采用静电力驱动质量块产生等效加速度信号实现了微机械加速度计的自检测功能。分析了平板驱动电极的静电驱动力、吸合电压以及稳定驱动位移条件。采用光学测试技术测试了驱动电压和驱动位移的关系,吸合电压,证实了理论分析。利用理论分析公式计算了低驱动电压情况下的驱动位移。结果表明在10～15V的直流驱动电压下能产生等效于1g加速度的输出。

提出了一种新型的基于体硅工艺的双轴加速度传感器,量程为±50gn,采用全对称结构,其电容检测部分采用变面积、差分电容式的梳状电极结构。利用有限元分析软件分析得到本文所设计的双轴加速度传感器微结构整体质量为1.174mg,X、Y轴的灵敏度皆为2.3fF/g,模态分析结果表明,第一和第二模态振型为两敏感方向的振型,且谐振频率分别为2774Hz,2775Hz。经过MEMS加工工艺制作出的芯片尺寸为5260μm×5260μm。经过测试,此双轴加速度传感器的电学灵敏度为33.78mV/g,谐振频率为2.4KHz,带宽可达到1.5KHz。

本文提出了一种基于ICP刻蚀以及静电键合工艺的新型微机械加速度计结构，并通过MATLAB软件对该加速度计系统进行了仿真．这种框架结构可以有效地增大结构静态电容，以便在闭环工作时能产生更大的静电力．它的整体尺寸为2800μm×3000μm×60μm，结构惯性质量为0．14mgn，静态电容为3．618pF，抗过载能力超过5000gn．通过系统仿真，该加速度计的电压灵敏度为90mv／gn，量程为±50gn，系统带宽是10kHz．

针对电能表故障频发,严重影响电网公司效益及用户日常生活的问题,准确对电能表故障类型进行诊断、及时修复故障电能表,对保证电力系统正常运行有十分重要的意义。提出一种基于改进人工蜂群算法优化支持向量机(CABC-SVM)参数的诊断方法;以Tent混沌搜索具有遍历性、随机性的优点增强蜂群算法的全局搜索能力;通过历史故障数据训练建立的CABC-SVM诊断模型。仿真结果验证CABC-SVM模型分类精度高达98.0%,相比于与传统ABC-SVM、PSO-SVM和GA-SVM有更少的收敛迭代次数。因此,CABC-SVM具有更高的分类精度和更少的运行时间,是一种高效的电能表故障诊断方法。