CN105954323A - 一种火电厂排放气态污染物超低浓度智能监测装置 - Google Patents
一种火电厂排放气态污染物超低浓度智能监测装置 Download PDFInfo
- Publication number
- CN105954323A CN105954323A CN201610388186.1A CN201610388186A CN105954323A CN 105954323 A CN105954323 A CN 105954323A CN 201610388186 A CN201610388186 A CN 201610388186A CN 105954323 A CN105954323 A CN 105954323A
- Authority
- CN
- China
- Prior art keywords
- graphene
- power plant
- oxide
- sensor array
- smoke
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Biochemistry (AREA)
- Electrochemistry (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analyzing Materials By The Use Of Fluid Adsorption Or Reactions (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)
Abstract
本发明公开了一种火电厂排放气态污染物超低浓度智能监测装置,包括烟尘分离器、烟气冷却模块、烟气测试腔、石墨烯基气敏传感器阵列、多通道数据采集模块、智能检测系统、LABVIEW终端显示系统及无线传输监测系统。该装置将火电厂排放烟气经烟尘分离器除尘后,由烟气冷却模块降温处理并进入置有石墨烯基气敏传感器阵列的烟气测试腔,多通道数据采集模块获取阵列信号,采用遗传粒子群‑径向基神经网络为核心的智能检测系统输出烟气组分浓度,并由无线传输监测系统将检测浓度远程传输至环保监管部门或工作人员手机监控终端。本发明提供的火电厂烟气排放组分浓度监测装置,具有低检测限、高灵敏度、稳定性高、实时在线等技术特点。
Description
技术领域
本发明涉及一种火电厂排放气态污染物超低浓度智能监测装置,具体涉及一种基于石墨烯气敏传感器阵列的火电厂排放气态污染物超低浓度智能监测装置。
背景技术
当前,全国范围内雾霾天气的频发,火电厂排放气态污染物与频发的雾霾天气及环境污染具有直接关系。作为电力生产中占主导地位的火电厂,是国家重点关注的大型工业污染源。随着我国电力工业发展,高参数、大容量火电机组相继投入运行,火电厂排放烟气所带来的环境污染问题日趋成为紧要解决的问题。火电厂排放气态污染物主要包括二氧化硫SO2、二氧化氮NO2、一氧化碳CO等有害气体组分,严重污染空气质量并危害人类身体健康。因此,加强对火电厂烟气排放物的监测是现阶段我国火电厂和环保部门关注的焦点。火电厂烟气排放的实时在线监测,不仅有助于准确实时地掌握火电厂烟气排放数据和指标监控,减少火电厂对环境的污染,而且可通过监测烟气的排放对火电厂脱硫设备运行状态和脱硫性能进行评价和优化,为电厂安全、稳定、经济、高效运行提供有利指导。然而,常用的检测方法集中在人工采样法、光学检测法、电化学传感器等,存在连续在线性差、干扰因素多及稳定性差等诸多问题。当前火电厂烟气排放监测效果很不理想,大部分火电厂的监测装置不能连续正常运行,不能及时、准确、全面反映火电厂烟气排放状况的动态变化。随着我国对重点污染源烟气排放控制的日益严格,国家环保局和各级电力公司把火电厂烟气排放在线监测作为发展重点。自2015年1月1日起,依据国家新修订的《锅炉大气污染物排放标准(GB/13271-2014)》,环保部门对烟气污染物排放浓度限值做了更为严格的调整。对烟气排放浓度检测提出低检测极限、高灵敏度、实时在线、稳定可靠等更高的要求,亟待发展一种与之相适应的火电厂烟气排放在线监测新技术。
金属氧化物半导体气敏传感器因其制备和使用简单、成本低而得到广泛应用,然而大多数金属氧化物半导体气敏传感器需工作在350℃左右高温下,为此这些半导体传感器需要额外的加热装置,不利于检测转置的低功耗、智能化,微型化和集成化。随着纳米制造的发展和石墨烯的发现,2007年纳米石墨烯首次应用于气体检测,而且表现超常的敏感性能,这掀起了基于石墨烯气敏传感器研究的热潮。随着纳米石墨烯研究的深入,采用有效的掺杂修饰方法实现石墨烯能带结构和表/界面特性调控以获得更为优异的气敏性能,成为石墨烯气敏传感器的研究热点。如金属纳米粒子、金属氧化物纳米粒子以及有机高分子聚合物掺杂在石墨烯薄膜中,可有效改善本征石墨烯及金属氧化物气体传感器的缺陷,进而提高气体传感器的检测性能,为研发新型气敏传感器阵列及检测系统提供了一种新途径。
