Systemy detekcji i rozpoznawania gazów na bazie nanosensorów
Przedmiotem rozprawy są systemy detekcji i rozpoznawania gazów na bazie nanosensorów. Celem pracy było opracowanie systemów detekcji gazów wykorzystujących matryce sensorów gazu na bazie tlenków metali. W pracy wykorzystano korelację pomiędzy temperaturą pracy sensora i jego właściwościami tj. czułością, selektywnością i odpowiedzią na różne gazy. Zostało skonstruowane i przebadane pięć rodzajów matryc składających się z sensorów komercyjnych oraz sensorów na bazie nanokrystalicznych cienkich warstw i nanoproszków. Wyniki pomiarów statycznych zostały wykorzystane do odpowiedniego dobrania profili temperaturowych wykorzystywanych w pomiarach dynamicznych. W pracy badano odpowiedzi sensorów na różne koncentracje H2, NO, CH4, C3H8 i NH3 a pomiary zostały wykonane przy różnych poziomach wilgotności. Dynamiczne odpowiedzi sensorów były analizowane z wykorzystaniem metod przetwarzania sygnałów takich jak Transformata Fouriera oraz algorytmów rozpoznawania wzorca takich jak analiza głównych składowych (PCA) czy sieci neuronowe, co umożliwiło określenie składu atmosfery gazowej. Uzyskane wyniki wskazują, że czujniki na bazie nanomateriałów mogą pracować w niższych temperaturach pracy w porównaniu do czujników komercyjnych. Ponadto zastosowane techniki modulacji temperatury i przetwarzania odpowiedzi dynamicznej umożliwiają określenie składu atmosfery gazowej.
This Ph.D. thesis is focused on nanosensor systems for gas detection and recognition. The aim was to develop a gas detection systems based on arrays of metal oxide gas sensors. Moreover, the correlation between the gas sensing properties i.e. sensitivity, selectivity and response to various gases and the sensors operating temperature was exploited in order to improve the sensors performance. Five types of sensors including commercial sensors, nanocrystalline thin film sensors and sensors based on nanopowders were used. The aim of the measurements in the static mode was to determine the basic sensing properties, which were exploited in the dynamic operating mode in order to ultimately improve the sensor performance. Sensor responses were recorded upon exposure to various concentrations of H2, NO, CFU, C3H8 and NH3. Moreover, the influence of humidity on the sensor responses was studied. The sensor responses have been analyzed by digital signal processing methods which included Fast Fourier Transform. Then, pattern recognition algorithms such as PCA and artificial neural networks have been applied do predict the gas atmosphere composition. The results indicate that sensors based on nanomaterials operate at lower temperatures compared to commercial sensors. The applied methods of temperature modulation and processing of dynamic sensor responses enable determination of gas atmosphere composition.