MEMS硅铝异质结构压力传感器的设计制作与测试研究*

张加宏,陈剑翔,冒晓莉2,*,李 敏2,,王 银(1.南京信息工程大学,江苏省大气环境与装备技术协同创新中心,南京 210044;2.南京信息工程大学,江苏省气象探测与信息处理重点实验室,南京 210044;.南京信息工程大学,电子与信息工程学院,南京 210044)

自从1954年Smith提出体硅的压阻效应以来[1],硅基MEMS压阻式压力传感器已经被广泛应用于消费电子、汽车工业、生物医疗、气象和航空航天等领域[2-5]。但由于体硅材料本身存在灵敏度较低(硅压阻应变系数约为100)、温度漂移严重等问题,导致硅基压阻式压力传感器的性能受到了影响。围绕上述问题目前人们已经开展了许多相关研究[6-15]。例如,为提高压阻式传感器的灵敏度,杨培东等人提出了利用表面修饰的硅纳米线来实现巨压阻效应,他们制作的纳米线的压阻(应变)系数可以比传统体硅高出两个数量级[6]。显然,巨压阻效应能够大幅度提高压力传感器的灵敏度,尽管如此,巨压阻效应的产生机理很复杂[6-8],与纳米线表面状态密切相关,因而稳定性较差,而且制作巨压阻传感结构的工艺要求很高,这导致巨压阻效应目前还很难真正应用于压力传感器。近些年,Rowe等人的研究结果表明巨压阻效应也可以通过微米级别的器件来实现[9],利用常规硅压阻条和铝条分流器构成金属半导体混合压阻器可获得几何放大的压阻效应[10-11],其应变系数能达到843,可以显著提高传感器的灵敏度。与硅纳米线传感器相比,基于微米量级金属硅混合结构(硅铝异质结构)的压阻传感器更易通过常规光刻刻蚀工艺来制备并实现批量生产。值得注意的是,由于硅铝异质结构的电阻较小,容易受到环境温度影响,因此需要温度漂移补偿。针对传感器的温度漂移,目前主要有硬件补偿和软件补偿两种方法,硬件补偿通常采用并联温度补偿电阻的方式来实现,但是由于计算复杂、补偿电阻本身也存在温度漂移等问题,导致补偿效果不太理想。软件补偿常用的方法有二维线性回归分析法、二维插值法、最小二乘支持向量机以及人工神经网络学习法等[12-15],这些方法有效地提高了温度漂移和非线性误差的补偿效果,目前应用更为广泛。

为了成倍提高MEMS压阻式压力传感器的灵敏度,同时有效去除温度漂移等因素的影响,本文着重设计和研究了一款基于硅铝异质结构的高灵敏度压力传感器,首先利用有限元软件和理论计算对传感器结构和性能进行设计分析,然后通过传统MEMS工艺制作了带有硬件温度补偿结构的硅铝异质结构压力传感器。在实现硬件补偿的同时,最后采用基于遗传算法改进的小波神经网络对传感器进行了软件补偿,使其性能得到了较大提升。本文的研究结果对于研制高灵敏的压阻式传感器具有较好的参考价值。

1 硅铝异质结构的压阻效应原理

传统压阻式压力传感器的结构示意图如图1(a)所示,它由分布在应变薄膜边缘的4个压阻条连成的惠斯通电桥构成。在应力作用下压阻条电阻或电阻率因压阻效应而发生变化,其可表示为[10-11]:

(1)

式中:R为初始电阻,ρ为初始电阻率,π为压阻系数,E为杨氏模量,ε为应变,K为应变灵敏系数。

图1

与传统压阻式压力传感器工作原理不同,硅铝异质结构是利用应力引起的掺杂硅的各向异性使得电流离开高导电率金属来实现压力测量[9],硅铝异质结构压力传感器结构示意图如图1(b)和图1(c)所示,本文设计的硅铝异质结构压力传感器芯片包括一对硅铝异质压力传感结构和一对硅铝异质温度参考结构,两者的材料和结构形式相同,每个单独的硅铝异质结构包括一根硅压阻条和一根金属铝条。硅压阻条连接着4个引出焊盘,其中外侧两个用于恒流源供电,内侧两个用于输出电压的测量。硅铝异质结构等效电阻可用式(2)表示[10-11]:

(2)