发明内容
为了克服现有技术存在的不足,本发明提供一种火电厂排放气态污染物超低浓度智能监测装置,包括烟尘分离器、烟气冷却模块、烟气测试腔、石墨烯基气敏传感器阵列、多通道数据采集模块、智能检测系统、LABVIEW终端显示系统及无线传输监测系统,石墨烯基气敏传感器阵列为氧化锡/石墨烯、氧化钛/石墨烯、氧化铜/石墨烯、氧化锌/石墨烯复合薄膜构筑的线面型四单元微纳气敏传感器,智能检测系统以遗传粒子群-径向基神经网络模型为数据处理算法,具有低检测限、高灵敏度、稳定性高、实时在线等技术特点。
为实现上述目的,本发明采取的技术方案为:火电厂排放烟气经烟尘分离器除尘后,由烟气冷却模块进行降温处理并进入置有石墨烯基气敏传感器阵列的烟气测试腔,石墨烯基气敏传感器阵列信号由多通道数据采集模块获取,由智能检测系统进行数据融合处理后在LABVIEW终端显示系统上显示烟气组分浓度,并由无线传输监测系统将烟气组分检测浓度远程传输至环保监管部门或工作人员手机监控终端。
本发明所述石墨烯基气敏传感器阵列是由氧化锡/石墨烯、氧化钛/石墨烯、氧化铜/石墨烯、氧化锌/石墨烯复合薄膜构筑的阵列化烟气组分敏感器件,其中氧化锡/石墨烯、氧化钛/石墨烯、氧化铜/石墨烯、氧化锌/石墨烯复合薄膜分别采用氧化锡、氧化钛、氧化铜、氧化锌纳米粒子与氧化石墨烯在静电力作用下形成的三明治层状复合纳米材料经230℃高温还原4小时得到,其薄膜厚度为260—380纳米。
本发明所述石墨烯基气敏传感器阵列为线面型四单元叉指结构,器件电极间距和厚度为50微米,其上覆有石墨烯基复合薄膜,在常温下对火电厂排放气态污染物组分二氧化硫、二氧化氮和一氧化碳进行组分识别和浓度检测。
本发明所述的智能检测系统采用遗传粒子群算法优化径向基(RBF)神经网络模型为数据处理算法,结构为4个输入节点、15个隐层节点和3个输出节点,以石墨烯基气敏传感器阵列输出信号为输入,火电厂排放气态污染物组分二氧化硫、二氧化氮和一氧化碳的气体浓度为输出,径向基(RBF)神经网络的初始权值由遗传粒子群算法赋予。
本发明所述石墨烯基气敏传感器阵列信号经多通道数据采集模块获取后通过RS232串口通讯传输给PC机,并由智能检测系统进行数据融合处理,实现火电厂排放气态污染物组分二氧化硫、二氧化氮和一氧化碳气体的高精度超低预测、组分浓度显示和无线传输功能,检测下限低于1ppm,检测相对误差小于0.17%。
本发明所述氧化锡、氧化钛、氧化铜、氧化锌纳米粒子是分别采用五水四氯化锡、硫酸钛、二水氯化铜、硝酸锌材料作为前驱物在180℃条件下高温水热合成10小时制备,而后用去离子水和乙醇溶液多次洗涤,并在2500转/分钟条件下离心分散10分钟形成悬浮溶液。
本发明所述氧化锡、氧化钛、氧化铜、氧化锌纳米粒子和石墨烯构筑复合薄膜的具体方法如下:首先,把传感器件交替静置在PDDA和PSS溶液中20分钟,将已经自组装有PDDA/PSS层的传感器件分别置于上述氧化锡、氧化钛、氧化铜、氧化锌溶液(1mg/mL)中20分钟,取出,去离子水清洗,氮气吹干;其次,在氧化石墨烯溶液(0.4mg/mL)中浸泡上述传感器件20分钟后,去离子水清洗,氮气吹干;重复上述操作4次,最后将制备的器件放入真空干燥箱230℃高温还原4小时,氧化石墨烯纳米片上的含氧官能团被去除,分别得到覆盖有氧化锡/石墨烯、氧化钛/石墨烯、氧化铜/石墨烯、氧化锌/石墨烯三明治层状复合薄膜的气敏传感器件。
本发明的技术优势表现在该智能监测装置采用石墨烯气敏传感器阵列协同智能检测算法,石墨烯基气敏传感器阵列制备工艺易于实现,可用于常温检测二氧化硫、二氧化氮和一氧化碳烟气组分,气敏性能优异,检测精度高,稳定性好,成本较低,可实时在线监测。
附图说明
图1为本发明的实施方式的一个示例,1为烟尘分离器,2为烟气冷却模块,3为阀门,4为烟气测试腔,5为石墨烯基气敏传感器阵列,6、7、8、9分别为氧化锡/石墨烯、氧化钛/石墨烯、氧化铜/石墨烯、氧化锌/石墨烯复合薄膜传感器件,10为多通道数据采集模块,11为智能检测系统,12为LABVIEW终端显示模块,13为远程监控终端。
图2为本发明中的石墨烯基气敏传感器阵列截面图,1为衬底,2为电极,3、4、5、6分别为氧化锡/石墨烯复合薄膜、氧化钛/石墨烯复合薄膜、氧化铜/石墨烯复合薄膜、氧化锌/石墨烯复合薄膜。
图3为本发明中的氧化钛/石墨烯复合薄膜和氧化铜/石墨烯复合薄膜的扫描电子显微镜图像。
