Auswerteverfahren für Gassensorarrays

DSpace Repository


Dateien:
Aufrufstatistik

URI: http://nbn-resolving.de/urn:nbn:de:bsz:21-opus-15353
http://hdl.handle.net/10900/48702
Dokumentart: Dissertation
Date: 2004
Language: German
Faculty: 7 Mathematisch-Naturwissenschaftliche Fakultät
Department: Sonstige - Chemie und Pharmazie
Advisor: Weimar, Udo
Day of Oral Examination: 2004-12-21
DDC Classifikation: 540 - Chemistry and allied sciences
Keywords: Sensorsystem , Datenanalyse , Chemischer Sensor , Mustererkennung
Other Keywords:
sensor system , data analysis , chemical sensor , pattern recognition
License: Publishing license including print on demand
Order a printed copy: Print-on-Demand
Show full item record

Inhaltszusammenfassung:

Der Schwerpunkt dieser Arbeit lag in der Entwicklung neuer Sensorsysteme und der Verbesserung der damit verbundenen Auswerteverfahren. Die im Rahmen dieser Arbeit entwickelten Sensorsysteme sind bereits kommerziell verfügbar und werden in verschiedensten Anwendungen eingesetzt. Sie sind Grundlage für eine ganze Reihe weiterer Arbeiten und wissenschaftlicher Publikationen. Durch den breiten Einsatz der entwickelten Systeme war es möglich umfangreiche Datensätze auszuwerten und Anhaltspunkte für praxisrelevante Verbesserungen zu erhalten. Die Arbeit beschäftigt sich deshalb im Ergebnissteil im wesentlichen mit Verfahren, die die Einsetzbarkeit und Zuverlässigkeit derartiger Systeme verbessern. Die Grundlage für alle diese Verbesserungen sind vereinfachte Funktionsmodelle der chemischen Sensoren und der daraus aufgebauten Systeme, die im Rahmen dieser Arbeit aufgestellt wurden. Von diesen einfachen Modellen wurden dann verschiedene Verfahren zur Driftkompensation und zur Querempfindlichkeitsreduktion abgeleitet und anhand von realen Messdaten überprüft. Als Rekalibrationsverfahren entstanden daraus ein sehr einfach anzuwendendes Verfahren, welches spezielle Eigenschaften der QMBSensoren ausnutzt und ohne zusätzliche Kalibrationsmessungen auskommt, und ein naheliegendes Verfahren, welches lediglich einen Kalibrationsfaktor pro Sensor verwendet. Ein wesentlich komplexeres Verfahren, welches auch in der Lage ist Veränderungen der Selektivitätsmuster der Sensoren zu berücksichtigen, wurde ebenfalls vorgestellt. Allerdings sind die Einschränkungen dieses Verfahrens im Vergleich zum notwendigen Aufwand zu groß, um es im praktischen Einsatz zu empfehlen. Darüber hinaus wurde eine einfaches Verfahren, welches lediglich einen Kalibrationsfaktor pro Sensor verwendet, implementiert und anhand verschiedener Datensätze mit gutem Erfolg getestet. Durch die einfache Handhabung findet dieses Verfahren breite Anwendung in der Praxis. Zur Elimination von Querempfindlichkeiten wurden in dieser Arbeit insgesamt fünf verschiedene Verfahren angewendet und miteinander verglichen. Vier dieser Verfahren wurden dabei von den einfachen Funktionsmodellen abgeleitet und zeigen zum Teil drastische Vereinfachungen bei der Anwendung. Insbesondere die Methode der Projektion auf den Residualraum erlaubt es mit geringstem experimentellem Aufwand erhebliche Verbesserungen zu erreichen. Darüber hinaus wurde gezeigt, wie durch Anwendung einer einfachen Normierung die Temperaturempfindlichkeit von QMB Sensoren drastisch reduziert werden kann. Dies ermöglicht es deutlich kostengünstigere Messsysteme aufzubauen, da eine aufwendige Thermostatisierung in bestimmten Anwendungen entfallen kann. Obwohl die aufgestellten Funktionsmodelle sehr einfach gehalten sind, ermöglichen sie es Einflüsse, die zu Vorhersagefehlern führen könnten, explizit zu berücksichtigen. Durch Berechnung simulierter Daten kann auf Basis dieser Modelle Vorabwissen über bestimmte Umgebungseinflüsse oder die zu untersuchenden Proben in die Referenzdaten aufgenommen werden. Anhand eines Beispiels konnte erfolgreich demonstriert werden, dass sich auf diese Weise die Vorhersagequalität eines Auswerteverfahrens wesentlich verbessern lässt. Zudem werden durch Simulation entsprechender Testdaten Analysen möglich, wie sich Fehlerursachen auf ein Messverfahren auswirken, sodass Gegenmaßnahmen möglich sind. Ein Überblick über verschiedene Fehlerquellen wird deshalb im Ergebnisteil ebenfalls gegeben.

Abstract:

The main focus in this thesis is the development of novel sensor systems and the improvement of the incorporated data analysis algorithms. The sensor systems, that have been developed in the scope of this work, are already commercially available and are applied in a multitude of applications. Through the broad deployment of these systems it has been possible to analyse extensive datasets and to derive clues for improvements relevant to their practical use. The basis for all these improvements are simplified functional models of chemical sensors and sensor systems. Several procedures to compensate for drift and cross sensitivities have been deduced from these simple models and were tested against real life data. A simple to use method for recalibration was developed, which takes advantage of special properties of QMB sensors and does completely without recalibration measurements. A more complex method was suggested, which is able to account for changes in the selectivity pattern of sensors. However, this complex method is not recommended for practical use, due to its constraints in comparison to the efforts needed. In addition a simple method, employing one calibration factor per sensor, has been implemented and was tested against various datasets with good success. It is broadly used in practical applications because of its simple handling. Five different algorithms for the elimination of cross sensitivities have been compared in this work. Four of these methods are derived from the simplified functional methods and may drastically ease the application of sensor arrays. Especially the method using a residual space projection may achieve substantial improvements at a minimum of experimental efforts. In addition it has been shown how simple normalization may reduce temperature sensitivity of QMB sensors. This allows for significant cost savings, since extensive temperature control may be avoided in certain applications. Although the employed functional models are very simple, they do permit to explicitly account for influences leading to prediction error. Pre-existing knowledge about environmental influences or the samples under investigation may be incorporated into the reference data through the calculation of simulated data on the basis of these models. It was demonstrated in one example that the prediction quality of an analysis method may be significantly improved in this way. Furthermore, it is possible to test the influence of certain error sources on a measurement procedure by the simulation of corresponding test data. An overview of various error sources is therefore given in this work.

This item appears in the following Collection(s)