式中:l为内侧两个电压测量引脚之间距离的一半,L为压阻条长度的一半,h为压阻条的厚度,b为压阻条的宽度,ρl和ρt分别为纵向和横向电阻率。当外部施加压力时,硅铝异质结构内产生的应力σ会改变纵向和横向电阻率,从而影响异质结构的等效电阻,这就是硅铝异质结构的压阻效应。ρl和ρt具体的表达式如下[10]:

ρl=ρ0(1+πlσ)

(3)

ρt=ρ0(1+πtσ)

(4)

式中:πl和πt分别为纵向和横向压阻系数,πl=-πt[16-17]。与传感器灵敏度相关的放大因子SG可表示为[10-11]:

(5)

正如前面所提及的,位于硅铝异质结构芯片压力敏感薄膜内侧的传感结构用于测量外部压力变化,而位于压力敏感薄膜外侧的参考结构基本不受外部压力的影响,它们主要用于消除温度漂移误差。理想情况下,因为4个硅铝异质结构形状大小一致并且其所在的温度环境相同,所以在相同的恒流源供电和温度条件下,无压力的初始输出都应为U0+ΔUT,其中ΔUT是由于温度引起的输出变化。当施加外部压力P时,传感结构输出电压为Uout=U0+ΔUP+ΔUT,由于参考结构不受应力影响,其输出电压为Uref=U0+ΔUT。将Uout和Uref差分处理可获得硅铝异质结构压力传感器最终输出电压为:

U=Uout-Uref=(U0+ΔUP+ΔUT)-(U0+ΔUT)=ΔUP

(6)

由式(6)可以看出,最终压力传感器的输出结果就是外部压力变化引起的电压输出变化,与温度变化无关。理论上通过上述硬件温度补偿的方式可以抑制温度漂移误差。

2 有限元应力模拟仿真

为使硅铝异质结构传感器输出具有良好的线性度和灵敏度,需要选择合理的膜片参数。膜片过薄会导致比较大的非线性误差,过厚又会导致灵敏度下降[5,17]。考虑到加工工艺的水平,本文设定膜片厚度为20 μm。在0～1 000 kPa满量程的情况下,传感器膜片长度和厚度需满足式(7)[17]:

(7)

式中:υ为硅的泊松比,E为硅的杨氏模量,P为满量程压力,根据式(7)可以计算得到应变膜边长a≤1 182 μm。本文选取膜边长为900 μm。由于制作传感器的SOI晶圆的硅衬底厚度为650 μm,湿法腐蚀角度为57.74°,计算得出C型硅杯窗口的大小为1 792 μm。

为了验证理论分析的合理性,我们利用ANSYS有限元分析软件对本文设计的硅铝异质结构压力传感器进行建模与应力分析,从而最终确定传感器的尺寸参数。有限元模拟仿真所采用的材料的物理属性如表1所示。

表1 有限元仿真材料参数

图2(a)和图2(b)分别给出了外部施加100 kPa压力情况下异质结构传感器膜片位移云图和Von Mises应力分布云图。从图2(a)中可以看出,在应力作用下,传感器最大位移发生在应变薄膜中心,这保证了应力对称分布。在图2(b)中,最大应力分布在应变薄膜的4个边缘中间部位,不难发现,两个硅铝异质传感结构正好位于应变薄膜最大应力处,而参考结构则位于应变薄膜的外侧,基本上没有受到应力的影响,有限元仿真结果验证了上述理论设计的合理性。

然后在0～1 000 kPa大量程范围内逐渐改变施加压力大小,根据ANSYS有限元模拟仿真的结果可提取得到传感结构和参考结构的内部平均应力,内部应力与外部施加压力的关系曲线如图3(a)所示。由图3可知随着外部施加压力不断增加,硅铝异质传感结构的内部应力呈现出线性增大趋势,而参考结构的内部应力基本无变化,这与预期结果相吻合。在施加1 mA恒流源的条件下,结合式(2)～式(4)我们可以计算出硅铝异质结构传感器的等效电阻随外部压力变化的理论值,如图3(b)所示。由图3(b)可以进一步计算得出常温下单一传感结构理论上的灵敏度为0.098 5 mV/(V·kPa),如果两个传感结构同时测量,灵敏度将增加一倍。

图2 硅铝异质结构压力传感器有限元模拟仿真的结果

图3 硅铝异质结构压力传感器的有限元仿真结果

3 传感器制作工艺流程

本文采用标准MEMS工艺制作了硅铝异质结构压力传感器,无需特殊的工艺和材料。选用的SOI晶圆的单晶硅器件层厚度为1.5 μm、中间二氧化硅层厚度为1 μm、衬底硅厚度为650 μm。具体制作工艺流程如图4所示。