图4为本发明中的石墨烯基传感器阵列复合薄膜的拉曼光谱线图,1为氧化锡/石墨烯复合薄膜的拉曼光谱,2为石墨烯的拉曼光谱,3为氧化石墨烯的拉曼光谱,4为氧化锌/石墨烯复合薄膜的拉曼光谱,5为氧化铜/石墨烯复合薄膜的拉曼光谱。
图5为本发明实施例操作流程图。
图6为本发明中的火电厂排放气态污染物超低浓度智能检测结果图。
具体实施方式
下面结合附图对本发明作进一步说明。
参见图1,本发明实施包括:烟尘分离器1、烟气冷却模块2、阀门3、烟气测试腔4、石墨烯基气敏传感器阵列5,氧化锡/石墨烯复合薄膜传感器件6、氧化钛/石墨烯复合薄膜传感器件7、氧化铜/石墨烯复合薄膜传感器件8、氧化锌/石墨烯复合薄膜传感器件9、多通道数据采集模块10、智能检测系统11、LABVIEW终端显示模块12及远程监控终端13;火电厂排放烟气经烟尘分离器1除尘后,由烟气冷却模块2进行降温处理并进入烟气测试腔4,石墨烯基气敏传感器阵列5的电信号由多通道数据采集模块10获取,由智能检测系统11进行数据融合处理后在LABVIEW终端显示系统12上显示烟气组分浓度,并由无线传输监测系统将烟气组分检测浓度远程传输至环保监管部门或工作人员手机监控终端13。
参见图2,本发明实施例石墨烯基气敏传感器阵列采用印制电路板作为器件衬底1,其上制作有叉指电极2,其上分别覆有氧化锡/石墨烯复合薄膜3、氧化钛/石墨烯复合薄膜4、氧化铜/石墨烯复合薄膜5、氧化锌/石墨烯复合薄膜6,薄膜器件集成采用线面型四单元结构。
图3为本发明中的传感器阵列复合薄膜的扫描电子显微镜图像,1为氧化钛/石墨烯复合薄膜,2为氧化铜/石墨烯复合薄膜,纳米球状氧化钛及纳米杆状氧化铜与石墨烯均形成稳健的薄膜结构。
本发明中的氧化锡/石墨烯复合薄膜、氧化钛/石墨烯复合薄膜、氧化铜/石墨烯复合薄膜、氧化锌/石墨烯复合薄膜的具体方法如下:首先,把传感器件交替静置在PDDA和PSS溶液中20分钟,将已经自组装有PDDA/PSS层的传感器件分别置于上述氧化锡、氧化钛、氧化铜、氧化锌溶液(1mg/mL)中20分钟,取出,去离子水清洗,氮气吹干;其次,在氧化石墨烯溶液(0.4mg/mL)中浸泡上述传感器件20分钟后,去离子水清洗,氮气吹干;重复上述操作4次,最后将制备的器件放入真空干燥箱230℃高温还原4小时,氧化石墨烯纳米片上的含氧官能团被去除,分别得到覆盖有氧化锡/石墨烯、氧化钛/石墨烯、氧化铜/石墨烯、氧化锌/石墨烯复合薄膜的气敏传感器件。
图4为本发明中的传感器阵列复合薄膜的拉曼光谱线图,石墨烯基传感器阵列复合薄膜的拉曼光谱线图,1为氧化锡/石墨烯复合薄膜的拉曼光谱,2为石墨烯的拉曼光谱,3为氧化石墨烯的拉曼光谱,4为氧化锌/石墨烯复合薄膜的拉曼光谱,5为氧化铜/石墨烯复合薄膜的拉曼光谱。氧化石墨烯和石墨烯的拉曼光谱均在1350cm-1(D峰)和1603cm-1(G峰)附近出现非常明显的吸收峰,D峰是由石墨烯的结构缺陷所致,G峰是由其sp2碳原子的面内振动产生。从氧化石墨烯和石墨烯的拉曼光谱可以估算出D峰与G峰的强度比分别为0.9和1.14,证实了石墨烯的导电性要优于氧化石墨烯,同时证实了氧化石墨烯可通过高温还原为石墨烯。
图5本发明实施例操作流程图,火电厂排出烟气首先经过烟尘分离和烟气冷却至室温,然后将烟气导入测试腔,此时打开采集开机按钮,石墨烯基传感器阵列的输出信号经多通道数据采集模块进行获取,由基于遗传粒子群算法优化径向基神经网络模型的智能检测系统进行数据处理,最后将智能检测的预测结果输送到LABVIEW终端显示与报警,并且将检测结果通过无线通讯进行实时远距离传输和监测。
智能检测系统所采用遗传粒子群算法优化径向基(RBF)神经网络模型,结构为4个输入节点、15个隐层节点和3个输出节点,以石墨烯基气敏传感器阵列输出信号为输入,火电厂排放气态污染物组分二氧化硫、二氧化氮和一氧化碳的气体浓度为输出,径向基(RBF)神经网络的初始权值由遗传粒子群算法赋予,首先根据采用的径向基神经网络结构产生初始种群,计算个体适应度值,根据迭代公式更新粒子位置和速度,而后执行选择、交叉、变异操作,得到满足收敛条件的最大适应度个体作为RBF神经网络的初始权值,执行RBF神经网络模型的训练与预测,避免了算法的早熟收敛。
图6为本发明对火电厂排放气态污染物超低浓度智能检测的结果图,采用不同工况下的烟气组分浓度对智能检测系统进行训练标定,具有训练速度快、收敛效果好、测试误差较小、泛化能力强的技术优势,实现火电厂排放气态污染物组分二氧化硫、二氧化氮和一氧化碳气体的高精度超低预测,检测下限低于1ppm,检测相对误差小于0.17%,具有较高的检测精度。
Claims (5)
