通过Ni2P的Fe-Ion兴奋剂工程来实现完全自动化的气体传感器,用于超敏感和可视化的NO2传感
Zhaokun Sun1, Ningning Zhang1, Xiao Wang1
1Laboratory of Functional Micro-nano Materials and Devices, School of Physics and Technology, University of Jinan, 336 Nanxin Zhuang West Road, Jinan, Shandong Province 250022, P.R. China.
ACS sensors
|December 19, 2025
概括
这项研究引入了一个自动供电的二氧化 (NO2) 气体传感器,使用铁化和深度学习. 这种新型传感器实现了高灵敏度,快速检测和准确量化,用于先进的环境监测.
科学领域:
- 材料科学 材料科学 材料科学
- 电化学 电化学 电化学
- 人工智能的人工智能
背景情况:
- 基于空气电池 (ZAB) 的自动供电气体传感器提供集成的传感和功率,但在灵敏度,选择性和漂移方面面临挑战.
- 现有的ZAB气体传感器需要改进,以便在复杂环境中可靠检测.
研究的目的:
- 使用ZAB.开发一种超敏感和选择性二氧化 (NO2) 气体传感器.
- 通过材料修改和深度学习算法来提高NO2传感性能.
- 创建一个智能传感器,用于可视化和远程检测气体.
主要方法:
- 基于ZAB的NO2传感器的制造,使用铁化 (FNP) 作为气体敏感阴极材料.
- 调查FNP材料的特性,包括因Fe兴奋剂而增强的电荷载体移动性和d频段中心转移.
- 在信号处理和数据分析中应用InceptionTime模型和波形变换.
- 构建一个集成传感器,微控制器和电色显示器的智能传感器设备.
主要成果:
- 基于FNP的传感器显示出高响应率 (0.22V @ 20ppm) 和61.8ppb的低检测极限 (LOD),快速响应时间为14秒.
- 深度学习算法显著降低了LOD到36.9ppb,从而实现了显著的气体识别和度量化.
- 在FNP中增强的吸附剂-基质相互作用和促进的电子转移有助于改善NO2还原反应动力学.
结论:
- 化是一种有前途的材料,可以提高基于ZAB的NO2传感器的性能.
- 深度学习算法有效地提高了自动供电气体传感器的灵敏度,选择性和量化能力.
- 开发的智能传感装置为远程和可视化环境气体监测提供了实用解决方案.
更多相关视频
11:18Manufacturing of a Nafion-coated, Reduced Graphene Oxide/Polyaniline Chemiresistive Sensor to Monitor pH in Real-time During Microbial Fermentation
Published on: January 7, 2019
8.9K
10:57Synthesis and Performance Characterizations of Transition Metal Single Atom Catalyst for Electrochemical CO2 Reduction
Published on: April 10, 2018
18.9K
