تشخیص استون در غلظت های کم با حسگر مجهز شده به سامانه پیش تغلیظ گر زئولیت A
Publish place: Journal of Iranian Association of Electrical and Electronics Engineers، Vol: 18، Issue: 4
Publish Year: 1400
نوع سند: مقاله ژورنالی
زبان: Persian
View: 276
This Paper With 7 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JIAE-18-4_014
تاریخ نمایه سازی: 27 مهر 1400
Abstract:
آشکارسازی استون با استفاده از حسگر گاز در غلظتهای پایین به علت کاربرد در شناسایی بیماری دیابت از تنفس بسیار حائز اهمیت است، درحالیکه معمولا حسگرهای گاز رایج فاقد چنین توانایی هستند. اندازه گیری استون موجود در بازدم انسان یک روش معتبر در تشخیص بیماری دیابت است، اما به علت مقدار کم استون در تنفس (کمتر از ppm ۱۰) اندازهگیری آن با استفاده از حسگرهای گاز تجاری دارای چالشهای فراوانی است. در پژوهش حاضر، جذب استون توسط زئولیت A نشان داده شد و سپس با استفاده از آن عملکرد حسگر گاز TGS۲۶۰۲ در تشخیص گاز استون بهبود داده شد. ابتدا پاسخ حسگر به مقادیر کمتر از ppm ۱۰ استون بررسی شد. سپس هوای آلوده به استون از بستر زئولیتی عبور داده شد تا استون موجود در آن در سطح زئولیت جذب شود. بلافاصله بعد از مرحله جذب، گرمایش زئولیت تا دمای ۴۵۰ درجه سانتیگراد انجام شد تا استون های جذب شده بهصورت یکجا رهاسازی شوند و باعث ایجاد غلظت لحظه ای بالاتری در محفظه حسگر نسبت به غلظت اولیه گاز شوند. به دلیل افزایش غلظت در زمان رهاسازی، پاسخ حسگر بهبود یافت. با این روش، غلظت استون در محفظه حسگر نسبت به هوای مورد آزمایش بیش از ۵۰ برابر افزایش داشت که باعث افزایش ۷ برابری پاسخ حسگر گردید. جهت بررسی کارایی سامانه ساخته شده، تاثیر عواملی از جمله جرم زئولیت استفاده شده، سرعت جابهجایی هوا و دمای رهاسازی بررسی شد. مشاهده شد که استفاده از حسگر مجهز شده به پیشتغلیظگر زئولیت A به عنوان یک روش آسان، کم هزینه و قابل اطمینان، حد آستانه تشخیص حسگر تجاری را افزایش میدهد.
Keywords:
Authors
سیمین روح افزایی
Shahed university
سعیده رهبرپور
Shahed university
محمد قربعلی
Shahed university
نوید قدسی
Guilan university
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :