sol-gel法制备CuO掺杂的TiO_2厚膜及其气敏特性

采用溶胶凝胶法制备了纯TiO2和掺杂质量分数为5%,7%和9%CuO的TiO2纳米粉体,并对样品进行了不同温度(500,700和900℃)的退火处理。通过涂敷法制备成气敏元件,利用XRD和SEM对样品的结构和表面形貌进行了表征,并利用气敏测试系统检测其气敏特性。研究了CuO掺杂质量分数和退火温度对TiO2厚膜气敏性能的影响,进一步讨论了TiO2厚膜的气敏机理。结果表明:CuO的掺杂有效抑制了TiO2晶粒的生长,增加了对光子的利用率,降低了工作温度,提高了气敏特性。700℃退火后,质量分数为7%的CuO掺杂TiO2样品的结晶尺寸达到14.5 nm,气敏元件表现出对丙酮蒸汽单一的选择性,灵敏度为3 567,响应和恢复时间均为2 s。     

具有无线传输功能的智能丙酮气敏传感器

采用直流磁控溅射法制备SnO2掺杂的TiO2薄膜,700℃退火后得到对丙酮具有良好选择性和灵敏度的气敏元件.将具有ARM7内核的LPC2131作为微控制器,设计测量丙酮气体浓度的测试电路.当外界气体浓度发生变化时,采样电路测量出气敏元件的电阻值,然后经过微控制器LPC2131处理、分析后,通过nRF905无线收发模块来实现系统的数据传输.该系统具有无线数据传输功能,且灵敏度高,抗干扰强,功耗低,电路设计简单,可广泛应用于时丙酮气体浓度进行实时、远程监控的场所.     

电网站域空间环境下移动目标主动定位方法

通过对站域巡检的作业人员及其装备在复杂工况环境下的定位问题进行研究,在基于信号到达时间差（TDOA）定位方法的基础上,提出了一种针对移动目标的主动定位测量方法。引入概率误差,对电网站域环境中的待定位目标节点到不同基站的距离差实现目标节点定位的传统定位方法进行优化,能够有效地提高站内工作人员及其装备的定位精度。通过在复杂工频电场环境中进行试验的结果表明,采用该优化方法计算得出的结果均优于现有的传统定位方法,其在视距条件下能够有效提升定位精度,实现对变电站空间内的移动目标进行定位,并保障作业人员安全的目的。     

硅芯片封接用PbO、ZnO、B_2O_3三元系易熔玻璃特性与封接工艺的关系

对淬火态及重熔再凝固态两种粉末进行 DSC、红外吸收光谱及 X射线衍射谱分析 ,实验表明 ,淬火态的软化点低 ,在 5 0 0～ 5 10℃下完全熔化 ,有利于芯片的低温封接 .重熔再凝固态的熔点高 ( 63 0℃ )、热稳定性好 ,有利于器件的使用 .进一步研究表明 ,淬火态为无序态 ,再凝固态为结晶态 ,其中存在 Pb2 Zn B2 O6 的晶体相 .无论是在无序态中还是在结晶态中 ,[BO3]3- 离子团都不会破裂 ,均出现其分子振动的特征简正模 .     

基于BP网络的压力传感器信息融合

压力传感器输出特性容易受环境温度、电压扰动等各种非目标参量的影响，从而大大降低了其性能。BP算法是一种最速下降的静态寻优算法，而对其改进的算法LMBP算法克服了标准BP算法的固有缺点，不但学习速度快，而且精度高。利用LMBP算法对压力传感器的输出进行融合，有效地消除了非目标参量特别是温度对压力传感器输出的影响，最后利用MATLAB软件对样本数据进行训练和仿真，通过对融合结果分析可知：BP网络的LMBP算法不仅提高了压力传感器的精度，而且提高了压力传感器的稳定性和可靠性。     

TiO2薄膜氧敏元件的研究与发展

综述了TiO2氧敏传感器的发展概况、氧敏机理，并对以不同方法制备的TiO2氧敏器件性能进行了比较，分析了如何提高氧传感器的性能，并对TiO2氧敏传感器今后的发展和研究提出了几点建议。     

模糊ISODATA算法改进及在油气预测中的应用

模糊ISODATA是一种自组织的中心聚类算法，本文对该算法进行了研究和改进，使其从无教师指导的，自组织的聚类过程变为一个有教师指导的模式识别过程，增强了其处理大量样本的分类问题的能力，改善顾分类效果。将其应用于实际的油气预测中，取得了良好的应用效果。     

退火温度对纳米TiO2薄膜的乙醇气敏特性的影响

采用直流磁控反应溅射法分别在Al2O3陶瓷管和Si(111)基片上制备纳米TiO2薄膜.首先将样品置于马孚炉中,分别在500℃、700℃和1100℃下进行3小时退火处理,然后利用XRD测定各退火条件下TiO2薄膜的晶粒尺寸和晶型,并对样品的气体敏感特性进行测试.实验结果表明:薄膜的结构、晶粒尺寸、晶相和气敏特性随着退火温度的不同而变化,经过500℃×3小时退火后的TiO2薄膜(锐钛矿相)对乙醇蒸汽的灵敏度最高,响应(恢复)时间为2-3s,并具有很好的选择性,其最佳工作温度为280℃左右.最后讨论了薄膜的乙醇气敏机理.     

模糊SOM网络在油气预测中的应用

把模糊集合论中隶属度的概念引入SOM网络的学习过程中,用“走着瞧”的分类策略代替“一步定终身”的作法,较好地克服了SOM网络中模式类别分界线难以确定以及网络权值局部振荡而引起的学习时间延长的缺陷．该算法中隶属度由文献[1]中模糊ISODATA算法确定,本文将SOM与模糊ISODATA的这种结合称为模糊SOM网络,即FSOM．将其应用于实际的油气预测中,取得了良好的应用效果．