【摘 要】
:
颗粒物传感器,属于气体传感器的一种,作为环境检测系统(Environmental Monitoring Management System,EMIS)的重要组成部分之一,越来越受到社会与国家的关注。颗粒物传感器不仅在环境检测领域,也在诸如工业、医疗等领域发挥作用。而光散射法因具备测量速度快、实时检测、精度高、无损耗、便携性好等优势,近些年来在颗粒物传感器的市场化应用中越来越多。本文主要针对光散射算
论文部分内容阅读
颗粒物传感器,属于气体传感器的一种,作为环境检测系统(Environmental Monitoring Management System,EMIS)的重要组成部分之一,越来越受到社会与国家的关注。颗粒物传感器不仅在环境检测领域,也在诸如工业、医疗等领域发挥作用。而光散射法因具备测量速度快、实时检测、精度高、无损耗、便携性好等优势,近些年来在颗粒物传感器的市场化应用中越来越多。本文主要针对光散射算法和颗粒物传感器系统进行了深入的研究,并利用CMOS工艺集成度高、传输速度快、制造成本低等优点,设计了一种新型的光散射式颗粒物传感器系统以提高传感器检测性能与集成度。本文主要研究工作如下:1、针对传统颗粒物传感器高浓度检测精度下降等问题,设计了一种基于粒子计数法的传统颗粒物传感器以验证该现象。详细分析了传统颗粒物传感器整体架构的组成、算法原理以及信号处理电路的设计流程,并对实物进行了测试。最终结果显示本文设计的传统颗粒物传感器可对低浓度(0~500μg/m~3)PM2.5颗粒物进行精确检测(R~2>0.99,检测平均误差<0.01 mg/m~3),但在高浓度下(0.5~1 mg/m~3),检测误差将会增大(R~2=0.974,检测平均误差>0.02 mg/m~3),且单次检测最少需5~10μs。这表明采用粒子计数法与单片机系统实现的颗粒物传感器存在不足之处。2、针对颗粒物传感器光电接收模块缺少仿真模型的问题,提出了一种颗粒物传感器光电接收模块的等效电路模型。介绍了建立高频硅基光电晶体管SPICE等效模型以及参数提取的方法。通过将电路仿真结果与TCAD仿真结果进行对比,证实两种模拟结果具有很好的一致性,验证了该模型描述器件光电特性的准确性。模型工作频率为100MHz~1 GHz,电流增益约为500,光响应度>0.5 A/W。此外,还验证了模型在器件模拟与电路应用中的可行性。3、针对采用粒子计数法与单片机系统实现的颗粒物传感器存在不足之处的问题,提出了一种基于颗粒群光散射法的新型颗粒物传感器系统。对系统原理与各模块的功能进行了阐述,详细分析了系统各模块的设计思路,并在SMIC 0.18μm工艺下对所设计的电路进行了仿真。结果表明,本文提出的新型颗粒物传感器可以实现宽范围(0~1mg/m~3),快速(2μs/次),低误差(<0.01 mg/m~3)的检测。4、针对新型颗粒物传感器数据存储模块缺失的问题,提出了一种基于STT-MRAM的数据存储架构。通过对采用SRAM或STT-MRAM的数据存储单元性能进行仿真与对比,证明了大数据容量下,STT-MRAM架构的性能更加优异。然后针对STT-MRAM写入延迟高、高性能型器件泄露功耗高的问题,研究了不同容量下,STT-MRAM单元配置的优化方案。结果表明,合理的配置方案可以有效地减少STT-MRAM数据存储单元的写入延迟与泄漏功耗(分别最高减少5.4%和42.1%)。
其他文献
模型预测控制(Model predictive control,MPC)在处理复杂约束、多变量系统的控制问题时表现出了巨大的潜力,已经在众多工业领域中获得了成功的应用,并逐渐成为现代工业环境中最常见的优化控制策略之一。传统的模型预测控制方法采用周期滚动优化的模式,并且优化控制问题通常较为复杂,使得在线计算量较大,限制了其在实际控制系统里的应用范围。尤其是当需要控制的系统通信和计算资源受限时,更加难