1.一种火电厂排放气态污染物超低浓度智能监测装置,包括烟尘分离器、烟气冷却模块、烟气测试腔、石墨烯基气敏传感器阵列、多通道数据采集模块、智能检测系统、LABVIEW终端显示系统及无线传输监测系统;其特征在于石墨烯基气敏传感器阵列为氧化锡/石墨烯、氧化钛/石墨烯、氧化铜/石墨烯、氧化锌/石墨烯复合薄膜构筑的四单元微纳气敏传感器阵列,智能检测系统以遗传粒子群-径向基(RBF)神经网络模型为数据处理算法;火电厂排放烟气经烟尘分离器除尘后,由烟气冷却模块进行降温处理并进入置有石墨烯基气敏传感器阵列的烟气测试腔,石墨烯基气敏传感器阵列信号由多通道数据采集模块获取,由智能检测系统进行数据融合处理后在LABVIEW终端显示系统上显示烟气组分浓度,并由无线传输监测系统将烟气组分检测浓度远程传输至环保监管部门或工作人员手机监控终端。
2.根据权利要求1所述的火电厂排放气态污染物超低浓度智能监测装置,其特征在于:所述石墨烯基气敏传感器阵列是由氧化锡/石墨烯、氧化钛/石墨烯、氧化铜/石墨烯、氧化锌/石墨烯复合薄膜构筑的阵列化烟气组分敏感器件,其中氧化锡/石墨烯、氧化钛/石墨烯、氧化铜/石墨烯、氧化锌/石墨烯复合薄膜分别采用由水热法制备的氧化锡、氧化钛、氧化铜、氧化锌纳米粒子与氧化石墨烯在静电力作用下形成的复合纳米材料经230℃高温还原4小时得到,其薄膜厚度为260—380纳米。
3.根据权利要求1所述的火电厂排放气态污染物超低浓度智能监测装置,其特征在于:所述石墨烯基气敏传感器阵列为线面型四单元叉指结构,器件电极间距和厚度为50微米,其上覆有石墨烯基复合薄膜,在常温下对火电厂排放气态污染物组分二氧化硫、二氧化氮和一氧化碳进行组分识别和浓度检测。
4.根据权利要求1所述的火电厂排放气态污染物超低浓度智能监测装置,其特征在于:所述智能检测系统采用遗传粒子群算法优化径向基(RBF)神经网络模型为数据处理算法,结构为4个输入节点、15个隐层节点和3个输出节点,以石墨烯基气敏传感器阵列输出信号为输入,火电厂排放气态污染物组分二氧化硫、二氧化氮和一氧化碳的气体浓度为输出,径向基(RBF)神经网络的初始权值由遗传粒子群算法赋予。
5.根据权利要求1所述的火电厂排放气态污染物超低浓度智能监测装置,其特征在于:所述石墨烯基气敏传感器阵列信号经多通道数据采集模块获取后通过RS232串口通讯传输给PC机,并由智能检测系统进行数据融合处理,实现火电厂排放气态污染物组分二氧化硫、二氧化氮和一氧化碳气体的ppm级高精度超低预测、组分浓度显示和无线传输功能。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610388186.1A CN105954323B (zh) | 2016-06-02 | 2016-06-02 | 一种火电厂排放气态污染物超低浓度智能监测装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610388186.1A CN105954323B (zh) | 2016-06-02 | 2016-06-02 | 一种火电厂排放气态污染物超低浓度智能监测装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105954323A true CN105954323A (zh) | 2016-09-21 |
CN105954323B CN105954323B (zh) | 2020-12-01 |
Family
ID=56908707
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610388186.1A Active CN105954323B (zh) | 2016-06-02 | 2016-06-02 | 一种火电厂排放气态污染物超低浓度智能监测装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105954323B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106932543A (zh) * | 2017-04-27 | 2017-07-07 | 广西科技大学鹿山学院 | 火电厂环境烟气监测预警系统 |
CN108061741A (zh) * | 2017-11-14 | 2018-05-22 | 苏州慧闻纳米科技有限公司 | 一种多通道阵列传感器 |
CN108267546A (zh) * | 2018-01-02 | 2018-07-10 | 李文清 | 一种高灵敏的室内空气监测系统 |
CN108831121A (zh) * | 2018-05-24 | 2018-11-16 | 歌尔股份有限公司 | 矿井安全生产的预警方法及装置 |
CN110346420A (zh) * | 2019-06-09 | 2019-10-18 | 重庆工商大学融智学院 | 一种时空数据智能聚合方法 |
