基于PCA和BP神经网络的硝酸盐氮浓度检测方法

针对紫外分光光度法（UV法）检测混有干扰物质的硝酸盐氮溶液浓度精度不高的问题，提出一种基于主成分分析（principal component analysis，PCA）和BP神经网络的硝酸盐氮浓度检测方法。通过微型光谱仪物质成分检测系统测得硝酸盐氮试剂在196 nm～631 nm波段的吸光度数据，分为测试集和训练集。通过PCA计算训练集，得到主成分。根据BP算法搭建三层人工神经网络。将所得主成分除以8后输入网络展开训练。训练过程中采用留一法交叉验证。用该模型计算训练集和测试集，所得值与真实浓度的平均相对误差分别为2.411 5%和1.553%。实验结果表明，该方法能较好检测出混有干扰物质的硝酸盐氮溶液浓度。     

椭圆偏振光谱表征单晶硅衬底上生长的非晶硅和外延硅薄膜

本文采用射频等离子体增强化学气相沉积(rf-PECVD)技术在单晶硅衬底上沉积了两个系列的硅薄膜. 通过对样品进行固定角度椭圆偏振测试, 结果表明第一个系列硅薄膜为非晶硅, 形成了突变的a-Si:H/c-Si异质结构, 此结构在HIT电池中有利于形成好的界面特性, 对于非晶硅薄膜采用通常的Tauc-Lorentz摇摆模型(Genosc)拟合结果很好; 第二个系列硅薄膜为外延硅, 对于外延硅薄膜, 随着膜厚增加晶化率降低, 当外延硅薄膜厚度为46 nm时开始非晶硅生长. 对于外延硅通常采用EMA模型(即将硅薄膜体层看成由非晶硅和c-Si构成的混合层)拟合结果较好, 当硅薄膜中出现非晶硅生长时, 将体层分成混合层和非晶硅两层, 采用三层模型拟合结果很好. 本文证实了椭偏光谱分析采用不同的模型可对单晶硅衬底上不同结构的硅薄膜进行有效表征.     

TS-A型温度传感技术实验仪的功能延伸--设计性实验温度报警器的制作

本通过设计性实验温度报警器的制作实现了TS-A型温度传感技术实验仪的功能延伸。