本文關鍵詞： 遺傳算法 藍光過濾 多層膜 平均反射率 目標反射率 增透與增反　出處：《表面技術》2017年08期 　論文類型：期刊論文

【摘要】：目的設計出一種在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層薄膜結構。方法采用遺傳算法,采取截斷選擇策略,并引入小生境技術,選擇靈活性較好的容差型評價函數,通過改變目標反射率,使功能薄膜在可見光波段具有增透與增反兩種特性。采用八層不同折射率材料交替結構,計算得出滿足光譜特性要求的全局膜系結構參數。結果當材料為硫化鋅和氟化鎂,厚度為324、142、68、46、51、51、56、145 nm時,380~455 nm波長處的平均反射率高達88.54%,500~760 nm波長處的平均反射率僅為2.00%。由幾種常用光學薄膜材料的不同搭配,發(fā)現材料的折射率差與兩波段的平均反射率差呈現相同趨勢。當兩種材料的折射率差為0.92時,兩波段的平均反射率差為86.54%。結論采用的遺傳算法可以簡單有效地對多層薄膜結構進行優(yōu)化,為獲得較為理想的藍光過濾功能薄膜,應盡可能選擇折射率差大的兩種材料。
[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.
【作者單位】： 汕頭大學物理系;汕頭超聲顯示器有限公司;無錫舒瑪天科新能源技術有限公司;
【基金】：廣東省省級科技計劃項目(2017A010103021)~~
【分類號】：TB383.2

【相似文獻】

相關期刊論文 前10條

1 劉坤,劉偉波,吳忠強;基于模糊遺傳算法的電液位置伺服系統(tǒng)控制[J];黑龍江科技學院學報;2005年04期

2 李華昌,謝淑蘭,易忠勝;遺傳算法的原理與應用[J];礦冶;2005年01期

3 馮錦春;楊林建;;遺傳算法在機械工程方面的應用研究[J];煤礦機械;2008年08期

4 李凱;田雙亮;耿麗君;張喜;;基于改進遺傳算法在分析企業(yè)客戶群中的應用[J];河南理工大學學報(自然科學版);2009年06期

5 劉鐵男,姜建國,陳繼剛,張長江,于鏑;遺傳算法的收斂性分析[J];大慶石油學院學報;2000年03期

6 樂慧豐,林家駿,俞金壽;投影遺傳算法[J];華東理工大學學報;2000年05期

7 苑進,孫忠林,劉雪美;改進遺傳算法在齒輪減速器優(yōu)化中的應用[J];山東科技大學學報(自然科學版);2001年04期

8 李春利,郭章紅,楊振生;基于遺傳算法的分子設計初探[J];化學工業(yè)與工程;2002年01期

9 董軍芳,曾穎,林金清;應用遺傳算法推算多元溶液熱力學數據[J];吉首大學學報(自然科學版);2002年01期

10 唐雪萍,何緒全;遺傳算法在流體識別中的應用[J];天然氣勘探與開發(fā);2002年01期

相關會議論文 前10條

1 陳家照;廖海濤;張中位;羅寅生;;一種改進的遺傳算法及其在路徑規(guī)劃中的應用[A];2009系統(tǒng)仿真技術及其應用學術會議論文集[C];2009年

2 李國云;劉穎;薛梅;鄔志敏;;遺傳算法在高溫空冷冷凝器優(yōu)化設計中的應用[A];第五屆全國制冷空調新技術研討會論文集[C];2008年

3 王志軍;李守春;張爽;;改進的遺傳算法在反演問題中的應用[A];新世紀 新機遇 新挑戰(zhàn)——知識創(chuàng)新和高新技術產業(yè)發(fā)展（上冊）[C];2001年

4 任燕翔;姜立;劉連民;從滋慶;;改進遺傳算法在三維日照方案優(yōu)化中的應用[A];工程三維模型與虛擬現實表現——第二屆工程建設計算機應用創(chuàng)新論壇論文集[C];2009年

5 韓娟;;遺傳算法概述[A];第三屆河南省汽車工程科技學術研討會論文集[C];2006年

6 龐國仲;王元西;;基于遺傳算法控制步長的定性仿真方法[A];'2000系統(tǒng)仿真技術及其應用學術交流會論文集[C];2000年

7 張忠華;楊淑瑩;;基于遺傳算法的聚類設計[A];全國第二屆信號處理與應用學術會議�？痆C];2008年

8 何翠紅;區(qū)益善;;遺傳算法及其在計算機編程中的應用[A];1995年中國智能自動化學術會議暨智能自動化專業(yè)委員會成立大會論文集（下冊）[C];1995年

9 靳開巖;張乃堯;;幾種實用遺傳算法及其比較[A];1996年中國智能自動化學術會議論文集（下冊）[C];1996年

10 王宏剛;曾建潮;李志宏;;攝動遺傳算法[A];1996年中國智能自動化學術會議論文集（下冊）[C];1996年

相關重要報紙文章 前1條

1 林京;《神經網絡和遺傳算法在水科學領域的應用》將面市[N];中國水利報;2002年

相關博士學位論文 前10條

1 Amjad Mahmood;半監(jiān)督進化集成及其在網絡視頻分類中的應用[D];西南交通大學;2015年

2 李險峰;基于改進遺傳算法的汽車裝配生產線平衡問題研究[D];北京科技大學;2017年

3 周輝仁;遞階遺傳算法理論及其應用研究[D];天津大學;2008年

4 郝國生;交互式遺傳算法中用戶的認知規(guī)律及其應用[D];中國礦業(yè)大學;2009年

5 侯格賢;遺傳算法及其在跟蹤系統(tǒng)中的應用研究[D];西安電子科技大學;1998年

6 馬國田;遺傳算法及其在電磁工程中的應用[D];西安電子科技大學;1998年

7 唐文艷;結構優(yōu)化中的遺傳算法研究和應用[D];大連理工大學;2002年

8 周激流;遺傳算法理論及其在水問題中應用的研究[D];四川大學;2000年

9 劉冀成;基于改進遺傳算法的生物電磁成像與磁場聚焦應用研究[D];四川大學;2005年

10 袁麗華;基于物種進化的遺傳算法研究[D];南京航空航天大學;2009年

相關碩士學位論文 前10條

1 張英俐;基于遺傳算法的作曲系統(tǒng)研究[D];山東師范大學;2006年

2 鐘海萍;原對偶遺傳算法與蟻群算法的一種融合算法[D];暨南大學;2013年

3 李志添;模糊遺傳算法與資源優(yōu)化配置的預測控制[D];華南理工大學;2015年

4 王琳琳;新型雙層液壓轎運車車廂的設計研究[D];上海工程技術大學;2015年

5 李海全;基于遺傳算法的建筑體形系數及迎風面積比優(yōu)化方法研究[D];華南理工大學;2015年

6 彭騫;基于遺傳算法的山區(qū)高等級公路縱斷面智能優(yōu)化方法研究[D];昆明理工大學;2015年

7 周玉林;基于小波分析和遺傳算法的配電網故障檢測[D];昆明理工大學;2015年

8 郭頌;基于粗糙集和遺傳算法的數字管道生產管理系統(tǒng)研究[D];昆明理工大學;2015年

9 吳南;數值逼近遺傳算法的研究應用[D];華南理工大學;2015年

10 于光帥;一類優(yōu)化算法的改進研究與應用[D];渤海大學;2015年

，

本文編號：1538501