CN111351898A (zh) * | 2020-03-24 | 2020-06-30 | 重庆工商大学 | 检测火电厂排放尾气中二氧化硫浓度的方法 |
WO2021057590A1 (zh) * | 2019-09-29 | 2021-04-01 | 杭州汇健科技有限公司 | 石墨烯材料电阻式气体传感阵列的制备方法及其应用方法 |
CN114397814A (zh) * | 2021-12-06 | 2022-04-26 | 中国电建集团贵州电力设计研究院有限公司 | 一种基于bp神经网络的火电机组最佳运行参数寻找方法 |
CN117313428A (zh) * | 2023-11-28 | 2023-12-29 | 西安中核核仪器股份有限公司 | 一种火电厂污染物浓度在线监测修正方法 |
Citations (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN2869791Y (zh) * | 2005-11-07 | 2007-02-14 | 孟浩 | 一种污染源烟尘烟气排放连续监测装置 |
CN102192927A (zh) * | 2010-11-05 | 2011-09-21 | 重庆大学 | 一种基于电子鼻技术的空气质量监测系统及其监测方法 |
CN102530931A (zh) * | 2011-12-14 | 2012-07-04 | 天津大学 | 基于石墨烯的纳米复合材料及其制备方法 |
CN103020642A (zh) * | 2012-10-08 | 2013-04-03 | 江苏省环境监测中心 | 水环境监测质控数据分析方法 |
CN103149246A (zh) * | 2012-09-27 | 2013-06-12 | 中国石油大学(华东) | 石墨烯薄膜湿度传感器 |
CN103149245A (zh) * | 2012-09-27 | 2013-06-12 | 中国石油大学(华东) | 聚电解质-碳纳米管复合薄膜湿度传感器 |
CN103487465A (zh) * | 2013-07-30 | 2014-01-01 | 中国标准化研究院 | 一种基于方差比的表征蜂蜜差异性智能嗅觉图谱特征提取方法 |
CN103499610A (zh) * | 2013-07-30 | 2014-01-08 | 中国标准化研究院 | 一种基于独立成分分析的表征蜂蜜差异性智能嗅觉图谱特征提取方法 |
CN103499608A (zh) * | 2013-07-30 | 2014-01-08 | 中国标准化研究院 | 一种基于蚁群算法的表征蜂蜜差异性智能嗅觉图谱特征提取方法 |
CN104181209A (zh) * | 2014-08-14 | 2014-12-03 | 电子科技大学 | 一种二氧化氮气体传感器及其制备方法 |
CN104211108A (zh) * | 2014-09-18 | 2014-12-17 | 安徽工业大学 | 一种用于检测低浓度甲醛的气敏材料 |
CN104268575A (zh) * | 2014-09-29 | 2015-01-07 | 西南大学 | 基于混合特征矩阵的电子鼻信号处理方法 |
CN104380093A (zh) * | 2012-01-25 | 2015-02-25 | 赛诺瓦系统股份有限公司 | 分析物传感器 |
CN104495811A (zh) * | 2014-12-12 | 2015-04-08 | 盐城市新能源化学储能与动力电源研究中心 | 一种石墨烯复合材料及其制备方法 |
CN104614407A (zh) * | 2015-02-05 | 2015-05-13 | 苏州慧闻纳米科技有限公司 | 一种气体监测系统 |
CN104677946A (zh) * | 2015-03-05 | 2015-06-03 | 浙江大学 | 石墨烯/二氧化钛薄膜气敏传感器及其制备方法 |
CN104749219A (zh) * | 2013-07-30 | 2015-07-01 | 中国标准化研究院 | 一种基于粒子群算法的支持向量机分类器参数选择的蜂蜜检测方法 |
CN204666549U (zh) * | 2015-05-14 | 2015-09-23 | 中国人民解放军军械工程学院 | 基于bp神经网络的混合气体检测系统 |
CN105021655A (zh) * | 2015-07-03 | 2015-11-04 | 西安工业大学 | ZnO纳米墙/RGO异质结气敏传感器及其制备方法 |
