5.1 - Erhöhung der Dimensionalität und Stabilität von Gassensorsystemen als Basis für die erfolgreiche Anwendung von Methoden des maschinellen Lernens
- Event
- 15. Dresdner Sensor-Symposium 2021
2021-12-06 - 2021-12-08
Dresden - Band
- Vorträge
- Chapter
- 5. Smarte (Gas-)Sensorik
- Author(s)
- C. Schultealbert, T. Baur, M. Leidinger, W. Reimringer, T. Conrad - 3S GmbH, Saarbrücken/D
- Pages
- 75 - 79
- DOI
- 10.5162/15dss2021/5.1
- ISBN
- 978-3-9819376-5-7
- Price
- free
Abstract
Die Gasmesstechnik gehört zu den herausforderndsten Gebieten der Messtechnik. In der chemischen Analytik wird für jede Messaufgabe die passende Probenvorbereitung (Sorbens, Sampling- Technologie, Transportvorkehrungen) und eine fähige Analysetechnik (z.B. GC-MS, HPLC) ausgewählt. Obwohl Sensorsysteme allgemein als kostengünstig und einfach angesehen werden, gilt für die Gasmesstechnik ähnliches: Sampling, Sensoren, Betriebsart und vor allem Auswertemethodik müssen sorgfältig ausgewählt, vorbereitet und abgestimmt werden. Ein Gesamtsystem ist somit für eine spezifische Anwendung maßgeschneidert. Zum Einsatz kommen dabei oft Methoden des maschinellen Lernens, um die Vielzahl von Sensorsignalen und Parametern erfolgreich zu verarbeiten und in eine relevante Ausgabegröße umzuwandeln. Ein bekannter und seit mehreren Jahrzehnten verfolgter Ansatz ist der temperaturzyklische Betrieb von Metalloxid-Halbleitergassensoren (MOSSensoren). Der Informationsgehalt eines solchen Sensorsignals ist durch den Zusammenhang von Schichttemperatur und Reaktivität deutlich erhöht. Durch komplexe statistische Kalibrierung und Methoden wie der PLSR (partial least squares regression) oder der Anwendung von neuronalen Netzen können hervorragende Ergebnisse z.B. im Rahmen der Innenraumluftqualitätsmessung (IAQ) erzielt werden. Für komplexere Messaufgaben können insbesondere Informationen orthogonal zum TCO interessant sein, um eine selektivere und stabilere Modellbildung mit Methoden des maschinellen Lernens zu ermöglichen. Dies kann beispielsweise durch Kombination verschiedener MOS-Sensorschichten oder verschiedener Sensorprinzipien erfolgen. Darüber hinaus ist die Kombination mit einem Präkonzentrator denkbar, der zusätzlich Informationen über Flüchtigkeit und Diffusionsgeschwindigkeit bereitstellt. Das vorliegende Manuskript gibt einen kurzen Einblick in diese Technologien. Ausgehend von der Anwendung IAQ und einer schlichten Kalibrierung eines Sensorsystems basierend auf einem einzigen MOS-Sensor, wird der Informationsgehalt der Desorption eines Präkonzentrators demonstriert sowie gezeigt, dass die Kombination von MOSSensorschichten mehr Information bieten kann, aber nicht muss. Zuletzt wird gezeigt, dass im Außenbereich durch die Kombination mehrerer Sensortechnologien wie MOS-Sensoren und elektrochemische Zellen (EC-Zellen) z.B. Maskierungseffekte aufgedeckt werden können, aber auch neue Fragen aufgrund von Korrelationen zum Vorschein kommen.