当前位置:主页 > 科技论文 > 材料论文 >

蓝光过滤多层功能薄膜的遗传算法设计

发布时间:2018-02-26 15:02

  本文关键词: 遗传算法 蓝光过滤 多层膜 平均反射率 目标反射率 增透与增反 出处:《表面技术》2017年08期  论文类型:期刊论文


【摘要】:目的设计出一种在380~455 nm波段具有高反射率,但在500~760 nm波段具有低反射率的多层薄膜结构。方法采用遗传算法,采取截断选择策略,并引入小生境技术,选择灵活性较好的容差型评价函数,通过改变目标反射率,使功能薄膜在可见光波段具有增透与增反两种特性。采用八层不同折射率材料交替结构,计算得出满足光谱特性要求的全局膜系结构参数。结果当材料为硫化锌和氟化镁,厚度为324、142、68、46、51、51、56、145 nm时,380~455 nm波长处的平均反射率高达88.54%,500~760 nm波长处的平均反射率仅为2.00%。由几种常用光学薄膜材料的不同搭配,发现材料的折射率差与两波段的平均反射率差呈现相同趋势。当两种材料的折射率差为0.92时,两波段的平均反射率差为86.54%。结论采用的遗传算法可以简单有效地对多层薄膜结构进行优化,为获得较为理想的蓝光过滤功能薄膜,应尽可能选择折射率差大的两种材料。
[Abstract]:Aim to design a multilayer structure with high reflectivity at 380,455nm and low reflectivity at 500-760nm. The flexible tolerance evaluation function is chosen. By changing the reflectivity of the target, the functional thin film has two characteristics of antireflection and anti-reflection in the visible light band. The alternative structure of eight layers of different refractive index materials is used. The global structure parameters of the film system satisfying the requirements of spectral characteristics are calculated. Results when the materials are zinc sulphide and magnesium fluoride, The average reflectivity at the wavelength of 380,455nm is as high as 88.54454 / 500760nm when the thickness is 3244142nb 686C 51C 566C 145nm. The average reflectivity of several kinds of optical thin films is only 2.00nm, which is different from that of several kinds of optical thin films. It is found that the refractive index difference of the two materials shows the same trend as the average reflectivity difference of the two bands, and when the refractive index difference of the two materials is 0.92, The average reflectivity difference between the two bands is 86.54. Conclusion the structure of multilayer films can be optimized simply and effectively by using the genetic algorithm. In order to obtain ideal blue light filter functional thin films, two kinds of materials with great refractive index difference should be selected as far as possible.
【作者单位】: 汕头大学物理系;汕头超声显示器有限公司;无锡舒玛天科新能源技术有限公司;
【基金】:广东省省级科技计划项目(2017A010103021)~~
【分类号】:TB383.2

【相似文献】

相关期刊论文 前10条

1 刘坤,刘伟波,吴忠强;基于模糊遗传算法的电液位置伺服系统控制[J];黑龙江科技学院学报;2005年04期

2 李华昌,谢淑兰,易忠胜;遗传算法的原理与应用[J];矿冶;2005年01期

3 冯锦春;杨林建;;遗传算法在机械工程方面的应用研究[J];煤矿机械;2008年08期

4 李凯;田双亮;耿丽君;张喜;;基于改进遗传算法在分析企业客户群中的应用[J];河南理工大学学报(自然科学版);2009年06期

5 刘铁男,姜建国,陈继刚,张长江,于镝;遗传算法的收敛性分析[J];大庆石油学院学报;2000年03期

6 乐慧丰,林家骏,俞金寿;投影遗传算法[J];华东理工大学学报;2000年05期

7 苑进,孙忠林,刘雪美;改进遗传算法在齿轮减速器优化中的应用[J];山东科技大学学报(自然科学版);2001年04期

8 李春利,郭章红,杨振生;基于遗传算法的分子设计初探[J];化学工业与工程;2002年01期

9 董军芳,曾颖,林金清;应用遗传算法推算多元溶液热力学数据[J];吉首大学学报(自然科学版);2002年01期

10 唐雪萍,何绪全;遗传算法在流体识别中的应用[J];天然气勘探与开发;2002年01期

相关会议论文 前10条

1 陈家照;廖海涛;张中位;罗寅生;;一种改进的遗传算法及其在路径规划中的应用[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

