清華大學動力機械工程學系學位論文
國立清華大學,正常發行
選擇卷期
已選擇0筆
- 學位論文
新冠肺炎(COVID-19)是在2019年末爆發的高傳染性疾病，世界衛生組織 (World Health Organization, WHO)亦宣布此為公共衛生緊急事件。這種傳染病同時也對各國的衛生保健造成強大威脅，在未有特定藥物可以治療此疾病的狀況下，透過有效的快速檢測可以有效監控疾病流向，並防止傳染病的擴散。目前臨床檢測病毒最常用的方法是實時逆轉錄酶-聚合酶鏈反應(qRT-PCR)。然而，這種方法既耗時又昂貴，在快速篩檢的需求下並不那麼適用。 因此本論文基於上述原因，提出一快速篩檢COVID-19的生醫感測器平台。基於抗體及抗原的免疫專一性，當SARS-CoV-2病毒的核衣殼蛋白與抗體專一性結合時，此感測器可以觀察到電訊號的變化，同時進一步使用電雙層閘控場效電晶體(electric double-layer gated field effect transistor, EDL-gated FET)生物感測器來檢測其信號。在此研究中，我們透過添加病毒的核衣殼蛋白來測量感測器響應，並繪製校準曲線。螢光測量技術亦被應用於本研究中，做表面修飾的分析及確認。 另外本研究中提出電雙層電容模型，以及使用冷凍乾燥技術對感測晶片進行保存。該生物感測器具有低檢測極限，且方便快速的特性。同時該感測器還可用作快速篩檢COVID-19 的即時診斷工具。
- 學位論文
微機電壓電式麥克風相較於電容式麥克風，擁有防水防塵與低功耗的優勢，然而受限於壓電材料本身的介電損失，使壓電式麥克風元件訊噪比較低，因此本研究將以訊噪比提升作為主要目標。首先將建立單壓電層懸臂式麥克風之解析模型，計算出能夠同時進行訊噪比與頻寬兩麥克風重要參數的性能指標－訊噪比與頻寬之乘積；並以此為設計基準進行下電極與PZT壓電材料層定義，提升元件的輸出能量並減少振膜之等效質量，使元件之訊噪比與頻寬得到上升。本研究以沉積PZT薄膜的SOI晶圓完成製程，完成後首先萃取使用之PZT各項參數，而後進行元件之聲學量測。結果顯示PZT/下電極定義後，其訊噪比於1 kHz下達到77.2 dB，且工作頻寬涵蓋至10 kHz，相比於未進行壓電材料與下電極定義的兩種不同長寬比的懸臂振膜，能在近乎等量的訊噪比下將頻寬提升兩倍；或是在相同的工作頻寬下提升4.6 dB的訊噪比輸出。另外，本研究額外透過給予壓電薄膜額外偏壓，減緩振膜殘餘應力翹曲，改善前後腔間孔隙造成的聲學短路，使訊噪比在1 kHz進一步提升了2.3 dB，更加改善元件性能。
若您是本文的作者，可授權文章由華藝線上圖書館中協助推廣。
本文將於2024/08/11開放下載。若您希望在開放下載時收到通知，可將文章加入收藏。
本文將於2024/08/11開放下載。若您希望在開放下載時收到通知，可將文章加入收藏。
- 學位論文
由於現今語音訊號處理技術快速發展，傳統的訊號處理晶片已經無法滿足市場需求。本論文提出了基於現場可程式化邏輯閘陣列(FPGA)平台的麥克風陣列訊號處理系統，解決了數位訊號處理器(DSP)等晶片處理即時性差、暫存器資源少、不支援平行運算等缺點。本論文從理論研究、硬體設計、演算法三個方面對語音訊號處理的FPGA實現進行研究。硬體方面，應用麥克風陣列訊號處理的基礎理論設計並了均勻線性陣列與均勻環形陣列兩種麥克風陣列硬體架構；軟體程式方面，設計了硬體控制模塊及波束成形演算法：硬體控制模塊包含時脈除頻器、麥克風取樣模塊、USB傳輸模塊等；波束成形演算法涉及時間延遲相加(Delay and Sum, DAS)和最小方差無失真響應(Minimum Variance Distortionless Response, MVDR)兩種與其有限脈衝響應(FIR)濾波器的設計。最後將處理後的音訊透過相對轉移函數的方法求得其空間與強度的關係，並且與模擬的結果進行比較，藉此驗證此系統的效能。
若您是本文的作者，可授權文章由華藝線上圖書館中協助推廣。
- 學位論文
