Bibliographic Metadata
Bibliographic Metadata
- TitleKonzepte zur Steigerung der Selektivität resistiver Metalloxid-basierter Gassensoren / Dominik Baier ; Gutachter: Prof. Dr. Michael Tiemann, Prof. Dr.-Ing. Guido Grundmeier
- Author
- Degree supervisor
- Published
- Description1 Online-Ressource (XVI, 129 Seiten) Diagramme, Illustrationen
- Institutional NoteUniversität Paderborn, Dissertation, 2025
- AnnotationTag der Verteidigung: 03.06.2025
- Defended on2025-06-03
- LanguageGerman
- Document TypesDissertation (PhD)
- Keywords (GND)
- URN
- DOI
Links
- Social MediaShare
- Reference
- IIIF
Files
Classification
Zusammenfassung
Nachhaltige Energieträger, wie grüner Wasserstoff, sind ein Schlüssel zur Erreichung der Klimaneutralität. Zur zuverlässigen Überwachung der H2-Konzentration haben Metalloxide als resistive Gassensoren vielversprechende Eigenschaften. Allerdings besteht die Herausforderung darin, einen selektiven Gassensor herzustellen, der spezifisch auf ein Gas reagiert und keine Querempfindlichkeit für andere Gase aufweist. Als Lösung für dieses Problem werden verschiedene Ansätze vorgestellt. Metalloxidpartikel (CeO2, In2O3) und dünne Metalloxid-Schichten (In2O3, SnO2, WO3) werden synthetisiert und auf ihre Selektivität gegenüber reduzierenden Gasen (CO, H2, H2O) untersucht. Der Einfluss der thermischen Vorbehandlung auf die Sensorantwort wird am Beispiel von WO3 untersucht. Dadurch können geringe H2-Konzentrationen detektiert werden, ohne dass der Sensor mit einem Katalysator beladen werden muss. Hingegen werden für CeO2 nur geringe Sensorantworten erhalten. Durch den Einbau von Cu wird die Sensorantwort verbessert, die Querempfindlichkeit gegenüber H2O reduziert und die Selektivität für CO erhöht. Eine weitere Erhöhung der Selektivität wird durch mikroporöse Filterschichten erreicht. Sie werden als dünne Schichten auf SnO2, WO3 oder In2O3-Schichten abgeschieden, wodurch H2 selektiv detektiert werden kann. Um eine simultane Detektion von H2 und H2O zu erreichen, wird maschinelles Lernen eingesetzt. Eine Support Vektor Maschine ordnet die Widerstände reproduzierbar den korrekten Gaskonzentrationen zu.
Abstract
Sustainable energy carriers such as green hydrogen are key to achieving climate neutrality. Metal oxides have promising properties as resistive gas sensors for monitoring H2 concentrations effectively. However, the challenge is to produce a selective gas sensor that reacts specifically to one single gas and is not cross-sensitive to other gases. Various strategies are presented as a solution to this problem. Metal oxide particles (CeO2, In2O3) and metal oxide films (In2O3, SnO2, WO3) are synthesized and investigated for their selectivity to reducing gases (CO, H2, H2O).The influence of thermal pretreatment on the sensor response is investigated using WO3 as an example. As a result, low H2 concentrations can be detected without the sensor requiring to be catalytically loaded. In contrast, only low sensor responses are obtained for CeO2. The incorporation of Cu improves the sensor response, reduces the cross-sensitivity to H2O and increases the selectivity for CO. A further increase in selectivity is achieved by using microporous filter layers. They are deposited as films on SnO2, WO3 or In2O3 films, allowing H2 to be detected selectively. Machine learning is used to achieve simultaneous detection of H2 and H2O. A support vector machine reproducibly assigns the resistances to the correct gas concentrations.
Content
Stats
- The PDF-Document has been downloaded 31 times.
License/Rightsstatement
