碳化硅高温压力传感器结构的应力模型研究

来源 :电子科技大学 | 被引量 : 0次 | 上传用户:guolingguoling
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
随着科技的发展,碳化硅高温压力传感器被广泛应用在石油钻井、化工冶金和航空航天等领域。目前国内外主要致力于传感器结构设计优化及失效分析和欧姆接触结构设计及失效分析等方面进行研究,对碳化硅高温压力传感器的应力模型研究报道较少。在广泛使用高温压力传感器的航空航天领域,传感器发生故障可能导致巨大的财产损失甚至危及人的生命安全。因此,研究碳化硅高温压力传感器结构在不同应力,尤其是综合应力下的应力模型,定量描述传感器的可靠性特征量与加速应力水平的关系,为传感器结构在不同应力下的可靠性评估、寿命预测提供依据是亟需解决的问题,同时也具有重要的理论和工程意义。本文首先介绍分析了常见的失效物理模型、可靠性分布模型的特点和适用范围,同时对工程上常用的可靠性模型分布拟合评估方法和参数估计方法进行分析研究。基于碳化硅高温压力传感器的工作原理,提出了碳化硅高温压力传感器结构的应力模型,确定并形成了适用于碳化硅高温压力传感器结构的可靠性分析方法。研究了碳化硅高温压力传感器敏感元件绝缘结构在高温下的可靠性和应力模型。基于敏感元件绝缘结构工作原理,采用仿真与试验结合的方法研究了高温下敏感元件结构形变和二氧化硅介电参数变化对敏感元件绝缘结构的关键评价参数-电容零漂的共同影响。仿真分别研究了600℃、700℃、800℃、900℃下1h、2h、4h下绝缘结构的形变和电容零漂。同时测试了相同温度时间应力下的SiC/SiO2样品介电参数并基于测试结果对电容零漂进行了修正。基于电容零漂拟合计算得到了不同温度下绝缘结构的电参数寿命,寿命数据分析显示,温度应力下敏感元件绝缘电参数寿命呈Weibull分布,同时基于可靠性分布得到了敏感元件绝缘结构在温度应力为600℃、700℃、800℃、900℃时的中位寿命分别为819h、381h、207h、120.2h。进一步,采用修正的阿伦尼乌斯模型对敏感元件绝缘结构温度应力下的应力模型进行表征,应力模型中失效激活能E为0.668e V、温度修正因子m为-1.32。基于制备的54个Pt/Ti N/Ti/SiC欧姆接触电极结构高温试验样品研究了欧姆接触电极结构在高温下的可靠性与应力模型。通过测试计算欧姆接触结构关键参数-比接触电阻率进行分析,结果显示实验样品的欧姆电极接触结构的寿命分布服从Weibull分布,600℃下欧姆接触的中位寿命为4.8h。另外,在综合实验数据和文献分析的基础上,采用阿伦尼乌斯模型对Pt/Ti N/Ti/SiC欧姆接触结构应力模型进行表征,分析得到了欧姆接触结构应力模型中的失效激活能,并通过应力模型计算出本文制备的欧姆接触结构在700℃时的中位寿命。基于碳化硅高温压力传感器结构的工作原理,其在温度应力下的应力模型符合最弱环模型,取决于器件的最弱点,即min{敏感元件绝缘结构,欧姆接触结构}。研究了温度-压力-冲击综合应力下的碳化硅高温压力传感器结构的可靠性及应力模型。为提高仿真速度降低求解难度,本文采用等效静态载荷法,以关键位置形变为载体,开展了温度、压力、冲击应力之间的等效转换方法的分析研究,并结合仿真结果,建立了各应力等效转换的数学关系,简化并实现了综合应力的研究。采用仿真结合试验的方法,得到了综合应力下敏感元件绝缘电参数寿命呈Weibull分布,同时基于可靠性分布模型得到了不同综合应力下敏感元件绝缘结构的中位寿命。采用艾林模型对敏感元件绝缘结构在综合应力下的应力模型进行表征,应力为温度-压力时失效激活能E为0.7126e V,压力应力对模型的修正因子C=14.68、D=-0.77;应力为温度-压力-冲击时失效激活能E为0.723e V,压力应力对模型的修正因子C=14.68、D=-0.77,冲击应力对模型的修正因子F=3.38×10-6,G=-1.8×10-7。另外,本文也基于应力模型对不同应力水平下退化速率进行分析,确定器件受到多种应力作用时,各应力之间不是简单的叠加关系。本文的研究结果为不同环境应力下的可靠性寿命预测提供方法指导,对器件改善性能和可靠性提供了重要的信息依据。
其他文献
随钻测井是指测井仪器随钻头一起下井工作,在钻井的同时进行测井工作,并把测量结果实时传输至地面,随钻密度测井是其中的代表技术之一,本文的研究内容就是围绕随钻密度测井仪器展开。测井结果的实时性是随钻测井技术独特的优势,但同时也对仪器的实时数据处理能力有着很高的要求。实时数据处理包括对原始数据的计算和存储,二者在工作流程中的关联性越低,数据处理流程的稳定性越高。Flash均衡算法旨在通过一定的策略,使得
