Impact of support material deformation in MEMS bulk micromachined diaphragm pressure sensors
Notice bibliographique
Résumé
Abstract In this work, experimental data and finite element analysis reveals deflection in diaphragm supporting material leading to non-linear pressure-reflection response. These results are contrary to the standard assumptions presented in literature, where modelling of deflection response in diaphragm pressure sensors is primarily carried out assuming a rigid supporting structure. An extrinsic fiber-optic Fabry–Perot pressure sensor, based on micro-electromechanical system, is developed and used to investigate optical deflection response. While the sensor is not novel, a series of experiments to validate support deflection phenomena are designed and carried out using a silicon membrane at gauge pressures from 0 to 1000 PSI in ambient temperature. The device is packaged with an industry standard stainless-steel housing typically used in plastic injection moulding. Sensor performance is compared to analytical and finite element modelling. Results suggest that the device is experiencing greater deflection than analytically predicted at pressures above 200 PSI, where a rigid support is assumed in existing literature. Based on these results, a modified analytical model is proposed to correct for this behaviour. The modified model is created through addition of a nonlinear component to an existing model, which is then fitted to the experimental data using least-square methods. Prediction of the experimental deflection results is improved from 81% error using a fixed-support analytical model to 4% error using the presented adjusted model. It is demonstrated that nonlinear effects are present and optically measurable in cases where deflection is lower than 1% of the membrane thickness. This work will aid in the implementation of high-resolution pressure sensors operating in harsh environment conditions.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».