CN105259218A (zh) * | 2015-10-28 | 2016-01-20 | 上海交通大学 | 一种氧化锌纳米线-石墨烯气体传感器及其制备方法 |
CN105388187A (zh) * | 2015-11-13 | 2016-03-09 | 大连民族大学 | 可控湿度的半导体气敏元件的测试方法 |
CN105445335A (zh) * | 2015-11-17 | 2016-03-30 | 中国石油大学(华东) | 一种用于电力变压器绝缘状态监测的湿度传感系统 |
CN105527325A (zh) * | 2016-01-20 | 2016-04-27 | 中国石油大学(华东) | 一种基于二氧化锡/类石墨烯二硫化钼薄膜的湿度传感器 |
-
2016
- 2016-06-02 CN CN201610388186.1A patent/CN105954323B/zh active Active
Patent Citations (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN2869791Y (zh) * | 2005-11-07 | 2007-02-14 | 孟浩 | 一种污染源烟尘烟气排放连续监测装置 |
CN102192927A (zh) * | 2010-11-05 | 2011-09-21 | 重庆大学 | 一种基于电子鼻技术的空气质量监测系统及其监测方法 |
CN102530931A (zh) * | 2011-12-14 | 2012-07-04 | 天津大学 | 基于石墨烯的纳米复合材料及其制备方法 |
CN104380093A (zh) * | 2012-01-25 | 2015-02-25 | 赛诺瓦系统股份有限公司 | 分析物传感器 |
CN103149246A (zh) * | 2012-09-27 | 2013-06-12 | 中国石油大学(华东) | 石墨烯薄膜湿度传感器 |
CN103149245A (zh) * | 2012-09-27 | 2013-06-12 | 中国石油大学(华东) | 聚电解质-碳纳米管复合薄膜湿度传感器 |
CN103020642A (zh) * | 2012-10-08 | 2013-04-03 | 江苏省环境监测中心 | 水环境监测质控数据分析方法 |
CN103487465A (zh) * | 2013-07-30 | 2014-01-01 | 中国标准化研究院 | 一种基于方差比的表征蜂蜜差异性智能嗅觉图谱特征提取方法 |
CN103499610A (zh) * | 2013-07-30 | 2014-01-08 | 中国标准化研究院 | 一种基于独立成分分析的表征蜂蜜差异性智能嗅觉图谱特征提取方法 |
CN103499608A (zh) * | 2013-07-30 | 2014-01-08 | 中国标准化研究院 | 一种基于蚁群算法的表征蜂蜜差异性智能嗅觉图谱特征提取方法 |
CN104749219A (zh) * | 2013-07-30 | 2015-07-01 | 中国标准化研究院 | 一种基于粒子群算法的支持向量机分类器参数选择的蜂蜜检测方法 |
CN104181209A (zh) * | 2014-08-14 | 2014-12-03 | 电子科技大学 | 一种二氧化氮气体传感器及其制备方法 |
CN104211108A (zh) * | 2014-09-18 | 2014-12-17 | 安徽工业大学 | 一种用于检测低浓度甲醛的气敏材料 |
CN104268575A (zh) * | 2014-09-29 | 2015-01-07 | 西南大学 | 基于混合特征矩阵的电子鼻信号处理方法 |
CN104495811A (zh) * | 2014-12-12 | 2015-04-08 | 盐城市新能源化学储能与动力电源研究中心 | 一种石墨烯复合材料及其制备方法 |
CN104614407A (zh) * | 2015-02-05 | 2015-05-13 | 苏州慧闻纳米科技有限公司 | 一种气体监测系统 |
CN104677946A (zh) * | 2015-03-05 | 2015-06-03 | 浙江大学 | 石墨烯/二氧化钛薄膜气敏传感器及其制备方法 |
CN204666549U (zh) * | 2015-05-14 | 2015-09-23 | 中国人民解放军军械工程学院 | 基于bp神经网络的混合气体检测系统 |
CN105021655A (zh) * | 2015-07-03 | 2015-11-04 | 西安工业大学 | ZnO纳米墙/RGO异质结气敏传感器及其制备方法 |
