MARC

 008260126s2024        us                              c    eng  d
■001000017360323
■00520260202105506
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798263326876
■035    ▼a(MiAaPQ)AAI32308049
■035    ▼a(MiAaPQ)GeorgiaTech78625
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a620
■1001  ▼aLong,  Yaoyao  Emma.
■24510▼aApplications  of  New  Materials  Systems  and  Machine  Learning  Techniques  for  Compensation  and  Calibration  of  MEMS
■260    ▼a[Sl]▼bGeorgia  Institute  of  Technology▼c2024
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2024
■300    ▼a152  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  87-05,  Section:  A.
■500    ▼aAdvisor:  Ayazi,  Farrokh.
■5021  ▼aThesis  (Ph.D.)--Georgia  Institute  of  Technology,  2024.
■520    ▼aThis  PhD  dissertation  explores  significant  advances  in  the  compensation  and  calibration  of  MEMS  (Micro-Electro-Mechanical  Systems)  devices,  particularly  focusing  on  the  application  of  high-performance  4H-SiC  (silicon  carbide)  and  AlN  (aluminum  nitride)  technology  in  MEMS  resonators  and  gyroscopes.  The  research  underscores  the  critical  importance  of  precise  timekeeping  and  navigation,  which  are  foundational  to  a  broad  spectrum  of  technological  applications.Upon  providing  an  introduction  in  Chapter  1  and  a  comprehensive  study  and  discussion  of  SiC  material  properties  in  Chapter  2,  Chapter  3  of  the  dissertation  is  dedicated  to  the  comprehensive  study  of  MEMS  resonators.  The  work  elucidates  the  operational  principles  of  MEMS  resonators,  which  rely  on  the  mechanical  vibrations  of  microfabricated  structures.  A  key  focus  is  on  the  transduction  mechanisms  that  convert  mechanical  energy  into  electrical  signals  and  vice  versa.  Among  these,  electrostatic  transducers  for  temperature  compensation  are  highlighted  for  their  compatibility  with  CMOS  processes  and  low  power  consumption,  despite  their  challenges  such  as  requiring  small  airgaps  for  higher  efficiency.  This  chapter  establishes  the  groundwork  for  understanding  the  material  and  structural  properties  that  influence  the  performance  and  reliability  of  MEMS  resonators  and  conventional  temperature  compensation  techniques.In  Chapter  4,  the  dissertation  makes  a  notable  contribution  by  introducing  a  novel  method  for  achieving  thermal  stability  and  temperature  compensation  in  4H-SiC  MEMS  resonators  through  a  built-in  stress  modulation  technique.  This  method  utilizes  tensile  and  compressive  stresses  in  a  bonded  4H-SiC  on  insulator  substrate  with  silicon  handle  layer  to  achieve  a  near-zero  temperature  coefficient  of  frequency  (TCF)  for  4H-SiC  beam  resonators.  The  research  demonstrates  that  this  technique  significantly  enhances  the  stability  of  beam  resonators  without  compromising  their  reliability,  which  is  crucial  for  their  application  in  varying  environmental  conditions.  This  approach  eliminates  the  need  for  external  power  and  frequent  calibration,  offering  an  efficient  solution  for  temperature  compensation.  This  achievement  represents  a  significant  advance  in  the  field  of  MEMS  technology,  providing  a  robust  foundation  for  developing  more  reliable  and  thermally  stable  MEMS  devices.In  Chapter  5,  the  dissertation  has  introduced  and  validated  machine  learning  (ML)  and  deep  learning  (DL)  models  to  enhance  the  calibration  of  AlN-on-Si  piezoelectric  resonant  gyroscopes,  particularly  when  operating  in  ambient  air  conditions.  By  leveraging  the  XGBoost  regression  model  and  Multilayer  Perceptron  (MLP),  the  project  addressed  the  challenges  posed  by  increased  noise  levels  and  the  high  cost  and  time  requirements  of  traditional  calibration  methods.  The  project  involved  comprehensive  data  preprocessing,  exploratory  data  analysis  (EDA),  and  rigorous  model  tuning  to  ensure  optimal  performance.  The  results  demonstrated  that  both  ML  and  DL  models  significantly  improve  the  accuracy  and  reliability  of  gyroscope  calibration  compared  to  traditional  methods,  with  the  DL  model  showing  the  greatest  enhancement.  This  research  not  only  advances  the  calibration  techniques  for  MEMS  gyroscopes  but  also  paves  the  way  for  their  broader  application  in  non-vacuum  environments,  contributing  to  the  field's  technological  progress  and  practical  utility.In  summary,  this  dissertation  provides  an  exploration  of  critical  advances  in  MEMS  technology,  particularly  focusing  on  enhancing  temperature  compensation  and  calibration  accuracy  through  innovative  material  applications  and  cutting-edge  ML  and  DL  techniques.  The  work  presented  in  Chapters  3,  4,  and  5  collectively  contributes  to  the  development  of  highly  stable  and  accurate  MEMS  resonators  and  gyroscopes,  paving  the  way  for  their  broader  application  in  various  high-stakes  and  everyday  environments.
■590    ▼aSchool  code:  0078.
■650  4▼aSilicon
■650  4▼aMicroelectromechanical  systems
■650  4▼aIntegrated  circuits
■650  4▼aDeep  learning
■650  4▼aElectrodes
■650  4▼aBenchmarks
■650  4▼aAluminum
■650  4▼aMathematical  functions
■650  4▼aDesign
■650  4▼aEnergy  efficiency
■650  4▼aSilica
■650  4▼aCMOS
■650  4▼aAnisotropy
■650  4▼aAcoustics
■650  4▼aResearch  &  development--R&D
■650  4▼aComposite  materials
■650  4▼aElectrical  engineering
■650  4▼aMaterials  science
■650  4▼aMathematics
■650  4▼aMechanical  engineering
■650  4▼aSustainability
■690    ▼a0389
■690    ▼a0986
■690    ▼a0800
■690    ▼a0544
■690    ▼a0794
■690    ▼a0405
■690    ▼a0548
■690    ▼a0640
■71020▼aGeorgia  Institute  of  Technology.
■7730  ▼tDissertations  Abstracts  International▼g87-05A.
■790    ▼a0078
■791    ▼aPh.D.
■792    ▼a2024
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17360323▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

Preview

Export

ChatGPT Discussion

AI Recommended Related Books