金属氧化物气敏传感器(V)

大多数实用气敏传感器是金属氧化物半导体或金属氧化物固体电解质材料制作的,所以,把它们分为氧化物半导体气敏传感器和氧化物固体电解质气敏传感器两类.前者利用待测气体与氧化物半导体的相互作用引起器件电导（或电阻）的变化来测定气体，后者 利用氧化物固体电解质制作的电池的电动势与气体浓度的关系来测定气体的．     

氧化物半导体甲烷敏感元件研究进展

介绍了氧化物半导体甲烷气体敏感元件的工作机理,论述了改善氧化物半导体甲烷气敏传感器性能的几种途径.采用加入催化剂、控制材料的微细结构、利用新制备工艺和表面修饰等新方法、新技术可提高氧化物半导体甲烷气敏元件的灵敏度、选择性、响应和恢复特性、稳定性.     

基于非加热气体传感器的神经网络的气体检测

介绍了基于新型非加热型半导体气体传感器和人工神经网络的气体定量检测系统。通过该系统对酒精气体进行了定量检测分析。实验结果表明:系统能以较高的精度检测出气体的浓度,具有较高的实用性。     

掺杂PdO敏感电极对丙烯的气敏性能研究

为了研究并提升氧化钯(PdO)敏感电极的气敏性能,采用Ni,La和Mg元素对PdO进行掺杂.通过掺杂前后PdO的表征实验对比,发现掺杂作用不仅改变晶格参数,同时也影响晶体中的缺陷.在对丙烯气敏测试中,Ni和La掺杂的PdO敏感电极提高了传感器气敏灵敏度.对于掺杂提高气敏响应的机理,我们根据不同元素掺杂对PdO气敏反应的不同作用,讨论了氧化物缺陷对PdO催化活性的影响.晶体中的氧缺陷可以提高氧化物的催化活性,使传感器具有较高的灵敏度.具有掺杂PdO敏感电极对氧气和多种气体的选择性测试,表现出对丙烯气体具有较高的选择性.     

基于非加热气体传感器和神经网络的气体检测

介绍了基于新型非加热型半导体气体传感器和人工神经网络的气体定量检测系统.通过该系统对酒精气体进行了定量检测分析.实验结果表明:系统能以较高的精度检测出气体的浓度,具有较高的实用性.     

CO传感器

在既廉价又具有高可靠性的可燃性气体传感器中，高温中尚能保持稳定的氧化物半导体，须经多次使用才能测出电阻值变化。这种氧化物半导体对CO具有高灵敏度，或者是选择感应物质，偶尔也可见到用例。但遗憾的是，其可靠性直到目前还不近入意。     

氢敏钯栅MOSFET的设计理论与性能分析

<正> 一、前言 半导体器件对周围环境具有高度灵敏性,过去大多数工作致力于降低这种敏感性以提高半导体器件的可靠性。近些年来,也开始研究利用这种敏感性。其中一个重要成果是用钯作栅金属的N沟金属——氧化物——半导体场效应晶体管(以下简称Pd—MOSFET)。这种晶体管的开启电压随器件周围气氛中氢气的浓度而变化,可以用来检测气体中的氢气含量。这种检测方法具有灵敏度高、快速、定量、选择     

基于SnO2-La2O3掺杂的敏感材料CO2气敏特性研究

以半导体氧化物SnO2为基体材料加入40％的活性La2O3材料,制备出了对CO2具有敏感性的气体敏感材料,其检测体积分数范围为(0～5000) ×10-6.实验结果表明:在SnO2-La2O3敏感材料的基础上掺杂适量CeO2,Ag2O,SiO2等氧化物,不仅提高了其对CO2气体的灵敏度,而且可以提高其稳定性,从而大大改...     

基于遗传算法的可重入半导体生产线的调度

半导体生产线的可重入性使得半导体生产车间的调度成为NP难题.基于遗传算法的调度是将遗传算法应用到半导体生产线的投料策略和调度策略上,通过合理的编码来寻找一组投料策略和调度策略的组合,来解决可重入半导体生产线的调度问题.和以往的方法不同,这种方法可以从全局上来调度半导体生产线,充分发挥出各种策略的优势.仿真结果表明这种方法对于产出量、制造周期偏差、瓶颈设备利用率等关键生产指标都有明显改善.     

用PCVD制备的SnO2导电薄膜及其对NOx的气敏特性

本文利用PCVD方法制得了SnO_2导电薄膜,分析了其电学性能与沉积参数的关系,同时测得该膜具有负温阻特性,这种薄膜是n型半导体膜。在不同温度和不同NOx气体浓度下,对该膜进行了NOx气敏特性的测试。发现在常温下,SnO_2薄膜对NOx,具有较高的灵敏度,响应时间快的特性。     

基于KPCA-SVM的煤与瓦斯突出预测方法

提出了一种基于KPCA-SVM的煤与瓦斯突出预测方法。该方法首先通过KPCA方法对影响煤与瓦斯突出的相关指标进行特征提取,然后利用SVM方法对煤与瓦斯突出进行分类预测。实例结果表明,该方法对煤与瓦斯突出预测的准确率明显高于直接运用SVM方法的煤与瓦斯突出预测准确率,且运算速度快,识别能力强,同时根据该方法建立的煤与瓦斯突出分类预测模型具有较好的稳定性和有效性。     

