Published November 7, 2019
| Version v1
Publication
Open
Improved Gas Selectivity Based on Carbon Modified SnO2 Nanowires
- 1. University of Trento
- 2. Universidade Federal de Itajubá
- 3. Hanoi University of Science and Technology
Description
The analysis of ambient (home, office, outdoor) atmosphere in order to check the presence of dangerous gases is getting more and more important. Therefore, tiny sensors capable to distinguish the presence of specific pollutants is crucial. Herein, a resistive sensor based on a carbon doped tin oxide nanowires, able to classify different gases and estimate their concentration, is presented. The C-SnO2 nanostructures are grown by chemical vapor deposition and then used as a conductometric sensor under a temperature gradient. The device works at lower temperatures than pure SnO2, with a better response. Five outputs are collected and combined to form multidimensional data that are specific of each gas. Machine learning algorithms are applied to these multidimensional data in order to teach the system how to recognize different gases. The 6 tested gases (acetone, ammonia, CO, ethanol, hydrogen, and toluene) are perfectly classified by three models, demonstrating the goodness of the raw sensor response. The gas concentration can also be estimated, with an average error of 36% on the low concentration range 1 - 50 ppm, making the sensor suitable for detecting the exceedance of the danger thresholds.
Translated Descriptions
⚠️
This is an automatic machine translation with an accuracy of 90-95%
Translated Description (Arabic)
أصبح تحليل الغلاف الجوي المحيط (المنزل، المكتب، الهواء الطلق) من أجل التحقق من وجود غازات خطرة أكثر أهمية. لذلك، فإن أجهزة الاستشعار الصغيرة القادرة على التمييز بين وجود ملوثات محددة أمر بالغ الأهمية. هنا، يتم تقديم مستشعر مقاوم يعتمد على أسلاك نانوية من أكسيد القصدير مخدر بالكربون، قادر على تصنيف الغازات المختلفة وتقدير تركيزها. تزرع الهياكل النانوية C - SnO2 عن طريق ترسيب البخار الكيميائي ثم تستخدم كمستشعر موصل تحت تدرج درجة الحرارة. يعمل الجهاز في درجات حرارة أقل من SnO2 النقي، مع استجابة أفضل. يتم جمع خمسة مخرجات ودمجها لتشكيل بيانات متعددة الأبعاد خاصة بكل غاز. يتم تطبيق خوارزميات التعلم الآلي على هذه البيانات متعددة الأبعاد من أجل تعليم النظام كيفية التعرف على الغازات المختلفة. يتم تصنيف الغازات الستة المختبرة (الأسيتون والأمونيا وأول أكسيد الكربون والإيثانول والهيدروجين والتولوين) بشكل مثالي من خلال ثلاثة نماذج، مما يدل على جودة استجابة المستشعر الخام. يمكن أيضًا تقدير تركيز الغاز، بمتوسط خطأ 36 ٪ على نطاق التركيز المنخفض 1 - 50 جزء في المليون، مما يجعل المستشعر مناسبًا للكشف عن تجاوز عتبات الخطر.Translated Description (French)
L'analyse de l'atmosphère ambiante (maison, bureau, extérieur) afin de vérifier la présence de gaz dangereux devient de plus en plus importante. Par conséquent, de minuscules capteurs capables de distinguer la présence de polluants spécifiques sont cruciaux. L'invention concerne un capteur résistif basé sur des nanofils d'oxyde d'étain dopés au carbone, capable de classer différents gaz et d'estimer leur concentration. Les nanostructures C-SnO2 sont développées par dépôt chimique en phase vapeur puis utilisées comme capteur conductimétrique sous un gradient de température. L'appareil fonctionne à des températures plus basses que le SnO2 pur, avec une meilleure réponse. Cinq sorties sont collectées et combinées pour former des données multidimensionnelles spécifiques à chaque gaz. Des algorithmes d'apprentissage automatique sont appliqués à ces données multidimensionnelles afin d'apprendre au système à reconnaître différents gaz. Les 6 gaz testés (acétone, ammoniac, CO, éthanol, hydrogène et toluène) sont parfaitement classés par trois modèles, démontrant la bonté de la réponse du capteur brut. La concentration de gaz peut également être estimée, avec une erreur moyenne de 36 % sur la plage de faible concentration de 1 à 50 ppm, ce qui rend le capteur approprié pour détecter le dépassement des seuils de danger.Translated Description (Spanish)
