关键词:
纸基氨气传感器
聚丙烯酸
银纳米颗粒
喷墨打印
神经网络
传感器阵列
摘要:
氨气(NH3)检测技术已被广泛应用于多种领域,如食品加工、医疗诊断、制冷系统以及农业等,其中,气敏传感检测技术由于其高灵敏度、高选择性备受关注。目前,用于氨气传感器的敏感材料主要有半导体金属氧化物、碳材料和导电聚合物。其中,半导体金属氧化物需要较高的工作温度(200~500℃);碳材料的选择性较差、恢复时间较长;而导电聚合物的响应和恢复较慢。因此,本文首次提出一种通过喷墨印刷技术在纸基底上制备基于聚丙烯酸复合银纳米颗粒(PAA/Ag NP)的NH3传感器,其在室温下对NH3有着良好的选择性。同时,通过金属氧化物半导体传感器阵列对混合VOC气体进行定性定量识别算法研究。本文主要研究结果如下:制备了银纳米颗粒(AgNPs),其中Ag含量约为86.3%,在AgNPs的制备上进行改进,制成PAA/Ag NP纳米墨水,用于PAA/Ag NP传感器的制备。采用喷墨打印技术成功制备了具有良好NH3气敏性能的纸基PAA/Ag NP传感器,探究了传感器的电学特性。研究了不同打印次数和叉指间距对传感器气敏响应性能的影响,结果表明,在打印次数为13时传感器获得最佳响应值为66.5%,同时,PAA/Ag NP薄膜传感器的叉指间的间距越大,传感器对NH3的响应就越高。该传感器对NH3响应具有很好的选择性,且稳定性好,抗折叠性强。在对混合气体的定性定量识别研究中,本文选取了4个金属氧化物传感器组成传感器阵列对13种不同浓度的乙醇、丙酮混合气体分别做了气敏测试。选取其中78组作为神经网络训练数据库,26组作为校正样本,剩余39组作为新数据测试样本。在Matlab平台上,通过PNN神经网络对混合气体进行定性分析,准确率高达100%,并通过BP神经网络对混合气体进行定量分析,浓度识别误差为5%左右,对重新随机配置了3种其它浓度的样气,BP神经网络对其识别的平均误差仅为4.13%。最后,基于Matlab设计了集传感器数据传输、读取和气体分析等多功能为一体的GUI界面,为气体定性定量识别中的数据采集和算法识别的一体化提供了可能性,方便了电子鼻进行气体实时监测。本论文以普通打印纸为基底,利用喷墨打印技术首次制备了高灵敏度、高选择性、高稳定性的PAA/Ag NP基柔性室温NH3传感器;同时,通过不同的模式识别算法分别实现了对混合气体的定性和定量识别,识别准确率较高。本文的研究为新一代传感器的多功能化和智能化提供了实验依据与理论基础。