Kolorimetrik Gaz Algılama Geliştirilmesi için Robotik Tabanlı Deneysel Prosedür

Zechen Li; Siyuan Xu; Mengyang Cui; Jie Deng; Jing Jiang; Yijian Shi

doi:10.3791/67940

Bu içeriği görüntülemek için JoVE aboneliğiniz gereklidir. Giriş yapın veya ücretsiz denemenizi bugün başlatın.

Yöntem makalesi

Kolorimetrik Gaz Algılama Geliştirilmesi için Robotik Tabanlı Deneysel Prosedür

720 görüntülenme

⸱

DOI:

10.3791/67940

⸱

28 Şubat 2025

Zechen Li¹ , Siyuan Xu¹ , Mengyang Cui² , Jie Deng² , Jing Jiang³^,⁴ , Yijian Shi⁵

¹School of Computer and Information Technology, Beijing Jiaotong University, ²Hangzhou Institute for Advanced Study, University of Chinese Academy of Sciences, ³Zhejiang Lab, ⁴Faculty of Materials Science and Energy Engineering, Shenzhen University of Advanced Technology, ⁵College of Electrical and Electronic Engineering, Wenzhou University

Bu makalede

Özet

Burada, robotik tabanlı bir Tasarla-Yap-Test Et-Öğren (DBTL) yaklaşımı kullanarak kolorimetrik gaz sensörleri geliştirmek için bir protokol sunuyoruz. Bu protokol, CO₂ gibi gazları algılamak için sensör formülasyonlarını verimli bir şekilde keşfetmek ve optimize etmek için yüksek verimli otomasyon, makine öğrenimi ve çok amaçlı optimizasyonu entegre ederek hızlı, uygun maliyetli ve hassas sensör geliştirmeyi mümkün kılar.

Özet

Bu makale, verimli ve hızlı bir kolorimetrik gaz sensörü geliştirmeyi amaçlayan robot tabanlı bir deney programı sunmaktadır. Program, gazın farklı konsantrasyon aralıkları için birden fazla reçeteyi optimize ederken arama sürecini yinelemeli olarak optimize eden otomatik bir Tasarla-Yap-Test Et-Öğren (DBTL) yaklaşımı kullanır. Her yinelemede, algoritma çeşitli toplama işlevlerine dayalı olarak bir dizi reçete önerisi oluşturur ve yineleme sayısındaki artışla, her konsantrasyon aralığı için ağırlıklı hedef işlevinin değerleri önemli ölçüde iyileşir.

DBTL yöntemi, donanım ve yazılım ortamının ayarlanması ile parametre başlatma ile başlar. Temel testler performans standartlarını belirler. Daha sonra, DBTL yöntemi, her turdaki tariflerin oranına dayalı olarak bir sonraki optimizasyon turunu tasarlar ve performansı yinelemeli olarak test eder. Performans değerlendirmesi, DBTL yönteminin etkinliğini değerlendirmek için temel verileri karşılaştırır. Performans iyileştirmesi beklentileri karşılamıyorsa, yöntem yinelemeli olarak gerçekleştirilecektir; Hedeflere ulaşılırsa, deney sona erer. Tüm süreç, DBTL yinelemeli optimizasyon süreci aracılığıyla sistem performansını en üst düzeye çıkarır.

Geleneksel manuel geliştirme süreciyle karşılaştırıldığında, bu deneysel süreç tarafından benimsenen DBTL yöntemi, çok amaçlı optimizasyon ve çeşitli makine öğrenimi algoritmaları kullanır. Bileşen hacminin üst ve alt sınırlarını tanımladıktan sonra, DBTL yöntemi, en iyi performansla en uygun oranı elde etmek için yinelemeli deneyleri dinamik olarak optimize eder. Bu yöntem, verimliliği büyük ölçüde artırır, maliyetleri düşürür ve en uygun reçeteyi bulurken çok formülasyonlu değişken alanı içinde daha verimli performans gösterir.

Giriş

Gaz sensörlerinin pratik uygulamaları çok kapsamlıdır ve çevresel izleme, havacılık ve atık gaz arıtma gibi çeşitli alanlarda kullanılmaktadır ^1,2,3. Gaz sensörlerinin çalışma prensibi tipik olarak elektrokimya, gaz kromatografisi ve optik gibi çoklu mekanizmalara dayanır. Birçok algılama mekanizması arasında, renk değişimine dayalı olanı, benzersiz bir şekilde öne çıkan bir asit-baz mekanizmasına dönüşmüştür. Düşük maliyeti ve basit uygulaması nedeniyle, CO₂ sensörleri ^1,4,5