綠能系統逐漸成為二十一世紀發電儲電主流，為達成有效設計與控制系統的效能，參數鑑定是一項至關重要工作，然而目前商用綠能系統難以直接從製造廠商獲得詳細之內部參數數據。本研究將探討三種主流的綠色能源系統，包含光伏太陽電池、質子交換膜燃料電池及鋰離子電池等。應用強健性高之群體智慧演算法預測這三種系統之模型參數，以辨識並取得高精確度的參數值有效地提供預測各系統模組在不同工作條件下的效能。 本論文提出一種使用廣義增量規則來更新粒子速度以求得全域最佳值的動量形式粒子群體智慧演算法並應用於綠能系統之參數辨識問題上。首先本研究以拉伸/壓縮彈簧、壓力容器、焊接組合鋼樑三種基準範例工程最佳化問題執行演算法之強健度測試以確認演算法之有效性後再進行前述之三種能源模組參數辨識。分析解包含有目標函數值的收斂率、解答精確性及平均絕對誤差與標準差。本論文之光伏太陽電池使用二極體電路模型，而質子交換膜燃料電池及鋰離子電池均使用電化學模型。透過動量型式粒子群體智慧演算法最佳化計算獲得這些綠能系統內之模組參數後將可掌控系統內之電池電極、電解質與隔離膜之間的化學反應機制。 由三種工程最佳化的問題之參數最佳化結果顯示出動量型粒子群體智慧演算法具有相當好的最佳化函數值求解能力和演算法穩健性。進一步在能源系統的參數最佳化結果顯示光伏太陽電池電壓的均方根誤差為8.839E-4 V，而質子交換膜燃料電池電壓的平方誤差和為2.0656 V。在鋰離子電池動態負載模型分析上，本論文亦建置了鋰離子電池實驗平台進行實驗，以提供模組分析之效能比對驗證。由實驗與分析結果比對後，鋰離子電池的電壓平均絕對誤差為3.6350 mV，預測1 C充放電的SOC為0.0139 %。將參數套入2C、0.5C以及路況動態效能驗證中，鋰離子電池端電壓的誤差小於0.5 %，電池之SOC小於0.8 %。從計算結果顯示動量粒子群體演算法可以有效率地計算出電池模組之待定參數的最佳化值，相當適合應用在需要高精準度之綠能系統的電池動態負載模型效能預測上。
若您是本文的作者，可授權文章由華藝線上圖書館中協助推廣。
本文將於2025/08/05開放下載。若您希望在開放下載時收到通知，可將文章加入收藏。
本文將於2026/08/08開放下載。若您希望在開放下載時收到通知，可將文章加入收藏。
- 學位論文
近年來，基於市場需求之因素，電子產品的功能性愈來愈強，且其形體逐漸趨於輕、薄、短、小以便於攜帶。而為了達成以上之趨勢，除了在IC設計之技術開發外，電子封裝之可靠度也備受重視，電子封裝之技術也必須與時俱進，從傳統的引腳通孔技術(Pin Through Hole, PTH)，發展到表面黏著技術(Surface Mount Technology, SMT)，進一步到面積陣列的形式(Area Array Type)。而封裝的形式也從雙列直插封裝(Dual In-line Package, DIP)等傳統封裝，進展到覆晶(Flip Chip, FC)、晶片級封裝(Chip Scale Package, CSP)、晶圓級封裝(Wafer Level Package, WLP)，甚至到3D堆疊的形式。而本研究聚焦在晶圓級封裝的可靠度預估。 獲得封裝體可靠度的實驗有多種，而本研究探討的是熱循環負載測試(Thermal Cycling Test, TCT)。任何產品要生產前必定要經過此測試，以確保其可靠度。然而，於參數設計階段，用實驗進行參數設計，是不符合市場需求的，因其花費時間過長，一次實驗需花費數個月的時間。因此，業界常引進有限單元分析之模擬方法，進行參數設計的部分，因其花費時間比實驗短，只需要數天的時間，當然，在此之前，模擬方法必須經過實驗的驗證。然而，對於有限單元分析方法，不同的研究人員，因其背景的不同，或因其模擬方法不同，可能得到不同的結果。因此，為了統一不同研究者所造成之差異，本研究引進機器學習方法。機器學習是達成人工智慧的方法之一，其中有多種演算法，而本研究聚焦於支援向量迴歸(Support Vector Regression, SVR)演算法。且機器學習模型建立之後，可測試多次，而測試時間遠遠低於一秒，這對封裝體參數設計也具有相當的優勢。 而本研究之步驟如下所述。首先，模擬須被實驗驗證，確認模擬方法可信，模擬等同於實驗。接下來，使用模擬建立WLCSP可靠度資料庫，以供機器學習訓練及測試。而本研究聚焦之演算法為支援向量迴歸。並且會探討不同訓練資料庫大小之表現，亦會說明固定訓練資料庫之特徵邊界之重要性，以及測試資料數量之影響。