实现灵活的表面声波传感器与人工智能的一致性
Zhangbin Ji1, Jian Zhou1, Yihao Guo1
1College of Mechanical and Vehicle Engineering, Hunan University, Changsha, 410082 China.
Microsystems & nanoengineering
|July 8, 2024
概括
使用AlScN膜的灵活表面声波 (SAW) 传感器提供可靠的紫外线检测. 机器学习有效地解曲应变干扰,确保在曲表面上对空间飞船监测等应用程序进行一致的传感.
科学领域:
- 材料科学 材料科学 材料科学
- 电气工程 电气工程
- 传感器技术 传感器技术
背景情况:
- 灵活的表面声波 (SAW) 传感器对可穿戴电子设备和传感有希望.
- 由于变形而产生的机械应变显著影响 SAW 传感器在曲面上的信号一致性.
- 为动态环境开发强大的灵活传感器至关重要.
研究的目的:
- 开发高性能灵活的SAW传感器,使用AlScN压电薄膜.
- 为了研究传感器对曲应变和紫外线照明的反应.
- 建立一个机器学习模型,用于在动态应变干扰下准确检测紫外线.
主要方法:
- 制造AlScN压电薄膜式灵活SAW传感器.
- 在曲和紫外线下对传感器响应的理论和实验分析.
- 使用信号特征开发机器学习回归模型 (极端梯度提升).
- 在平坦和曲的航天器模型表面上测试传感器可靠性.
主要成果:
- 实现了高紫外线灵敏度为1.71KHz/mW/cm2).
- 机器学习模型成功地解了曲应变干扰 (0-1160 με).
- 在各种曲表面上证明了灵活SAW传感器的高可靠性和一致性.
结论:
- AlScN灵活的 SAW 传感器为可靠的紫外线检测提供了可行的解决方案.
- 机器学习有效地减轻了应变干扰,从而实现了精确的传感.
- 该技术在诸如航天器之类的苛刻环境中显示出实际适用性.
