压印溶胶-凝胶材料制备阵列微结构

表面微结构的制备是微光子器件制备过程中一个十分重要的步骤.为了降低工艺复杂性和成本,把软刻技术与溶胶-凝胶材料相结合应用于微光子器件中光路微结构图案的制备.采用软刻工艺,即通过表面带微结构图案的弹性模板压印在玻璃或硅片上溶胶-凝胶来实现微结构图形的转移,研究重复使用PDMS模板来压印出微结构图案.用高倍光学显微镜和扫描电子显微镜(SEM)观察所制备的溶胶-凝胶材料的表面微结构,分析影响压印结果的因素,获得了畸变小的表面微结构,如线阵结构(1维光栅)和点阵结构(2维光栅结构)图案.     

湿化学方法制备Sb2S3玻璃薄膜

Sb2S3薄膜在非线性光学和太阳能电池方面具有重要的应用.以SbCl3为原料,用湿化学方法制备了Sb2S3薄膜.用XRD、DSC、FTIR和XPS等对薄膜进行了结构表征,用椭圆偏振仪测试了薄膜的折射率.研究结果表明所得薄膜为非晶态,其析晶温度约250 ℃,折射率约2.98,薄膜组成计量接近Sb2S3.     

基于ANSYS的COG邦定机压头热应变分析

COG邦定机是液晶模块生产中的关键设备,是集光学、计算机控制、图像识别处理、精密机械等多学科技术于一体的高精度、高可靠性微电子专用设备。邦定机压头是拾取芯片进入CCD物方视场进行图像识别采样并最终完成压接的重要部件之一。由于CCD相机物方视场较小,压头工作中因加热引起的热变形影响CCD图像识别,往往使得加热后IC的图像识别模糊不清。本文利用ANSYS软件成熟的热应力分析功能分析并获得了压头热变形理论值,结合实际测量验证了有限元分析结果,以理论分析结果进行压头调节获得了较理想的IC标识CCD图像识别效果。     

新型铜硫系薄膜太阳能电池材料制备的研究进展

薄膜太阳能电池提供了低成本、大面积的无碳发电应用前景，迅猛发展的纳米科技为高转换效率薄膜太阳能电池的低成本制造提供了新途径。新型铜硫系半导体Cu。ZnSnS4（CZTS）薄膜材料具有禁带宽度与太阳辐射匹配性好、光吸收系数大、元素丰度大、价格便宜、无毒等优点，因此将成为最具发展前景的薄膜太阳能电池材料。讨论与分析了CZT...     

基于环氧树脂硅烷的平面光波导的制备与表征

采用无水溶胶-凝胶合成方法,以二苯基二羟基硅烷(Diphenylsilanediol,DPSD)和γ-缩水甘油醚氧丙基三甲氧基硅烷(γ-glycidoxypropyl-trimethoxysilane,GPTS)为先驱体,制备出有机-无机杂化光波导材料,并在石英玻璃基片上旋涂制得平面光波导薄膜.用Abbe折射仪测试薄膜...     

新型铜硫系薄膜太阳能电池材料制备的研究进展

薄膜太阳能电池提供了低成本、大面积的无碳发电应用前景,迅猛发展的纳米科技为高转换效率薄膜太阳能电池的低成本制造提供了新途径。新型铜硫系半导体Cu_2ZnSnS_4(CZTS)薄膜材料具有禁带宽度与太阳辐射匹配性好、光吸收系数大、元素丰度大、价格便宜、无毒等优点,因此将成为最具发展前景的薄膜太阳能电池材料。讨论与分析了CZTS薄膜和纳米晶材料的制备及由这些材料制备绿色、低成本、高效率新型太阳能电池的研究进展。     

Eu3+:LiNbO3单晶的坩埚下降法生长及其光谱性质

选用合适的温度梯度(20～30℃/cm)与生长速度(1～3mm/h),用坩埚下降法成功地生长出了掺杂Eu3+的LiNbO3单晶.用X射线衍射及DTA分析表征了获得的晶体.生长的晶体无宏观缺陷,在He-Ne激光的照射下,无散射中心.测定了从生长初期下部到生长后期上部晶体的紫外-可见吸收光谱与荧光光谱.观测到分裂的光谱线.结果表明,沿着晶体生长方向,Eu3+浓度逐步减少.Eu3+离子在晶体中取代Li与Nb格位.     

如何克服电除尘器绝缘子的热击穿和绝缘老化

电除尘器绝缘子一般都是在一定温度的高压电场中工作,在电场和温度场的复合作用下,绝缘子的热击穿和绝缘老化是造成其绝缘失效的主要形式。在以固体电介质为中心的绝缘组合中,当受电场和温度场复合作用注入的能量大于散热量时,绝缘子本体温度上升直至发生击穿。电除尘器绝缘子的热击穿不仅取决于电场强度,还与周围的环境温度和材料本身的特征有关。通过研究绝缘材料在高温下的电学性能,尽量选择t_e值(当材料电阻率下降至1 MΩ·cm时的温度)较高的材料制造电除尘器绝缘子,优化绝缘配合的设计,设法均匀绝缘子周围的电场,可有效地阻止热击穿和延缓绝缘老化,提高电除尘器绝缘子的适应性和可靠性,以满足电除尘器高温、高压电场的特殊绝缘要求。     

小波变换在目标识别中的应用

利用小波变换具有易于消除噪声、运算方便、能够体现图像特征等优点,研究了基于小波变换的目标识别方法.首先采用二次B样条小波滤波器组对样本图像进行小波变换,提取多尺度边缘,然后提取不变矩,以此作为图像的特征向量,最后应用小波神经网络进行分类识别.计算机仿真实验表明,该方法取得了较好的识别效果.