基于灰色系统理论的瓦斯含量多变量可视化预测方法实现

针对煤矿瓦斯含量预测采用单因素梯度法存在可靠性不高的问题,提出了一种基于灰色系统理论的瓦斯含量多变量可视化预测方法,建立了预测模型的总体框架,给出了动态链接库实现灰建模数值算法的流程;并结合某矿实际,详细介绍了该预测方法的具体实现过程:首先通过数字化瓦斯地质图获取瓦斯含量原始数据,设置建模所需的相关参数,建立瓦斯含量多变量预测模型,选择瓦斯含量点击预测或批量预测,对预测结果的误差进行分析并与图形信息结合起来显示。该预测方法提高了预测的效率及决策的科学性,为煤矿日常瓦斯含量预测、管理及决策提供了一个直观、方便、高效的可视化预测手段。     

气敏元件离散性对气体体积分数测试准确度的影响

介绍了一种对气体体积分数进行数字化测量的新方法,分析了其工作原理及刻度方程线性化方法。在设计过程中发现,气敏元件离散性对气体体积分数的测量结果影响很大,为此,分析了由于气敏元件离散性的影响而带来的测量误差;并讨论了欲保证气体体积分数测试精确,气敏元件筛选时所应满足的条件。最后,通过一个实例对该分析方法进行了验证。     

压力和温度对瓦斯扩散规律的影响研究

针对瓦斯吸附解吸法测定瓦斯扩散系数时局限于颗粒煤、无法施加围压且气体压力不能任意设定等问题,采用规则块煤结合气相色谱分析法测定瓦斯在块煤中的扩散系数,分析了不同气体压力、温度下块煤瓦斯扩散规律。实验结果表明,随着气体压力的增大,煤基质吸附气体增加且发生膨胀变形,从而孔隙减小,扩散阻力增大,扩散系数减小;随着温度的升高,气体分子运动速度增大,扩散动力增强,扩散系数变大。     

氧化铟纳米材料的制备及其在气体传感器中的应用

评述了氧化铟纳米材料的各种制备方法的优缺点,包括溅射法、激光烧蚀法、溶胶凝胶法、化学气相沉积法、均匀沉淀法、微乳液法、模板法等.对氧化铟半导体材料在气体传感器中的应用做了简单介绍,包括它作为CO、NO2、O3、H2等气体传感器的应用现状.     

载体催化型瓦斯传感器输出电压与瓦斯体积分数函数关系研究

针对载体催化型瓦斯传感器的近似直线形的输出曲线存在非线性误差较大、准确度低的问题,提出了一种采用最小二乘法建立载体催化型瓦斯传感器输出电压与瓦斯体积分数函数关系的方法。以MJC4/2.9J型载体催化元件为实验对象,结合相应的实验数据得到输出电压与瓦斯体积分数的拟合曲线,该拟合曲线的结果表明,采用最小二乘法建立的瓦斯传感器输出电压与瓦斯体积分数函数关系非线性误差较小、准确度高,并将该函数关系应用到瓦斯检测仪的设计中。实际应用结果表明,该瓦斯检测仪具有较高的精度及稳定性。     

基于分段线性方法的瓦斯浓度时间序列模式表示

指出直接采用原始瓦斯浓度时间序列进行短期浓度预测、相似性查询、时间序列分类和聚类等数据挖掘工作不但效率低下,而且会影响时间序列数据挖掘的准确性和可靠性;提出了一种采用分段线性方法的时间序列模式表示方法。采用分段线性表示方法对瓦斯浓度时间序列进行模式表示后可换来较小的存储和计算代价,只保留了时间序列的主要形态,去除了细节干扰,更能反映出时间序列的自身特征,有利于提高数据挖掘的效率和准确性。     

瓦斯突出模型预测控制的应用研究

煤体瓦斯涌出量的动态变化是一个复杂的非线性系统,传统的瓦斯监测方法准确率较低。针对该问题,文章提出了一种基于BP人工神经网络模型的瓦斯突出危险性预测控制方法。该方法运用BP人工神经网络预测模型对输入的多组样本进行训练学习、建立预测准则,并以此辨识瓦斯突出危险性类型。仿真结果表明,该方法有效解决了传统的瓦斯突出预测模型在事故预测中误差大、稳定性差的缺陷,提高了预测精度。     

基于蚁群-模糊聚类算法的井下工作面瓦斯突出预测

针对现有的瓦斯预测方法在实际应用中受到较大限制且预测结果的准确性较差的问题,提出了一种基于蚁群-模糊聚类算法的瓦斯突出预测方法;分析了蚁群-模糊聚类算法的基本原理及实现步骤,并以某煤矿井下工作面某时段内的瓦斯突出数据为例,采用蚁群-模糊聚类算法对该数据进行了挖掘分析,从而找出了瓦斯突出量与其影响因素即埋藏深度、煤层厚度、瓦斯含量、日进度、煤层间距、日产量之间的关系。测试结果表明,该方法预测结果与实际监测记录完全一致,具有较高的聚类预测性能。     

煤层瓦斯资源量预测研究

利用VBA语言对AutoCAD进行二次开发,通过拓展数据功能实现对矿井瓦斯地质图中瓦斯抽采钻孔的钻孔初始瓦斯流量、钻孔瓦斯流量衰减系数和钻孔抽采起止日期等钻孔属性信息的赋值和查询,并根据钻孔初始瓦斯流量和百米钻孔瓦斯流量分别实现了块段内钻孔瓦斯抽采量的预测;在矿井瓦斯地质图的基础上,应用距离幂次反比法和瓦斯地质统计法实现了块段内瓦斯资源量、瓦斯剩余量的自动计算。实际应用结果表明,瓦斯资源量和钻孔瓦斯抽采量的预测误差为3.7%,预测结果为煤层瓦斯资源量和瓦斯抽采效果的评价提供了参考。