目前,在日益提升的计算力与海量的标注数据的推动下,以深度学习为代表的人工智能实现快速的发展,但在其高准确率的背后也存在着通用智能水平弱,计算力依赖度高等局限性。以第三代人工神经网络-脉冲神经网络(Spike neuron network,SNN)为代表的类脑计算借鉴了大脑的高效率和低能耗的计算特点,被认为是有望解决人工智能问题的重要途径。由于SNN的快速乃至实时的仿真需求以及明显的分布式计算特征,
人类大脑智能水平高、功耗低,其计算模式非常值得借鉴。类脑计算通过模仿生物大脑的运行机制来实现信息处理,它主要以脉冲神经网络(SNN,Spiking Neural Networks)为基础,实现方式主要分为硬件实现和软件实现两种。硬件实现方法普遍采用专用类脑计算芯片与系统来实现脉冲神经网络。该种方法可以提供更佳的能效指标,但代价高、适应性差,当其与应用负载不匹配时,计算能效表现往往会大打折扣。软件实
随着工业设计的不断创新,工业设备与人的数字化进程正在迅速加快。工业信息物理系统(Industrial-Cyber-Physical-System,ICPS)通过无线网络结合信息系统和物理设备,实现工业智能化计算、通信和控制。但是ICPS通信网络的脆弱性使得系统容易受到数据注入攻击的破坏,造成工业设备故障,系统运行性能显著下降,甚至系统崩溃。ICPS在极端工业环境下计算、电池设备等通信资源是有限的,
智能设备的兴起,基于位置的服务的社会和商业需求显著增加。在室外环境中长期以来使用GNSS进行导航或确定准确的位置信息。由于GNSS信号无法穿透建筑物以及复杂的室内环境,GNSS无法在室内环境中提供可靠的基于位置的服务。MEMS传感器在智能手机中的部署为行业和学术界带来了新的机遇和挑战。室内环境中基于位置的服务的需求和潜力迫使研究人员研究更可靠、准确、低成本的室内定位方法。基于智能手机的室内定位技术
随着物联网产业的蓬勃发展,无线传感器网络为其提供了区域感知、数据采集等多方面的应用支撑,而信息路由协议是影响是影响传感网性能的重要研究领域。各传感器节点一旦被放置则难以改变位置更换电池,节点间一般采用单跳或多跳的形式实现自组织通信,单一的随意路由选择极易造成网络资源浪费,形成“能量空洞”等现象。因此,应对不同应用场景,链路的不同需求,应设计具有针对性的网络路由算法。论文针对层次型路由算法在节点异构
随着机器人应用领域不断扩展,机器人智能化控制技术愈见短板。常用的机器人控制方式主要是通过示教器或者离线编程的方法。这种固定的点到点的操纵控制方式,不能够应对复杂的抓取环境,需要机器人具有更高的智能化。此外,传统的机器人抓取针对的是特定的检测工件,通过人工设计特征提取,并使用模板匹配等方法。该种方法可移植性不强,鲁棒性较低。因此,面对类别多样、姿态各异的抓取对象,本课题提出一套在ROS(Robot
目前,微纳技术发展迅速,使得微机器人已经广泛应用于血栓疏通、靶向药物输送、近距离放射治疗和热疗等医学生物领域,体现出革命性的应用前景。此外,磁场驱动技术具有无损伤、兼容性强以及无线调控等特性,广泛应用于微机器人的驱动控制中,所以开展复杂环境中磁场驱动技术的研究具有重要意义。而现有的磁场驱动系统存在磁场梯度小、工作空间小等缺点,同时在复杂环境中微机器人动/静态障碍物避障的一系列难题亟待解决。为了解决
在焊接领域中对结构加强筋的焊接是一类常见的工程。结构加强筋是指用来在结构设计中为了加强结构面的承载能力而设计的一类构件,这一类构件往往在前期固定时往往会存在些许变形和大量的飞溅干扰点,以往对这一类工件的焊接一般依靠人工手动操作,焊接的工作量大,重复性高且焊接现场环境复杂存在危险。在自动焊接阶段大部分的焊缝定位方法是基于二维图像结合几何方法提取出焊缝,该方法提取出的焊缝对结构加强筋缺乏适用性,整体定
火灾是发生最频繁、破坏性最大的灾害之一,它严重威胁着人类生命和财产安全以及自然生态环境。图像型火焰检测技术有效地弥补了传统的传感器火焰检测装置传播速度慢、误报率高、无法适用于室外大空间等弊端,得到广泛的关注与研究。提取火焰特征,使用模式识别算法检测火焰是图像型火焰检测的一类主流方法。但是,现有的图像型算法大多是针对已经形成火灾的火焰进行分析识别,对于未形成火灾的早期火焰高危点的检测能力却很有限。而