基于UV光照的圆片直接键合技术

研究了UV辅助活化与湿化学清洗活化相结合的圆片直接键合技术,并利用红外测试系统、单轴拉伸测试仪和场发射扫描电子显微镜,结合恒温恒湿实验、高低温循环实验对键合质量进行了测试.结果表明,采用该技术可以实现较好的圆片直接键合,提高键合强度,控制合适的UV光照时间可以获得更高的强度,对键合硅片进行恒温恒湿和高低温交变循环处理后,硅片仍能保持较高的键合强度.因此,该工艺对于改进圆片直接键合技术是行之有效的,具有很大的应用潜力.     

玻璃中介硅圆片键合研究

研究了玻璃中介圆片键合的方法.当采用低转化温度的玻璃粉末为中介玻璃层时,可在410℃实现强度较好的硅圆片键合,而如果将温度提高到430℃,键合强度可以达到4MPa.     

表面翘曲度对晶圆直接键合的影响

根据薄板弯曲理论,推导出晶圆表面翘曲度及夹具形状影响晶圆直接键合的理论公式,很好地解释了晶圆材料性质及尺寸大小对直接键合的影响.利用理论公式比较了晶圆在外压力和无外压力作用下翘曲度对晶圆直接键合的不同影响,结果表明晶圆键合后的形状由晶圆的初始形状及键合所用的夹具决定.最后应用有限元进行了仿真分析,仿真结果表明,晶圆存在一定翘曲度时施加合适的外压力将有助于晶圆的直接键合.     

基于自组织映射的齿轮箱状态监测可视化研究

提出了一种自组织映射网络训练结果的可视化方法——距离映射法,该方法通过计算出竞争层神经元权矢量与输入模式的相似度,并综合考虑神经元的网格分布,把输入矢量降维映射到二维平面。结合该方法研究了自组织映射网络在齿轮箱故障识别和状态监测中的应用。与U－矩阵法相比,该方法能更加清楚地将齿轮正常、裂纹和断齿状态的特征数据映射到二维平面的不同区域,将齿轮箱状态聚类分开,特征数据在平面上的映像点轨迹变化趋势直观反映了齿轮箱工作状态的变化,便于及时监测识别出齿轮的早期故障及其变化趋势。     

基于低温直接键合的血细胞计数芯片结构制备

研究了一种新颖的微流管道血细胞计数器的结构及其工作原理,采用流体动力学对其液体分层流动特性进行了仿真分析,结合图形制备和低温直接键合工艺制作了硅基微流体管道血细胞计数器结构,并采用红外透射方法对微流体管道结构进行了检测.对封闭管道的流通性及结构的键合强度也进行了测量.研究分析表明,采用上述工艺制备的微流体芯片结构与电子器件兼容性好,具有良好的化学惰性和热稳定性,而且管道结构规则,精度高,键合界面层薄,具有较好的应用前景.     

GTM算法在齿轮箱状态监测中的应用

介绍了一种新的无监督聚类算法GTM,研究了该算法在齿轮箱状态监测中的应用。结果表明,通过对齿轮箱振动信号时域特征的聚类训练,GTM能把正常、裂纹和断齿状态特征数据映射到二维平面的不同输出区域,较好地区分开不同的状态;特征数据映像点在平面上的轨迹变化趋势正确而直观地反映了齿轮箱工作状态的变化,便于及时监测到齿轮箱故障的发生。该方法可用于机械故障识别和状态监测。     

基于STM32的全自动病理染色控制系统的设计与实现

FISH （fluorescence in situ hybridization,荧光原位杂交）染色是应用于病理分析的重要技术。传统的手工染色方式由于操作繁琐及实验条件限制难以控制杂交质量,而国内现有的染色系统存在自动化程度低等缺点。为了解决上述问题,基于STM32嵌入式系统和GUI （graphical user interface,图形用户界面）开发了一套全自动病理染色控制系统。以STM32F103ZET6作为下位机处理器,利用QT软件和C++语言设计GUI界面,实现了对多样本FISH染色过程的全自动化控制。所研发的控制系统能够满足全自动病理染色系统的控制要求,滴加试剂的位置精度达到0.05 mm,试剂体积精度达到0.6 μL,设备故障响应时间小于0.5 s,多次实验设备运行故障率小于3%,加样时试剂类型选择准确率达到100%,图像可判读率达到90%以上。该控制系统具有高效率、高鲁棒性的优点,结合全自动病理染色硬件系统进行染色实验,取得了均匀、良好的染色效果,因此具有良好的应用价值。     

圆片键合工艺研究

将圆片键合的各种工艺分为3类：场助直接键合、表面活性键合、借助中介层键合.并对其适用环境和优缺点进行了分析,为圆片级键合的设计和应用提供思路.     

基于改进YOLOv5的荧光图像细胞智能检测研究

为解决人工对荧光原位杂交(Fluorescence In Situ Hybridization, FISH)荧光图像进行结果判读存在的效率低、劳动强度大等问题,针对FISH荧光图像细胞智能检测提出一种融合空域图像增强的改进YOLOv5算法。算法在原始YOLOv5神经网络模型基础上,加入了空域图像增强模块,并选择了模块最佳增强系数,扩大了模型对荧光图像的对比度适应范围,提高了模型的特征提取能力和细胞检测准确率。实验结果显示,改进YOLOv5模型的平均精度均值(Mean Average Precision, mAP)为0.983,达到了比原始模型更优的训练效果和收敛速度,并且,改进YOLOv5模型的细胞识别率达到91.65%,比原始YOLOv5模型提升了9.19%。将细胞智能检测算法嵌入自主开发的荧光图像智能检测软件,结合荧光点检测算法,可给出有效判读结果。     

SOM网络在透平机械状态监测中的应用

讨论了SOM网络的可视化技巧,结合该技巧研究了SOM网络在透平机械状态监测中的应用。仿真分析和实例研究表明,应用SOM网络能较好地识别出透平机械的不同状态,并及时监测到透平机械状态发生的变化。