随着生物特征识别系统安全性和准确性需求的增加,指静脉识别受到广泛地研究。与其他生物特征相比,指静脉识别自带活体识别,安全性更高,使用更加便捷,因此具有重要的研究意义。随着深度学习技术的发展,指静脉识别算法的效果也在逐渐提高。特征提取是指静脉识别算法的研究重点之一,如何提取具有较好识别性的特征仍然存在挑战。为了提高特征的判别性,本文研究了一种增加特征判别性的损失函数。为了提取更多的语义信息,本文设计
数据包络分析(DEA)是一种评价包含多输入和多输出的样本之间相对有效性的方法,在确定有效以及最优得分的样本这一应用环境中,已被证明非常有效。但是,在应用的时候,此类方法存在两个问题,第一是需要人为设定权重本身或者权重的范围,这会带来了综合评价模型存在任意性的问题;第二是会产生太多的有效样本,这类结果在解释性上与实际存在偏差。本论文针对上述问题,结合回归和分类的思想,对传统的DEA模型分别进行改进。
随着移动智能设备的迅猛发展,基于深度神经网络的智能化应用丰富多样,特别在图像内容检索(Content-Based Image Retrieval,CBIR)、语音识别等领域取得了巨大的成功。数据和服务外包提供了一种经济而高效的应用部署解决方案,然而,从用户和智能分析模型提供者的角度来看,数据以及模型参数都是价值产品,如何利用云服务强大的存储计算能力,同时保障用户敏感数据和模型参数不泄露,成为智能化
随着基于深度学习技术的发展及其应用场景的不断扩展,各种高性能的神经网络模型已经被广泛应用到现实环境中,特别是基于深度学习的目标检测已经被广泛应用于机器人、自动驾驶以及智能家居等领域。但是神经网络模型对于硬件平台的计算能力和存储容量都有较高的要求,很难部署在资源受限的嵌入式设备上。为解决巨大的模型计算量和存储量与嵌入式设备的资源限制之间的矛盾,对模型进行压缩和加速非常有必要,并且这对于将高性能神经网
电磁波电场强度矢量的取向随着时间发生改变的现象称为电磁波的极化,光学领域这一现象通常被称为电磁偏振。在不同的仪器设备中,通过极化状态的转换来得到所需形式的极化波是非常有必要的。早期的极化控制主要通过液晶和结晶体的相位延迟和双折射效应,或采用多层光栅和铁氧体来实现,但基于这些方法设计的结构较为复杂、样品的加工难度较大,而且难以实现微型化和集成化,同时在性能方面也存在频带较窄、模式单一、极化选择性较差
图像分类作为计算机视觉领域的基石,在图像、视频数据爆炸式发展的今天显得尤为重要,并具有巨大的现实意义。深度学习在图像分类领域不断发展,做出了许多巨大突破,与此同时如何再次提升模型准确率、开发模型潜能以适应有限的硬件资源成为了热点问题之一。知识蒸馏作为知识迁移的具体实现手段,在模型压缩领域发挥了巨大作用。本文运用知识蒸馏的自蒸馏思想,优化了网络模型的训练策略,提出了基于训练过程的并联知识迁移训练架构
CT技术作为患者身体检查,诊断疾病的有效手段,已经在临床广泛使用。但CT检查过程中产生的射线对人体带来的伤害却也不能忽视。采用有效的手段可以减少CT检查过程中产生的射线量,比如降低管电压,降低管电流,降低曝光时间,减少采样角度等。但是降低辐射剂量,在CT成像过程中会产生CT图像上不属于组织结构影像的伪影,使图像细节模糊,图像清晰度下降,甚至会影响医生的诊断结果,给患者带来更为严重的危害。近年来,深
多智能体系统是由一群具备感知、通信、计算和执行能力的智能体经过互相关联而形成的一个网络系统。在多智能体系统中,包围控制是指智能体依据所获得的传感器数据,对目标或者目标区域进行环绕运动的一种控制方式,可应用于对目标的搜索、救援、探测、监测等场景下。本文研究了基于方向信息的多智能体包围控制问题。其中,基于方向信息是指智能体所搭载的传感器仅能测得自身和目标之间的相对方向,无法测得自身与目标之间的距离。基
近年来,随着计算机软件及硬件的飞速发展,深度学习得以在计算机视觉、自然语言处理、无人驾驶等领域崭露头角。卷积神经网络作为深度学习中最重要的模型之一,在图像分类、目标检测等方向上取得了优异的成绩,但也伴随着诸如过拟合、时间内存开销较大等需要解决的问题。作为最具代表性的正则化方法之一,Dropout方法通过屏蔽部分神经元参与训练的方式有效地抑制了过拟合现象的发生。但在卷积神经网络上,普通的Dropou