图4 硅铝异质结构压力传感器的制作工艺流程示意图

其主要步骤包括:

步骤1 离子注入 以7°角度和20 keV能量在SOI器件层注入1×1018Dose/cm3的硼离子,然后将SOI硅片放入1 000 ℃退火炉中快速退火30 min以使硼离子均匀分布。

步骤2 热氧化 将SOI硅片热氧化形成厚度约为1 μm的二氧化硅钝化保护层。

步骤3 光刻刻蚀 旋涂光刻胶,利用硅铝异质结构中硅压阻条结构及其电极引出端的掩膜版进行光刻显影。然后在SF6/N2的混合气氛中通过ICP干法刻蚀二氧化硅钝化层和顶层硅,形成硅铝异质结构的硅压阻条结构及其电极引出端。接着再对硅压阻条结构及其电极引出端表面的二氧化硅钝化层进行光刻刻蚀,形成硅压阻条与金属铝条的接触孔。

步骤4 溅射铝 采用ORION-8-UHV薄膜沉积设备溅射一层厚度均匀的铝,然后利用掩膜版光刻刻蚀出金属铝条、金属铝引线和铝焊盘。

步骤5 腐蚀硅杯 先对硅衬底二氧化硅钝化保护层进行光刻刻蚀,然后选用温度80 ℃的TMAH溶液湿法腐蚀底层硅形成C型硅杯,硅杯顶部即为传感器的应变薄膜,尺寸为900 μm×900 μm×20 μm,接着去除底部剩余二氧化硅。

步骤6 阳极键合 在300 ℃的真空环境下,最后利用阳极键合技术将SOI晶圆键合到硼硅玻璃基底上,并进行划片。

图5(a)给出了硅铝异质结构压力传感器芯片的显微镜照片,图5(b)为封装完成后的传感器实物图。整个芯片的面积为3 000 μm×3 000 μm。从图5 可以看出上下两个硅铝异质结构(传感结构)位于传感器应变薄膜内侧,左右两个(参考结构)处于外侧,符合设计要求。

图5 硅铝异质结构压力传感器芯片实物图

图6 标定测试平台的示意图

4 实验及结果分析

标定测试平台的示意图如图6所示,实验中采用德国GE-Druck压力控制器PACE5000作为标准压力发生器,其测量精度优于±0.03%FS。首先将硅铝异质结构压力传感器放入温度箱,并通过导气管接通传感器与压力控制器。然后分别引出传感器的测量引线并接入到用于供电的恒流源和用于测量的万用表。调节温度箱的温度从-20 ℃变化到60 ℃,在不同的温度点将压力从0 kPa变化到1 000 kPa,并且每隔100 kPa作为一个压力测试点。在1 mA恒流源供电条件下,最后分别记录下不同温度和不同压力时硅铝异质传感结构和参考结构测量引脚的电压输出。

图7给出了不同温度下硅铝异质结构压力传感器的输出曲线。为了与理论分析相对应,考虑到恒流源供电,这里将输出电压变化换算成了电阻变化。由图7(a)可以看出,不同温度下硅铝异质传感结构的输出均随着外部施加压力升高而单调递增,常温下其初始电阻为32.32 Ω,这与理论计算值基本吻合。当温度由-20 ℃升高到60 ℃时,传感结构的初始电阻随之变小,硅铝异质结构压力传感器的灵敏度由0.107 2 mV/(V·kPa)变为0.123 4 mV/(V·kPa)。该结果表明传感器性能产生了温度漂移。为了减小温度影响,正如前文所述,我们在同一芯片应变薄膜外侧设置了硅铝异质参考结构,理论上它对压力不敏感,而当外界温度变化时,其阻值也会随之变化。硅铝异质参考结构的测量结果如图7(b)所示,而由图7可知,其输出基本不随压力增加而变化,但随温度增加而减小,常温下其初始电阻为30.35 Ω。传感结构和参考结构初始等效电阻存在差异主要是由于制作工艺中的偏差造成的,例如,掺杂浓度不均匀、硅铝材料本身的缺陷以及光刻刻蚀存在的偏差,这会在一定程度上影响硬件温度补偿的效果。

