ИДЕНТИФИКАЦИЯ ГОРЮЧИХ ГАЗОВ ТЕРМОКАТАЛИТИЧЕСКИМИ СЕНСОРАМИ

Автор: Д. Н. Спирякин, А. М. Баранов

Журнал: Научное приборостроение @nauchnoe-priborostroenie

Рубрика: Физика приборостроения

Статья в выпуске: 1 т.32, 2022 года.

Бесплатный доступ

Термокаталитические сенсоры газа — одни из самых широко используемых при измерении концентраций горючих газов. Однако, несмотря на множество достоинств данного типа сенсоров, существуют и недостатки, одним из которых является низкая селективность к целевым горючим газам. В данном исследовании представлены результаты применения методов машинного обучения для распознавания горючих газов в воздухе с использованием термокаталитических сенсоров. Измерения сигнала сенсора выполнялись с использованием метода многостадийного измерительного импульса, описанного в наших предыдущих работах. Для насыщения сигнала информацией о газовом составе окружающей среды данный метод был модифицирован путем значительного увеличения числа стадий измерений. В качестве целевых газов использовались метан и пары ацетона, этанола и бензина. Для обработки многомерного сигнала сенсора применялся метод опорных векторов. Результаты показывают, что предлагаемый подход позволяет идентифицировать газы единственным термокаталитическим сенсором, что может быть использовано при разработке селективных детекторов, реагирующих только на целевые газы.

Еще

Горючие газы и пары, сенсоры газа, термокаталитический сенсор, идентификация газов

Короткий адрес: https://sciup.org/142231107

IDR: 142231107   |   DOI: 10.18358/np-32-1-i2134

Список литературы ИДЕНТИФИКАЦИЯ ГОРЮЧИХ ГАЗОВ ТЕРМОКАТАЛИТИЧЕСКИМИ СЕНСОРАМИ

  • 1. Баранов А.М., Осипова Т.В. Современные тенденции в развитии сенсоров довзрывоопасных концентраций горючих газов (краткий обзор) // Научное приборостроение. 2021. Т. 31, № 4. С. 3–29. URL: http://iairas.ru/mag/2021/abst4.php#abst1
  • 2. Spirjakin D., Baranov A.M., Somov A., Sleptsov V. Investigation of heating profiles and optimization of power consumption of gas sensors for wireless sensor networks // Sensors and Actuators A: Physical. 2016. Vol. 247. P. 247–253. DOI: 10.1016/j.sna.2016.05.049
  • 3. Samotaev N., Oblov K., Ivanova A., Pershenkov V. Low power thermocatalytic sensors with nanostructured gas sensitive materials. 2019. URL: http://repository.utm.md/handle/5014/5753
  • 4. Karpov E.Е., Karpov E.F., Suchkov A., Mironov S., Baranov A., Sleptsov V., Calliari L. Energy efficient planar catalytic sensor for methane measurement // Sensors and Actuators A: Physical. 2013. Vol. 194. P. 176–180. DOI: 10.1016/j.sna.2013.01.057
  • 5. Korotcenkov G., Cho B.K. Engineering approaches for the improvement of conductometric gas sensor parameters: Part 1. Improvement of sensor sensitivity and selectivity (short survey) // Sensors and Actuators B: Chemical. 2013. Vol. 188. P. 709–728. DOI: 10.1016/j.snb.2013.07.101
  • 6. Hiranaka Y., Abe T., Murata H. Gas-dependent response in the temperature transient of SnO2 gas sensors // Sensors and Actuators B: Chemical. 1992. Vol. 9, no. 3. P. 177–182. DOI: 10.1016/0925-4005(92)80213-H
  • 7. Cavicchi R.E., Suehle J.S., Kreider K.G., Gaitan M., Chaparala P. Fast temperature programmed sensing for micro-hotplate gas sensors // IEEE Electron Device Letters. 1995. Vol. 16, no. 6. P. 286–288. DOI: 10.1109/55.790737
  • 8. Parret F., Ménini Ph., Martinez A., Soulantica K., Maisonnat A., Chaudret B. Improvement of micromachined SnO2 gas sensors selectivity by optimised dynamic temperature operating mode // Sensors and Actuators B: Chemical. 2006. Vol. 118, is. 1-2. P. 276–282. DOI: 10.1016/j.snb.2006.04.055
  • 9. Brauns E., Morsbach E., Kunz S., Baeumer M., Lang W. Temperature modulation of a catalytic gas sensor // Sensors. 2014. Vol. 14, is. 11. P. 20372–20381. DOI: 10.3390/s141120372
  • 10. Kalinowski P. Woźniak L., Strzelczyk A., Jasinski P., Jasiński G. Efficiency of linear and non-linear classifiers for gas identification from electrocatalytic gas sensor // Metrology and Measurement Systems. 2013. Vol. 20, no. 3. P. 501–512. DOI: 10.2478/mms-2013-0043
  • 11. Ben-Hur A., Weston J. A user’s guide to support vector machines // Data mining techniques for the life sciences. Humana Press, 2010. P. 223–239.
  • 12. Scikit-learn: machine learning in Python. URL: https://scikit-learn.org
  • 13. Jolliffe I.T., Cadima J. Principal component analysis: a review and recent developments // Philosophical Transactions of the Royal Society A: Mathematical, Physical and Engineering Sciences. 2016. Vol. 374, no. 2065. Id. 20150202. DOI: 10.1098/rsta.2015.0202
  • 14. Yi W.Y., Lo K.M., Mak T., Leung K.S., Leung Y., Meng M.L. A survey of wireless sensor network based air pollution monitoring systems // Sensors. 2015. Vol. 15, no. 12. P. 31392–31427. DOI: 10.3390/s151229859
  • 15. Arroyo P., Herrero J.L., Suárez J.I., Lozano J. Wireless sensor network combined with cloud computing for air quality monitoring // Sensors. 2019. Vol. 19, no. 3. Id. 691. DOI: 10.3390/s19030691
Еще
Статья научная