Resumen

Los sensores de gas de alta temperatura han sido muy demandados para la optimización de los procesos de combustión y el control de las emisiones tóxicas, que suelen adolecer de una selectividad deficiente. Para resolver este problema de selectividad e identificar especies de gases reductores desconocidos (CO, CH4 y CH8) y sus concentraciones, en este estudio se construyó un conjunto de datos de sensores resistivos de alta temperatura basado en 5 sensores. Como cada sensor mostró respuestas específicas hacia diferentes tipos de gas reductor con ciertas concentraciones, en base a las cuales se ajustaron las curvas de calibración, proporcionando una base de datos de referencia de la respuesta de la matriz de sensores, se utilizó el marco de inferencia bayesiana para procesar los datos de la matriz de sensores y construir un programa de selección de muestras para identificar simultáneamente las especies de gas y la concentración, mediante la formulación de la probabilidad adecuada entre el patrón de respuesta de la matriz de sensores medido de entrada de un gas desconocido y cada patrón de respuesta de la matriz de sensores muestreado en la base de datos de referencia. Este algoritmo muestra una buena robustez que puede identificar con precisión las especies de gas y predecir la concentración de gas con un pequeño error de menos de 10 a partir de una cantidad limitada de datos experimentales. Estas características indican que el enfoque probabilístico bayesiano es una forma sencilla y eficiente de procesar los datos del conjunto de sensores, que puede reducir significativamente la sobrecarga computacional y los datos de entrenamiento necesarios.

• Materias:Redes de sensores Sensores inalámbricos Sistema de sensores Sensor inteligente Sensores electroquímicos
• Subjects:Sensor networks Wireless sensors Sensor system Intelligent sensor Electrochemical sensors
• Palabras claves:patrón de respuesta de la matriz de sensores, datos de la matriz de sensores, especies gaseosas, sensores de gas de alta temperatura, base de datos de referencia de la respuesta de la matriz de sensores, datos de la matriz de sensores resistivos, marco de inferencia bayesiana, enfoque probabilístico bayesiano, optimización del proceso de combustión, programa de selección de muestras
• Keywords:sensor array response pattern, sensor array data, gas species, high temperature gas sensors, benchmark sensor array response database, resistive sensor array data, bayesian inference framework, bayesian probabilistic approach, combustion process optimization, sample selection program