QCM的质量灵敏度,并指出该方法可以进行推广使用,进而测量其他电极构型QCM的质量灵敏度,也即此方法具有普遍适用性。本文主要研究工作和创新点如下:第一,本文深入研究了QCM的传感机理,并结合详细的理论推导,揭示了QCM质量灵敏度及其分布与石英晶体谐振器质点位移振动幅度及其分布之间的关系。接着,基于石英晶体谐振器的Mason等效电路模型和BVD等效电路模型对谐振器质点位移振动方程进行了详细的理论推导,这为采用有限元方法对QCM质量灵敏度及其分布的分析提供了理论依据。第二,通过有限元方法并结合Comsol软件仿真,给出了QCM质点位移振动幅度分布和石英晶体内电势分布的切面图,并结合QCM质量灵敏度分布与其质点位移振幅分布之间的关系,分析并给出了QCM质量灵敏度分布。接着,通过传统对称电极构型QCM和非对称环形电极构型QCM质量灵敏度分布的仿真分析,发现了环形电极构型QCM的质量灵敏度分布更均匀。第三,由于经典的Sauerbrey方程并未考虑到QCM电极材料对其质量灵敏度的影响,因此有必要研究不同电极材料的QCM的质量灵敏度。通过研究和对比金电极和银电极QCM的质量灵敏度,发现了金电极QCM质量灵敏度明显高于银电极QCM质量灵敏度,进而指出了QCM电极材料对其质量灵敏度具有重要影响。接着,研究了同一电极材料情况下电极厚度尺寸对其质量灵敏度的影响。第四,本文针对非对称电极构型QCM质量灵敏度理论计算高度复杂性的问题,提出了一种基于电化学电镀测量QCM质量灵敏度的方法,建立了三电极电化学电镀实验平台,测量了非对称电极构型QCM质量灵敏度,并结合SEM、AFM和XRD技术分析了铜薄膜的表面形貌和薄膜表面的洁净度。接着,采用电化学电镀的方法测量了传统对称电极QCM的质量灵敏度,进而指出该方法可以推广测量其他电极构型QCM的质量灵敏度,即采用电化学电镀来测量QCM质量灵敏度的方法具有普遍适用性。
其他文献
物联网技术快速发展与广泛应用,对高精度高可靠性温度、湿度等目标对象动静态特性感知与测试提出了新的挑战,探索发展新型温度、湿度等动静态物理特征感知机理及实现技术已成为学术界和产业界的研究热点。温度、湿度等物理量感测灵敏度、精度、线性度等性能直接决定了物联网节点的性能和可靠性。新型人工电磁结构(又称超构材料)具有负介电常数、负磁导率、强谐振性等特征及负折射、逆Cerenkov辐射、逆Doppler效应
场景理解是机器学习、模式识别等学科非常活跃的研究方向。图像分类和图像语义分割是场景理解的两个重要研究内容,虽然随着机器学习方法的不断发展已取得突破性的进展,但依然存在一些亟需解决的问题。本文以图像分类为主要研究对象、机器学习方法为主要研究手段,重点针对经典机器学习方法下图像分类任务中的低分类率图像类别的识别问题、视觉字典的学习耗时问题和场景理解的多任务集成模型设计问题,以及深度学习模式下图像分类网
深度学习是机器学习的重要分支,是一种使用多层非线性变换结构进行模式匹配和预测的算法。近年来,深度学习被广泛应用在图像识别、自然语言处理和语音识别等领域,极大改善算法性能,在人工智能中扮演越来越重要的角色,但是在现实应用中深度学习的缺陷也凸显出来。深度学习的大部分任务是有监督学习,需要大量有标签的数据。深度学习模型计算复杂度高,算法容易被攻击,而且缺乏可解释性,其内部工作机制不清楚。贝叶斯推断方法依
从2014年“双创”以来,我国新企业年登记数量屡创新高,创业活跃指数跃居全球主要经济体之首。各行各业创业活动方兴未艾,成为经济和社会发展的新引擎。然而,时至今日,我国的创业活动总体创新质量还有待提升,主要创新指标依然落后于发达经济体,甚至在关键核心技术领域受到发达国家的“卡脖子”限制。十九届五中全会提出“创新”在经济建设全局中的核心地位,把科技自立自强视为未来国家竞争力的战略支撑。作为科技活动与商
可延展柔性电子通过对无机功能薄膜进行力学结构设计,可在保持无机材料高电子学性能的同时使器件具有宏观的可变形、可延展等特性。可延展柔性电子器件因其兼备高性能和可变形等优点受到广泛关注,目前已用于可穿戴无线射频识别、可穿戴柔性传感器,柔性电池等领域。但作为一类新型的电子器件形式,可延展柔性电子器件中的一些关键科学与技术问题仍处于初步研究阶段,急需进一步开展相关研究。从器件制备的角度,可延展柔性电子器件
在分布式传感器网络中,每个节点通过与临近节点交换多目标后验分布并联合所有临近节点的信息进行融合。但分布式传感器网络中的节点因功能、配置时钟、探测范围等特性的差异,导致节点间往往无法在相同视域内的同一时间点探测到相同的目标信息,造成基于广义协方差交叉(GCI)和加权算术平均(WAA)准则的分布式融合算法失效。能否保证待融合信息所表征的目标信息一致,是保证时间异步和非同视域条件下的分布式融合算法有效的
资源分配问题是网络系统中一类重要的优化问题,而且已在传感器网络、智能电网和交通系统等领域得到广泛的研究。由于分布式算法能够有效克服由设备故障、外部扰动和通信延时引入系统中的不确定性,而且不需要一个中心结点去获得优化问题的完整信息,还能够有效地保护个体的隐私,这些优点使得分布式资源分配算法引起了学术界和工业界的广泛关注。本文利用图论、非光滑优化理论和拉萨尔不变原理等理论工具分别研究包含通信时间延时的
语音合成(speech synthesis,又名text-to-speech,TTS)是人机交互的重要方法之一,旨在合成清晰且自然的音频。语音合成的应用场景非常广泛,比如手机和个人电脑的语音助手、同声传译的语音输出环节、车载导航播报、新闻朗读等等。通过语音合成,可以解放用户的眼睛,使人能在“眼观”的同时还可以“耳听”,增加信息接收的带宽。最近,随着神经网络的快速发展,端到端的语音合成模型逐渐进入人
在这个信息网络高速发展的时代,神经网络作为现代人工智能技术领域不可或缺的部分已经被广泛地研究,并成功应用于各种科学和工程领域,包括信息领域、医疗领域、控制领域、交通领域等。值得注意的是,神经网络的这些实际应用在很大程度上依赖于它的动态性能。然而,由于神经元之间信号传输速度的局限性和一些外部干扰因素,时滞在神经网络的实现及应用中是普遍存在的,极有可能会导致意想不到的动态行为,如振荡、低性能、甚至不稳
基于电磁波与金属-介质复合微结构相互作用的等离子体共振传感器是一种传感性能优越、体积小、易集成的传感器件,它常表现出对环境湿度或溶液折射率、生物分子类别和浓度、入射电磁波倾斜角度的灵敏响应,在化学、生物、海洋产业领域都有潜在的应用市场。然而,等离子体共振传感器距离实际应用还存在很多问题,例如:等离子体共振传感器的制备成本高、简单结构的传感器的传感性能较低。针对以上问题,本论文首先研究低成本高输出的