مدلسازی تحلیلی پاسخ آشکارسازی سنسور گاز هیدروژن بر پایه ترانزیستور با موبیلیتی الکترون بالا (HEMT)
Publish place: The Second International Conference and the Third National Conference on the Application of New Technologies in Engineering Sciences
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 518
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ITCC02_565
تاریخ نمایه سازی: 21 شهریور 1395
Abstract:
در این مقاله سنسور هیدروژن بر پایه ترانزیستور با موبیلیتی بالای الکترون (HEM با ساختار پیوند ناهمگون AlGaN/GaNو دارای گیت با جنس پلاتین مورد مطالعه قرار گرفته است. یک مدل تحلیلی برای پاسخ آشکارسازی ارائه و بحث شده ودقت آن از طریق تطابق با داده های آزمایشگاهی تایید گردیده است. با استفاده از داده های اندازه گیری عملی مربوط بهمشخصه های آشکارسازی در ترکیبی از گازهای (H(2)/N(2 در غلظت های بین 2ppm تا 6216ppm در دماهای مختلف مدل مربوطه تکمیل گردیده و مورد آنالیز قرار گرفته است. رابطه تقریبی بین پاسخ آشکارسازی و لگاریتم غلظت هیدروژندر یک بازه مشخص ارائه شده است. همچنین پاسخ آشکارسازی در مقادیر مختلف بایاس ولتاژ گیت با استفاده از مدل تحلیلی مذکور نشان داده شده است. مقادیر خاصی از ولتاژ بایاس و دما که در آنها سنسور فشار بر پایه HEMT حداکثر پاسخ آشکارسازی را بدست می دهد محاسبه شده اند. در این مقاله نشان داده شده است که استخراج یک مدل تحلیلی دقیق به کمک داده های آزمایشگاهی برای حسگر گاز مبتنی بر HEMT امکان پذیر است و به کمک خروجی های مدل می توان طراحی سنسور را جهت رسیدن به پاسخ حداکثری بهبود بخشید.
Keywords:
حسگر گاز , پاسخ آشکارسازی Sensing Response , مدل تحلیلی , ترانزیستور با موبیلیتی بالای الکترون HEMT , ارتفاع سد , شاتکی SBH , گازمونوکسید کربن CO , برازش منحنی curve fitting
Authors
حمیدرضا آبرون
دانشکده تحصیلات تکمیلی دانشگاه آزاد واحد بوشهر
زهیر کردرستمی
دانشکده مهندسی برق-الکترونیک، دانشگاه صنعتی شیراز
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 :