2 李国云;刘颖;薛梅;邬志敏;;遗传算法在高温空冷冷凝器优化设计中的应用[A];第五届全国制冷空调新技术研讨会论文集[C];2008年

3 王志军;李守春;张爽;;改进的遗传算法在反演问题中的应用[A];新世纪 新机遇 新挑战——知识创新和高新技术产业发展(上册)[C];2001年

4 任燕翔;姜立;刘连民;从滋庆;;改进遗传算法在三维日照方案优化中的应用[A];工程三维模型与虚拟现实表现——第二届工程建设计算机应用创新论坛论文集[C];2009年

5 韩娟;;遗传算法概述[A];第三届河南省汽车工程科技学术研讨会论文集[C];2006年

6 庞国仲;王元西;;基于遗传算法控制步长的定性仿真方法[A];'2000系统仿真技术及其应用学术交流会论文集[C];2000年

7 张忠华;杨淑莹;;基于遗传算法的聚类设计[A];全国第二届信号处理与应用学术会议专刊[C];2008年

8 何翠红;区益善;;遗传算法及其在计算机编程中的应用[A];1995年中国智能自动化学术会议暨智能自动化专业委员会成立大会论文集(下册)[C];1995年

9 靳开岩;张乃尧;;几种实用遗传算法及其比较[A];1996年中国智能自动化学术会议论文集(下册)[C];1996年

10 王宏刚;曾建潮;李志宏;;摄动遗传算法[A];1996年中国智能自动化学术会议论文集(下册)[C];1996年

相关重要报纸文章 前1条

1 林京;《神经网络和遗传算法在水科学领域的应用》将面市[N];中国水利报;2002年

相关博士学位论文 前10条

1 Amjad Mahmood;半监督进化集成及其在网络视频分类中的应用[D];西南交通大学;2015年

2 李险峰;基于改进遗传算法的汽车装配生产线平衡问题研究[D];北京科技大学;2017年

3 周辉仁;递阶遗传算法理论及其应用研究[D];天津大学;2008年

4 郝国生;交互式遗传算法中用户的认知规律及其应用[D];中国矿业大学;2009年

5 侯格贤;遗传算法及其在跟踪系统中的应用研究[D];西安电子科技大学;1998年

6 马国田;遗传算法及其在电磁工程中的应用[D];西安电子科技大学;1998年

7 唐文艳;结构优化中的遗传算法研究和应用[D];大连理工大学;2002年

8 周激流;遗传算法理论及其在水问题中应用的研究[D];四川大学;2000年

9 刘冀成;基于改进遗传算法的生物电磁成像与磁场聚焦应用研究[D];四川大学;2005年

10 袁丽华;基于物种进化的遗传算法研究[D];南京航空航天大学;2009年

相关硕士学位论文 前10条

1 张英俐;基于遗传算法的作曲系统研究[D];山东师范大学;2006年

2 钟海萍;原对偶遗传算法与蚁群算法的一种融合算法[D];暨南大学;2013年

3 李志添;模糊遗传算法与资源优化配置的预测控制[D];华南理工大学;2015年

4 王琳琳;新型双层液压轿运车车厢的设计研究[D];上海工程技术大学;2015年

5 李海全;基于遗传算法的建筑体形系数及迎风面积比优化方法研究[D];华南理工大学;2015年

6 彭骞;基于遗传算法的山区高等级公路纵断面智能优化方法研究[D];昆明理工大学;2015年

7 周玉林;基于小波分析和遗传算法的配电网故障检测[D];昆明理工大学;2015年

8 郭颂;基于粗糙集和遗传算法的数字管道生产管理系统研究[D];昆明理工大学;2015年

9 吴南;数值逼近遗传算法的研究应用[D];华南理工大学;2015年

10 于光帅;一类优化算法的改进研究与应用[D];渤海大学;2015年



本文编号:1538501

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/cailiaohuaxuelunwen/1538501.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户a1ff4***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com