【摘 要】
:
故障诊断与安全监测对微加速度传感器提出了迫切需求,然而,目前在市面上主要以高精度、低量程产品为主,产品量程和部分性能不能有效满足故障诊断和安全工程领域的监测需求。本文在前期研究基础上提出一种高谐振频率、高量程、体积小、性能稳定的蝶翼式微加速度传感器。从敏感结构设计与优化、加工工艺、集成封装、主要性能测试等方面进行了系统研究,内容主要包括以下几个方面:1.敏感结构设计与优化。本文在保证主要性能指标的
论文部分内容阅读
故障诊断与安全监测对微加速度传感器提出了迫切需求,然而,目前在市面上主要以高精度、低量程产品为主,产品量程和部分性能不能有效满足故障诊断和安全工程领域的监测需求。本文在前期研究基础上提出一种高谐振频率、高量程、体积小、性能稳定的蝶翼式微加速度传感器。从敏感结构设计与优化、加工工艺、集成封装、主要性能测试等方面进行了系统研究,内容主要包括以下几个方面:1.敏感结构设计与优化。本文在保证主要性能指标的前提下进一步缩小了蝶翼式加速度计的敏感结构尺寸。采用内置锚点设计,结构更加紧凑;采用应力释放梁结构,有效降低结构应力对传感器性能的影响。论文对蝶翼式加速度传感器敏感结构的工作原理、主要性能指标进行了理论与仿真分析。2.加工工艺优化。针对优化后的蝶翼式微加速度传感器敏感结构,设计了基于SOI(Silicon-On-Insulator)圆片的加工工艺。论文介绍了蝶翼式加速度传感器敏感结构的加工工艺流程,并对高精度深硅刻蚀、低应力硅硅键合、玻璃浆料键合等关键加工工艺进行了详细阐述。3.蝶翼式加速度传感器集成封装。蝶翼式加速度传感器包括敏感结构、信号检测电路、温度检测单元、封装结构等。检测电路采用开关反相对称激励的调制解调方法,可以有效降低环境干扰,提高检测分辨率。最后将敏感结构与检测电路进行集成,并装入封装结构完成封装,从而增加传感器的可靠性,同时也便于后期的测试。4.蝶翼式加速度传感器样机的性能测试。对蝶翼式加速度传感器的主要性能指标进行了测试。测试结果表明,可以满足振动量程≥±100g、灵敏度误差≤5%、谐振频率>15k Hz的应用要求。
其他文献
火灾是一种破坏性强、蔓延速度快、难以控制的自然灾害之一,第一时间对火灾进行预警,能够最大限度地减少火灾带来的损失。随着人工智能技术的发展,基于视觉的智能检测技术给火灾预防提供了新思路。相比于传统的检测方法,基于视觉的火灾检测具有监测范围广、可视效果好、预警速度快等优点。火灾发生早期,往往伴随着烟雾的出现,烟雾检测识别显得尤为重要。本文从解决现实存在的烟雾检测问题着手,结合烟雾的静态和动态特征,改进
二维材料优异的光学特性,为突破传统瓶颈,发展新型高性能光子器件提供了可能。本论文以增强和调控光与二维材料相互作用为主线,围绕二维材料光子器件开展了多项原理结构设计,并探索了一系列具有创新性的应用。论文的主要工作如下:1、提出了一种可同时工作在近红外和中红外波段的金属-石墨烯混合结构表面等离激元传感器。该传感器的灵敏度和品质因子不亚于先前所报道的工作。这种混合结构将为未来的多用途高性能折射率传感器提
闭环控制系统是指存在被控的输出以一定方式返回到作为控制的输入端,并对输入端施加控制影响的系统,又称反馈控制系统。由于其可以有效地提高系统的鲁棒性,减小外界因素对系统的干扰,故闭环控制系统在生活生产以及航空航天领域等得到了广泛的应用。闭环控制系统控制领域的一个难点问题之一是对其系统发生故障时的检测与识别。然而,由于闭环控制系统固有的反馈调节机制,使得故障噪声比变小,给闭环控制系统故障检测增加了难度;
在现代声纳系统中,水下目标的自动识别一直是研究的关键技术之一。近年来,随着计算机技术的兴起,基于机器学习的分类识别方法在水声领域得到了应用研究,并取得了良好的效果。与传统单基地主动声纳和被动声纳相比,多基地主动声纳具有自己独特的优点,近年来成为声纳技术的研究热点之一。那么,多基地声纳水下目标识别技术也值得开展相关的研究探索。论文主要研究内容包括:1、水下目标瞬态信号声散射场的数值计算方法与仿真实现
建设海洋强国是全面建设社会主义现代化强国的重要组成部分,海洋大数据作为基础战略资源,是衡量一个国家海洋监管能力的重要标志,随着信息技术的迅猛发展,以卫星海洋遥感数据为代表的海洋数据规模呈现爆炸式增长趋势,海洋研究进入大数据时代,如何收集、管理和挖掘海洋数据是世界各海洋强国研究的重点方向。本文以国防科技大学研制的天拓三号卫星收集的天基AIS数据作为数据支撑,结合机器学习相关算法,从分类、聚类和回归三
尽管现在的强化学习技术比较成熟,但是由于训练过程无任何先验知识,随着任务复杂度提高,训练时间也随之增长,这就限制了强化学习技术应用的任务场景。因此,将相似任务的训练结果作为先验知识模型提供给新的强化学习任务,从而解决强化学习对大量训练样本的依赖问题,提高强化学习算法的可用性和普适性,具有重要的理论意义和实际意义。针对上述研究点,本文开展了以下研究与创新:(1)提出基于先验知识模型的策略迁移方法,降
在大数据时代,深度学习在图像分类、语音识别、机器翻译等多种任务上取得了令人满意的表现,这与数据的规模、质量息息相关,更多高质量的数据可以使深度神经网络模型的性能得到极大提升。但现实条件下,只有少数机构有能力收集大规模数据,大部分机构只能掌握少量数据。面对专业领域性强、隐私要求高的数据,机构间往往不愿共享数据,且由于受到数据隐私保护相关法律法规的监管,直接传输原始数据难以实施。为了打破机构间的数据壁