金属铝因其与多晶硅具备良好的塞贝克系数差且成本低在红外热电堆中常用作热偶条,热偶条制备在MEMS工艺流程制备中至关重要,其结构形貌对热电堆性能有很大影响。为研究不同制备方法对铝热偶条的形貌及性能影响,本实验采用金属刻蚀工艺...金属铝因其与多晶硅具备良好的塞贝克系数差且成本低在红外热电堆中常用作热偶条,热偶条制备在MEMS工艺流程制备中至关重要,其结构形貌对热电堆性能有很大影响。为研究不同制备方法对铝热偶条的形貌及性能影响,本实验采用金属刻蚀工艺、剥离工艺进行热偶条制备,调整溅射功率、光刻胶厚、曝光剂量、超声功率等参数对制备工艺进行优化,通过共聚焦显微镜、扫描电子显微镜及台阶仪表征形貌,半导体分析仪表征电阻值。实验表明:通过ROL-7133负胶,前烘1 min 30 s,曝光剂量85 mj/cm,中烘1 min 40 s,显影48 s,采用金属剥离工艺制备得到了宽度3μm,厚度0.4μm的高长宽比金属铝热偶条,且整体形貌良好,器件电阻值符合要求。展开更多
类脑导航是模拟鼠类感知环境机制提出的一种同步定位与构图(Simultaneous localization and mapping,SLAM)的导航算法。针对复杂环境如室内光线变化导致类脑SLAM导航产生误差的问题,本文提出了基于特征匹配(Speeded up robust features,...类脑导航是模拟鼠类感知环境机制提出的一种同步定位与构图(Simultaneous localization and mapping,SLAM)的导航算法。针对复杂环境如室内光线变化导致类脑SLAM导航产生误差的问题,本文提出了基于特征匹配(Speeded up robust features,SURF)算法的优化类脑SLAM导航模型。该模型通过一套移动视觉系统采集环境信息,构建的局部场景细胞通过SURF特征匹配算法获取到载体在环境中的方向与位置信息;头朝向细胞与位置细胞通过连续吸引子神经网络共同表示载体当前的位姿。利用所获取的位姿与时间信息,通过路径积分计算当前载体在坐标系中所处的位置;最后,构建基于认知点的拓扑经验地图。此外,在局部场景细胞获取环境信息的同时,通过SURF特征匹配算法来进行闭环检测,判断是否需要对当前位置进行修正。本文提出的优化类脑SLAM模型很大程度改进了原有模型在有光线变化的室内情况下易产生场景误匹配的问题,并通过实验验证了本文提出方法的有效性。展开更多
文摘金属铝因其与多晶硅具备良好的塞贝克系数差且成本低在红外热电堆中常用作热偶条,热偶条制备在MEMS工艺流程制备中至关重要,其结构形貌对热电堆性能有很大影响。为研究不同制备方法对铝热偶条的形貌及性能影响,本实验采用金属刻蚀工艺、剥离工艺进行热偶条制备,调整溅射功率、光刻胶厚、曝光剂量、超声功率等参数对制备工艺进行优化,通过共聚焦显微镜、扫描电子显微镜及台阶仪表征形貌,半导体分析仪表征电阻值。实验表明:通过ROL-7133负胶,前烘1 min 30 s,曝光剂量85 mj/cm,中烘1 min 40 s,显影48 s,采用金属剥离工艺制备得到了宽度3μm,厚度0.4μm的高长宽比金属铝热偶条,且整体形貌良好,器件电阻值符合要求。
基金National Natural Sciences Foundation of China(Nos.61973281,51821003,51922009)Key Research and Development Project of Shanxi Province(No.202003D111003)+4 种基金Excellent Youngth Foundation of Shanxi Province(No.202103021222011)Foundation of Science and Technology on Electro-Optical Information Security control Laboratory(No.2021JCJQLB055010)Aviation Science Foundation(No.2018ZCU0002)Shanxi Province Key Laboratory of Quantum Sensing and Precision Measurement(No.201905D121001)1331 Project of Shanxi Province。
文摘类脑导航是模拟鼠类感知环境机制提出的一种同步定位与构图(Simultaneous localization and mapping,SLAM)的导航算法。针对复杂环境如室内光线变化导致类脑SLAM导航产生误差的问题,本文提出了基于特征匹配(Speeded up robust features,SURF)算法的优化类脑SLAM导航模型。该模型通过一套移动视觉系统采集环境信息,构建的局部场景细胞通过SURF特征匹配算法获取到载体在环境中的方向与位置信息;头朝向细胞与位置细胞通过连续吸引子神经网络共同表示载体当前的位姿。利用所获取的位姿与时间信息,通过路径积分计算当前载体在坐标系中所处的位置;最后,构建基于认知点的拓扑经验地图。此外,在局部场景细胞获取环境信息的同时,通过SURF特征匹配算法来进行闭环检测,判断是否需要对当前位置进行修正。本文提出的优化类脑SLAM模型很大程度改进了原有模型在有光线变化的室内情况下易产生场景误匹配的问题,并通过实验验证了本文提出方法的有效性。