El análisis de la atmósfera ambiente (hogar, oficina, exterior) con el fin de comprobar la presencia de gases peligrosos es cada vez más importante. Por lo tanto, es crucial contar con sensores diminutos capaces de distinguir la presencia de contaminantes específicos. En el presente documento, se presenta un sensor resistivo basado en nanocables de óxido de estaño dopados con carbono, capaz de clasificar diferentes gases y estimar su concentración. Las nanoestructuras de C-SnO2 se cultivan mediante deposición química de vapor y luego se utilizan como sensor conductométrico bajo un gradiente de temperatura. El dispositivo funciona a temperaturas más bajas que el SnO2 puro, con una mejor respuesta. Se recopilan cinco salidas y se combinan para formar datos multidimensionales que son específicos de cada gas. Los algoritmos de aprendizaje automático se aplican a estos datos multidimensionales para enseñar al sistema a reconocer diferentes gases. Los 6 gases probados (acetona, amoníaco, CO, etanol, hidrógeno y tolueno) están perfectamente clasificados por tres modelos, lo que demuestra la bondad de la respuesta bruta del sensor. También se puede estimar la concentración de gas, con un error medio del 36% en el rango de baja concentración 1 - 50 ppm, lo que hace que el sensor sea adecuado para detectar la superación de los umbrales de peligro.Files
pdf.pdf
Files
(1.8 MB)
| Name | Size | Download all |
|---|---|---|
|
md5:46540c4dc757e75acf397278de0f3e16
|
1.8 MB | Preview Download |
Additional details
Additional titles
- Translated title (Arabic)
- تحسين انتقائية الغاز بناءً على أسلاك النانو SnO2 المعدلة بالكربون
- Translated title (French)
- Amélioration de la sélectivité des gaz basée sur des nanofils de SnO2 modifiés au carbone
- Translated title (Spanish)
- Selectividad de gas mejorada basada en nanocables de SnO2 modificados con carbono
Identifiers
- Other
- https://openalex.org/W2988086145
- DOI
- 10.3389/fmats.2019.00277
References
- https://openalex.org/W1973587761
- https://openalex.org/W1977569926
- https://openalex.org/W1985269257
- https://openalex.org/W2006880698
- https://openalex.org/W2014306038
- https://openalex.org/W2036737027
- https://openalex.org/W2047256964
- https://openalex.org/W2069788135
- https://openalex.org/W2079052383
- https://openalex.org/W2092673070
- https://openalex.org/W2101234009
- https://openalex.org/W2111403594
- https://openalex.org/W2115356601
- https://openalex.org/W2143952347
- https://openalex.org/W2195963533
- https://openalex.org/W2343786898
- https://openalex.org/W2460369547
- https://openalex.org/W2493715878
- https://openalex.org/W2551794004
- https://openalex.org/W2572716498
- https://openalex.org/W2612578528
- https://openalex.org/W2759312067
- https://openalex.org/W2766797926
- https://openalex.org/W2772818648
- https://openalex.org/W2788048701
- https://openalex.org/W2806793923
- https://openalex.org/W2883108686
- https://openalex.org/W2888171707
- https://openalex.org/W2889326414
- https://openalex.org/W2898927320
- https://openalex.org/W2917103566
- https://openalex.org/W2938733100
- https://openalex.org/W2942377467
- https://openalex.org/W4205158575