沟槽栅IGBT非晶Si填槽工艺研究与优化

采用低压化学气相淀积(LPCVD)非晶Si填槽工艺代替LPCVD多晶Si填槽工艺,对沟槽绝缘栅双极型晶体管(IGBT)器件的沟槽进行非晶Si回填,研究并优化了高深宽比非晶Si填槽工艺.分析了LPCVD非晶Si工艺参数如PH3体积流量和沉积时间等对LPCVD非晶Si填槽能力的影响,通过调制P掺杂浓度和优化非晶Si淀积时间,得到槽底侧壁与槽口侧壁非晶Si厚度差值为0.022 μm的基准非晶Si填槽工艺,优化了LPCVD非晶Si反复多次填槽工艺条件.结果表明,采用优化后的工艺可实现沟槽栅IGBT器件沟槽非晶Si无缝回填,器件的栅极电阻降低了0.150 Ω,漏电流降低了1.408 nA,成品率提升了0.4％.     

系统透明度信息对人机信任和协同决策的影响

目的 以信号检测论为切入点,探究将系统可靠性信息进行透明化设计后,其在不同系统可靠性和风险情境下对操作者的信任水平和对人机协同绩效的影响。方法 采用2（透明度）×2（风险）×3（可靠性）被试内设计,通过TNO信任任务收集了32位被试的数据,记录各条件下对自动化系统的信任水平、判断标准倾向和人机协同绩效,并对数据进行重复测量方差分析。结果 在不同可靠性水平和风险情境下,透明化设计产生的效果不同。相对于低透明化设计,当自动化系统可靠性较高时,高透明化设计可显著提升操作者对系统的主观信任评分、屈从率,更接近最优判断标准,带来更高的正确率增益、更小的人机最优绩效差异。风险水平影响人机协同绩效,高风险下的人机协同绩效显著低于低风险下人机协同绩效,并且当系统可靠性高时,操作者在高风险下对系统的屈从率、正确率增益较低风险下均显著下降。透明化设计可以改变不同风险下操作者的信任行为和绩效。高风险下,高透明度可显著提升操作者对系统的屈从率,减小与人机最优绩效的差异。结论 透明化设计有利于提高操作者的人机信任适配水平、优化决策判断标准、促进人机协同绩效的提升,尤其在系统高可靠性和高风险情境下,透明化设计的优...     

沟槽肖特基器件Si深槽刻蚀工艺

深硅刻蚀工艺是制造沟槽肖特基器件的关键技术.Si深槽的深度影响肖特基反向击穿电压,深槽的垂直度影响多晶Si回填效果,侧壁平滑度及深槽底部长草现象对器件的耐压性能影响显著.采用SF6/O2常温刻蚀工艺刻蚀Si深槽.研究了工艺压力、线圈功率、SF6/O2比例以及下电极功率等参数对沟槽深度均匀性和垂直度的影响.得到了使Si深槽形貌为槽口宽度略大于槽底,侧壁光滑,且沟槽深度均匀性为2.3％左右的工艺条件.利用该刻蚀工艺可实现沟槽多晶Si无缝回填.该工艺条件成功应用于沟槽肖特基器件制作中,反向击穿电压达到58 V,反向电压通48 V,漏电流为11.2 μA,良率达到97.55％.     

基于特征的汽车覆盖件反求建模方法

汽车覆盖件具有结构比较复杂的特点,针对某一汽车覆盖件的实测散乱点云数据实例,采用基于特征的反求工程CAD建模系统RE-SOFT,根据基于特征的反求工程建模策略,按照曲率分析、点云分块、特征提取、曲面重构、模型生成等步骤,完整地进行了模型重构的过程。使整个模型准确地再现了原始设计的特征结构,完全实现了特征建模的模型重构过程。     

语音提示和错误类型对有条件自动驾驶接管的影响

目的 在有条件自动驾驶中,驾驶员会根据系统发出的接管提示而选择进入手动驾驶模式。由于技术限制,自动驾驶系统有时会发出错误的接管提示,这可能会影响驾驶员的人机信任及后续的接管决策。此外,不同类型的接管提示音类型也会影响驾驶者对接管的响应。因此,探究不同声音类型下接管提示错误类型对人机信任和接管绩效的潜在影响,对自动驾驶系统的接管提示设计具有重要意义。方法 以行人预警为例,通过模拟驾驶实验,从绩效、主观评价两方面探究提示音类型(语音和耳标)和接管提示错误类型(漏报和虚报)对驾驶员人机信任和驾驶行为的影响。结论 相较于语音提示,驾驶员在耳标提示下的接管反应时间更短,可用性和满意度更高。在经历漏报提示后,驾驶员的人机信任水平降低并对随后正确接管提示的反应变快。     

点云数据的管道面重构

针对反求工程中管道面重构问题，提出了一种从点云数据中直接提取管道面特征参数的算法.算法
分为两步：第一步将管道面数据视为过渡特征数据，利用过渡特征提取原理获得管道面的一系列截面线
，经概率统计方法进行噪声去除后，得到准确的截面线及其半径.第二步是由截面线的中心确定管道面的
脊线点列.利用移动球法，球的直径即是采样步长，沿着脊线方向对点列进行均匀采样，然后对采样点列
进行高斯平滑，获得光滑均匀的脊线点列.用三次B样条曲线拟合采样点列而获得脊线.计算实例表明，该
方法能够稳定、准确地提取出管道面的几何特征参数.     

基于主方向高斯映射的旋转面特征提取

为了从点云中准确提取几何特征参数，给出了旋转面特征提取算法.该算法对旋转面主方向映射到高斯球面，生成主方向高斯图像（PDGI）. 对高斯球进行均匀分割，生成一系列小立方栅格，并将高斯球上图像数据点分配到相应的立方栅格中.根据每个栅格中的图像数据点数，对栅格聚类分析，获得一组特征栅格，由这组特征栅格中的图像点来确定大圆所在的平面，从而根据平面法矢确定旋转轴方向.根据旋转面法矢和旋转轴方向，获得旋转轴的定位点，从而确定了旋转轴.并给出了旋转轴的优化方法.计算实例结果表明，该算法能够稳定、准确地提取出旋转面的几何特征参数.