图7 不同温度时硅铝异质结构压力传感器输出曲线

将硅铝异质传感结构与参考结构的测试结果做差分处理,如图8所示,在硬件温度补偿后,传感器输出结果的温度漂移问题得到较好的改善,这说明本文设置参考结构进行温度补偿是有效的。将不同温度下的电阻差分值ΔR做平均处理,根据平均值曲线计算可得其灵敏度约为0.116 8 mV/(V·kPa),由于硅铝异质结构压力传感器芯片上包含两个相同的传感结构,因而理论上灵敏度还可以提高一倍,这要明显大于基于传统体硅压阻效应的压力传感器的灵敏度(0.061 mV/(V·kPa))[18]。

图8 硬件温度补偿后的结果

此外,传感器线性度(非线性误差)是指在全量程范围内实际特性曲线与拟合直线之间的最大偏差值ΔLmax与满量程输出FYS之比[19],用γL表示,即

(8)

根据上述非线性误差公式计算得到传感器整体非线性误差为3.56%,由此可知,虽然通过硬件补偿削弱了温度漂移对测量结果的影响,但传感器的测量精度还有待提高。下面采用基于遗传算法改进的小波神经网络(GA-WNN)对硅铝异质结构传感器的温度漂移和非线性误差做进一步的补偿。

5 基于遗传算法小波神经网络的数据融合处理

基于遗传算法改进的小波神经网络的基本原理为:利用遗传算法构成一个不断进化的群体序列,根据特定评价方式获得全局性基础解,然后将计算得到的基础解作为小波神经网络初始状态进行小波神经网络训练,省去了小波网络的随机网络初始化,使得小波网络更易更快速得到问题的最优解[4,15]。基于遗传算法的小波神经网络流程图如图9所示,先对小波神经网络的连接权值、伸缩因子和平移因子进行随机初始化编码,形成遗传算法的第1代个体,重复操作N次形成一定规模的初始种族。然后由输入样本集经前向传播算法求得N组网络权值对应的N个网络输出。本文选用的适应度函数如下:

(9)

式中:M为学习样本数,e为小波网络期望输出值YK与实际输出值yK之间的误差。从式(9)可以看出误差越大,适应度越小。计算每个个体的适应度值,淘汰适应度较小的值,接着进行交叉变异等操作,重复训练直到满足关系或达到迭代次数。有关遗传算法小波神经网络的详细介绍参见文献[4,15]。

图9 基于遗传算法改进的小波神经网络的流程图

将硬件温度补偿之后的数据作为GA-WNN算法的样本数据,首先对样本数据进行归一化处理[4]。然后利用MATLAB建立基于遗传算法改进的小波神经网络数学模型,对样本数据进行融合处理。小波神经网络输入层节点为2个(等效电阻值与温度值),隐含层为11个节点,输出层为1个节点(补偿后的压力值)。动量因子为0.01,学习速率为0.001,最大迭代次数为2 000次。设定遗传算法的参数如下:交叉率为0.75,变异率为0.08,初始化种群规模为200。在 0～1 000 kPa满量程范围内,硅铝异质结构压力传感器经过GA-WNN算法处理后的最终预测输出和预测误差分别如图10(a)和10(b)所示。

图10 GA-WNN算法补偿结果

从图10(a)可以看出每个期望与预测的输出均吻合,说明温度漂移的影响基本消除,传感器的性能得到了提升。而从图10(b)不难发现预测的绝对误差最大值不超过 15 kPa,换言之,测量误差小于±1.5% FS。由此可见经过 GA-WNN算法数据融合补偿之后硅铝异质结构压力传感器的测量误差显著减小,这主要归因于GA-WNN算法显著减小了硅铝异质结构传感器的非线性误差。根据图10(a)中的数据,利用式(8)可以计算得到补偿后不同温度下整体的非线性误差为1.36%,这明显小于补偿前的整体非线性误差3.56%。

6 结论

本文着重设计和研究了一种新型的基于硅铝异质传感结构和参考结构的大量程压力传感器,首先通过ANSYS有限元仿真对传感器进行了应力和灵敏度仿真,验证了硅铝异质结传感器具有高灵敏度。其次设计了传感器的制作工艺流程,并根据工艺流程和设计模型制作了硅铝异质结构传感器芯片。然后利用温度箱和高精度压力发生器对硅铝异质结构压力传感器进行实验测试和标定。主要采用了硬件温度补偿方式和基于遗传算法改进的小波神经网络算法对传感器进行补偿。研究结果表明,GA-WNN算法显著减小了传感器的温度漂移和非线性误差,提升了传感器的性能。本文的研究结果对于高灵敏度传感器研制具有一定的参考价值。