Алгоритм комп'ютерної обробки кінетичних залежностей відгуку газового сенсора з інтелектуальними компонентами
DOI:
https://doi.org/10.34185/1562-9945-1-150-2024-15Ключові слова:
алгоритм, розтягнута експонента, газовий датчик, відгук, розрахунок параметрів, автоматизація, інформаційно-вимірювальна система.Анотація
Метою роботи є розробка алгоритму з використанням інтелектуальними ком-понентами, що дозволить забезпечувати обробку експериментальних даних кінетики відгуку резистивних газових сенсорів на основі алгоритму моделі розтягнутої експоне-нційної функції Кольрауша-Вільямса-Уоттса, без втручання оператора. У даній статті розглядаються особливості алгоритму для розрахунку парамет-рім необхідних для обробки експериментальних даних для вирішення задач автоматизації досліджень матеріалів для газочутливих сенсорів. У статті описано проблеми реалізації повної автоматизації інформаційно-вимірювальної системи для дослідження основних характеристик газочутливих сенсорів, а саме вибору найбільш інформативного інтервалу часу та оптимальних аналітичних виразів уявлення тенденцій впливу параметрів зазначеної залежності то-го чи іншого зовнішнього чинника, що характеризують умови вимірювання. Наведено алгоритм обробки експериментальної кінетичної залежності відгуку газових сенсорів на основі моделі розтягнутої експоненціальної функції з інтелектуальними складови-ми, які дозволяють вибрати найбільш інформативний інтервал часу з оброблених кінетичних залежностей. Використання запропонованого алгоритму узгоджується з даними, отриманими іншими методами, а також існуючими концепціями. Алгоритм видається перспективним для реалізації автоматизації обробки даних при побудові та застосуванні інформаційно-вимірювальних систем для дослідження газочутливих сенсорних матеріалів.
Посилання
Tonkoshkur, A. S., Lyashkov, A. Y., & Povzlo, E. L. (2018). Kinetics of Response of ZnO-Ag Ceramics for Resistive Gas Sensor to the Impact of Methane, and its Analysis Using a Stretched Exponential Function. Sensors and Actuators B: Chemical. Vol. 255, Part 2. Febru-ary, P. 1680-1686. https://doi.org/10.1016/j.snb.2017.08.171
Acharyya, S., Nag, S., Kimbahune, S., Ghose, A., Pal, A., & Guha, P. K. (2021). Selective discrimination of VOCs applying gas sensing kinetic analysis over a metal oxide-based chemiresistive gas sensor. ACS sensors, 6(6), 2218-2224.
Saggu, I. S., Singh, S., Chen, K., Xuan, Z., Swihart, M. T., & Sharma, S. (2023). Ultrasen-sitive Room-Temperature NO2 Detection Using SnS2/MWCNT Composites and Accelerated Recovery Kinetics by UV Activation. ACS sensors, 8(1), 243-253
A.S. Tonkoshkur, A.S. Lozovskyi Application for calculating the parameters of a gas sen-sor from the experimental kinetic dependence of response. System technologies, 2021, 2(133): 26-32. DOI 10.34185/1562-9945-2-133-2021-04
A.S. Tonkoshkur, A.S. Lozovskyi Software for processing and analysis of experimental data in researching of gas sensors. System technologies, 2022, 1(138): 175-184. DOI 10.34185/1562-9945-1-138-2022-17
Грачева Н.Н, Руденко Н.Б., Литвинов В.Н. Специализированное программное обес-печение для научных исследований [Электронный ресурс]: учебное пособие– Электрон. дан. – Зерноград: Азово-Черноморский инженерный институт ФГБОУ ВО ДГАУ, 2018. – 127 с.
Лазурик В. Т., Починок А. В. Модель компьютерной обработки и анализа экспери-ментальных данных при исследовании плазменного источника ультрафиолета. Вісник Харківського національного університету Серія ≪Математичне моделювання. Інформаційні технології. Автоматизовані системи управління≫2008. № 833. с.149-162.