CN105259218A (zh) * | 2015-10-28 | 2016-01-20 | 上海交通大学 | 一种氧化锌纳米线-石墨烯气体传感器及其制备方法 |
CN105388187A (zh) * | 2015-11-13 | 2016-03-09 | 大连民族大学 | 可控湿度的半导体气敏元件的测试方法 |
CN105445335A (zh) * | 2015-11-17 | 2016-03-30 | 中国石油大学(华东) | 一种用于电力变压器绝缘状态监测的湿度传感系统 |
CN105527325A (zh) * | 2016-01-20 | 2016-04-27 | 中国石油大学(华东) | 一种基于二氧化锡/类石墨烯二硫化钼薄膜的湿度传感器 |
Non-Patent Citations (3)
Title |
---|
DONGZHI ZHANG 等: "Sensor array based on metal oxide modified graphene for the detection of multi-component mixed gas", 《MEMS2016》 * |
SK JHA: "Molecular Imprinted Polymers for Sensing of Volatile Organic Compounds in Human Body Odor", 《ADVANCED MOLECULARLY IMPRINTING MATERIALS》 * |
刘静静: "基于石墨烯气敏传感器阵列的火电厂烟气组分浓度检测研究", 《万方数据》 * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106932543A (zh) * | 2017-04-27 | 2017-07-07 | 广西科技大学鹿山学院 | 火电厂环境烟气监测预警系统 |
CN108061741A (zh) * | 2017-11-14 | 2018-05-22 | 苏州慧闻纳米科技有限公司 | 一种多通道阵列传感器 |
CN108267546A (zh) * | 2018-01-02 | 2018-07-10 | 李文清 | 一种高灵敏的室内空气监测系统 |
CN108831121B (zh) * | 2018-05-24 | 2020-11-24 | 潍坊歌尔微电子有限公司 | 矿井安全生产的预警方法及装置 |
CN108831121A (zh) * | 2018-05-24 | 2018-11-16 | 歌尔股份有限公司 | 矿井安全生产的预警方法及装置 |
CN110346420A (zh) * | 2019-06-09 | 2019-10-18 | 重庆工商大学融智学院 | 一种时空数据智能聚合方法 |
CN110346420B (zh) * | 2019-06-09 | 2022-03-01 | 重庆工商大学融智学院 | 一种时空数据智能聚合方法 |
WO2021057590A1 (zh) * | 2019-09-29 | 2021-04-01 | 杭州汇健科技有限公司 | 石墨烯材料电阻式气体传感阵列的制备方法及其应用方法 |
JP2022550758A (ja) * | 2019-09-29 | 2022-12-05 | 杭州匯健科技有限公司 | グラフェン材料抵抗式ガスセンサアレイの製造方法および使用方法 |
JP7332797B2 (ja) | 2019-09-29 | 2023-08-23 | 杭州匯健科技有限公司 | グラフェン材料抵抗式ガスセンサアレイの製造方法および使用方法 |
EP4036564A4 (en) * | 2019-09-29 | 2023-11-01 | Hangzhou Well-Healthcare Technologies Co., Ltd. | METHOD FOR PREPARING AND METHOD FOR USING RESISTIVE GAS SENSOR ARRAY BASED ON GRAPHENE MATERIAL |
CN111351898A (zh) * | 2020-03-24 | 2020-06-30 | 重庆工商大学 | 检测火电厂排放尾气中二氧化硫浓度的方法 |
CN114397814A (zh) * | 2021-12-06 | 2022-04-26 | 中国电建集团贵州电力设计研究院有限公司 | 一种基于bp神经网络的火电机组最佳运行参数寻找方法 |
CN117313428A (zh) * | 2023-11-28 | 2023-12-29 | 西安中核核仪器股份有限公司 | 一种火电厂污染物浓度在线监测修正方法 |
