在矩形样品中Rymaszewski公式的适用条件的分析

用有限元法计算了用Ｒｙｍａｓｚｅｗｓｋｉ公式测量矩形样品薄层电阻时的理论误差与针距及其游移度、探针离开边界距离的关系；找出了实际测量时误差小于±３％可放置直线四探针的中央区宽度，并给以实验验证．这将对小矩形样品薄层电阻的测量有实用价值．同时对利用无限系列镜像源理论证明得出小矩形样品的方块电阻测量不受样品边界和探针游移的影响的新方案提出了异议．     

ZnO薄膜制备及其有机蒸汽敏感特性分析

采用直流磁控溅射法进行ZnO薄膜的制备,探讨了O2/Ar对薄膜方块电阻,退火对薄膜结构的影响.在对不同退火温度的ZnO薄膜的气敏特性进行测试后表明:较低的退火温度有利于提高器件气敏特性,其中经600℃退火的ZnO薄膜的灵敏度最高,其最佳工作温度为350℃.实验制备的ZnO薄膜对丙酮、汽油等有机蒸汽都有较高的敏感性和较短的响应-恢复时间,呈现对有机蒸汽敏感的广谱性.     

一种新型智能气敏传感器及其无线数据传输系统的实现

本文介绍了一种具有无线传输功能的智能气敏传感器系统.该系统将具有ARM7(Advanced RISC Machines 7)内核的LPC2131应用到测量气敏元件阻值及其所处气体浓度的测试电路的测量仪器中,实现了气敏传感器的智能化.另外将无线收发芯片nRF403应用于该系统,实现测量系统所测数据的无线传输,用户可在接收端对系统进行控制.该系统避免了复杂的现场连线,应用灵活,提高了工作效率,降低了工作成本.     

氧化物半导体透明导电薄膜的最佳掺杂含量理论计算

以铝掺杂氧化锌 (Al- doped Zn O,简称 AZO)和锡掺杂氧化铟 (Sn- doped In2 O3,简称 ITO)薄膜为例 ,建立了一个氧化物半导体透明导电薄膜的最佳掺杂含量的理论表达式 ,定量计算的结果 AZO陶瓷靶材中铝含量的理论最佳值为 C≈ 2 .9894% (wt) ,ITO陶瓷靶材中锡含量的理论最佳值为 C≈ 10 .3114% (wt) ,与实验数据相符合 .该理论经适当的修改和解释后也适用于某些其他电子薄膜材料的最佳掺杂含量问题     

绘制硅单晶电阻率等值线的Mapping技术

用斜置式四探针测定了硅单晶片(Ф75mm)上3mm间距测试点的电阻率分布.本文从电阻率的统计分布出发,确定了电阻率的分隔数和差值,采用指数函数作为模糊集的隶属度,并且选择合适的门槛值,利用模糊数学将电阻率数据归类于不同的模糊集.同一模糊集对应相同的电阻率,这样使电阻率能以一定的间隔分布,然后结合MATLAB软件画出电阻率等值线,以构成Mapping图.在同一等电阻率线条上各点具有较小的阻值偏差,且剩余未连接点少.连接质量好,可以应用于指导实际生产.     

图像识别在四探针测试技术中的应用

本文介绍了在斜置式方形探针测试系统中,如何应用图像识别技术来判定探针在微区的位置,进而控制步进电机,使探针自动定位成方形结构,从而保证测试的准确性,并对测试结构对测试结果的影响,进行了初步论述.     

直流磁控反应溅射法制备TiO2薄膜及氧敏特性分析

在本底真空2.4×10-3Pa,溅射电压420 V,溅射电流0.3 A,氧分压0.17 Pa,溅射总气压1.5 Pa条件下制得TiO2薄膜,未退火时为无定型结构,300℃退火后为锐钛矿结构,600℃退火后锐钛矿与金红石结构共存,1 000℃退火后完全转变为金红石结构.在一定工作温度下,随氧分压增加灵敏度逐渐升高;工作温度越高,灵敏度增加越缓慢;200℃下灵敏度随氧分压增加最快.在不同氧分压下分别计算得到激活能;认为Ti3 (int),Ti4 (int)和V2 O均存在且都对导电机制的形成起到作用,而Ti3 (int)作用最为显著.     

基于无线传输的多探头湿度控制仪

本文介绍了一种多探头输入利用无线数据进行传输的湿度控制仪,给出了单元电路图和程序流程图.该系统提供多个探头输入,可以采集多点的湿度值得到其平均值,进而控制加湿器的可靠起停,还利用编解码技术和无线数据传输技术,传输稳定可靠,适合于需要利用无线数据传输的区域.     

氧化物半导体透明导电薄膜的最佳掺杂含量理论计算

以铝掺杂氧化锌(A1-doped ZnO,简称AZO)和锡掺杂氧化铟(Sn-dopedIn2O3,简称ITO)薄膜为例,建立了一个氧化物半导体透明导电薄膜的最佳掺杂含量的理论表达式,定量计算的结果AZO陶瓷靶材中铝含量的理论最佳值为C≈2.9894%(wt),ITO陶瓷靶材中锡含量的理论最佳值为C≈10.3114%(wt),与实验数据相符合.该理论经适当的修改和解释后也适用于某些其他电子薄膜材料的最佳掺杂含量问题.     

Neurocomputing van der Pauw function for the measurement of a semiconductor's resistivity without use of the learning rate of weight vector regulation

Van der Pauw’s function is often used in the measurement of a semiconductor’s resistivity.However,it is difficult to obtain its value from voltage measurements because it has an implicit form.If it can be expressed as a polynomial,a semiconductor’s resistivity can be obtained from such measurements.Normally,five orders of the abscissa can provide sufficient precision during the expression of any non-linear function.Therefore,the key is to determine the coefficients of the polynomial.By taking five coefficients as weights to construct a neuronetwork, neurocomputing has been used to solve this problem.Finally,the polynomial expression for van der Pauw’s function is obtained.