Пыхалов А. А., Лам З. В., Белозерцева О. П. Математическое моделирование для компьютерной обработки сканирования твердых деформируемых тел при построении и анализе их конечно-элементных моделей //Вестник Иркутского государственного тех-нического университета. – 2018. – Т. 22. – №. 3 (134).
С. 93-111
Шмелев О. Я., Королев В. Ф. О компьютерной обработке результатов измерений //Вестник компьютерных и информационных технологий. – 2009. – №. 9. – С. 50-53.
Simdyankin S I. & Mousseau N. Relationship between dynamical heteroge¬neities and stretched exponential relaxation // Physical Review E. - 2003. -68 (4). - P.104-110.
Trzmiel J., Weron K., Janczura J. & Placzek-Popko E. Properties of the re¬laxation time distribution underlying the Kohlrausch-Williams-Watts photoionization of the DX centers in Cdl-xMnxTe mixed crystals // Jour¬nal of Physics Condensed Matter. - 2009. 21'(34). - P.345801.
A.S. Tonkoshkur, A.S. Lozovskyi Algorithm for processing gas sensor’s response kinetics data using extended exponential function without numerical differentia-tion. System tech-nologies, 2023, 1 (144): 24-34. DOI 10.34185/1562-9945-1-144-2023-04
Selezneva M. S., Neusypin K. A. Development of a measurement complex with intelli-gent component //Measurement Techniques. – 2016. – Т. 59. – С. 916-922
Pawłowski, M., Kamiński, P., Kozłowski, R., Jankowski, S., & Wierzbowski, M. (2005). Intelligent measuring system for characterisation of defect centres in semi-insulating materials by photoinduced transient spectroscopy. Metrology and Measurement Systems, 12(2), 207-228.
Selivanova, Z. M., Kurenkov, D. S., Trapeznikova, O. V., & Nagornova, I. V. (2020, May). Intelligent information-measuring system for operational control of thermo-physical properties of heat insulating materials. In Journal of Physics: Conference Series (Vol. 1546, No. 1, p. 012029). IOP Publishing.
Shen, K., Selezneva, M. S., Neusypin, K. A., & Proletarsky, A. V. (2017). Novel variable structure measurement system with intelligent components for flight vehicles. Metrology and measurement systems, 347-356.
Yunpeng, W., Ruixin, Y., Shaojun, N., & Zonglin, J. (2020). Deep-learning-based intelli-gent force measurement system using in a shock tunnel. 力学学报, 52(5), 1304-1313
Orlov S. P., Vasilchenko A. N. Intelligent measuring system for testing and failure analy-sis of electronic devices //2016 XIX IEEE International Conference on Soft Computing and Measurements (SCM). – IEEE, 2016. – С. 401-403.
Тонкошкур О.С., Повзло Є.Л. Алгоритм обробки даних кінетики відгуку резистивного газового сенсору на основі моделі розтягнутої експоненціальної функції. Системні технології. Регіональний міжвузівський збірник наукових праць. – Вип. 1′(108) – Дніпропетровськ, 2017. – С. 129-134
Методи та системи штучного інтелекту: Навчальний посібник для студентів напря-му підготовки 6.050101«Комп’ютерні науки» А.С. Савченко, О. О. Синельніков. – К. : НАУ, 2017. – 190 с.
Булкин В. И., Шаронова Н. В. Математические модели знаний и их реализация с по-мощью алгебропредикатных структур //Булкин ВИ, Шаронова НВ–Национальный тех-нический университет «ХПИ», Макеевский экономикогуманитарный институт. Изд.: Дмитренко ЛР, Донецк. – 2010. – 304. c.
Шуп Е. Т. Решение инженерных задач на ЭВМ. – Мир, 1982.- 230 с.
Lozovskyi, A., Lyashkov, A., Gomilko, I., & Tonkoshkur, A. (2023). Implementation of computer processing of relaxation processes investigation data using extended exponential function. Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska, 13(3), 51-55.
Завантаження
Опубліковано
Номер
Розділ
Ліцензія
Авторське право (c) 2024 Системні технології
Ця робота ліцензується відповідно до ліцензії Creative Commons Attribution 4.0 International License.