CN117313428B (zh) * | 2023-11-28 | 2024-02-23 | 西安中核核仪器股份有限公司 | 一种火电厂污染物浓度在线监测修正方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105954323B (zh) | 2020-12-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105954323A (zh) | 一种火电厂排放气态污染物超低浓度智能监测装置 | |
Song et al. | Characterization of electrospun ZnO–SnO2 nanofibers for ethanol sensor | |
CN105628748B (zh) | 一种负载铂的二氧化锡纳米纤维气敏材料及其气敏元件 | |
CN114280695A (zh) | 一种空气污染物监测预警方法及云平台 | |
González et al. | LoRa sensor network development for air quality monitoring or detecting gas leakage events | |
CN202631003U (zh) | 移动式污染源自动监控系统 | |
CN104330114A (zh) | 大气雾霾污染物连续自动监测装置 | |
Krishna Prasad et al. | Ceramic Sensors: A mini-review of their applications | |
Patel et al. | Humidity nanosensors for smart manufacturing | |
CN204286486U (zh) | 大气雾霾污染物连续自动监测装置 | |
Fatima et al. | Fabrication of a novel nanocomposite SiO 2–H 3 BO 3–V 2 O 5–Al 2 O 3 via melt-quenching technique: structural and surface morphological characteristics for carbon dioxide gas sensing applications | |
CN202404044U (zh) | 烟气监测系统 | |
CN105067043B (zh) | 一种输变电设备积污增长率预测装置 | |
Kondratev et al. | Technologically feasible ZnO nanostructures for carbon monoxide gas sensing | |
Hao et al. | Mixed potential electrochemical NO2 sensor with YSZ ceramic electrolyte for monitoring in online vehicle diagnosis system | |
CN106525916B (zh) | 一种室温下对氧敏感的镧-二氧化锡纳米中空多孔膜 | |
Malavasi et al. | Materials development for CO-detection with improved selectivity through catalytic activation | |
CN111581602A (zh) | 一种空气质量指数自适应预测语音系统 | |
Santos et al. | Air quality monitoring using nanosensors | |
Malky et al. | Evaluation of precalibrated electrochemical gas sensors for air quality monitoring systems | |
CN205538658U (zh) | 一种紫外气体分析仪中气体浓度测量系统 | |
CN112525905B (zh) | 基于背景纹影成像的污染气流强度识别、排放控制方法及系统 | |
CN2929719Y (zh) | 一种动态气敏光敏材料性能测试装置 | |
AlSheikh et al. | A survey on smart monitoring system of environment based on IoT | |
CN113804595A (zh) | 一种多参数空气质量监测系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |