Utvikling av datamodell for prediksjon av sammensetninger av gass basert på ultralyd

Offentlig prosjektsammendrag

Bruk av sensorteknologi har økt raskt det siste tiåret. Måling av gasskonsentrasjoner blir brukt i mange forskjellige områder som medisinske applikasjoner, overvåking av avløpsanlegg og luftkvalitetsovervåking. Gassensorer er avgjørende for å planlegge og utføre regelmessig vedlikehold, og vil i nær fremtid gi grunnlag for forbedret prediktivt vedlikehold som bruker data for å oppdage avvik og mulige feil i utstyr. For tiden domineres markedet for gassensorer av dyre optiske eller elektrokjemiske sensorer med lav selektivitet. Derfor har det vært et økt fokus på å utvikle ny og kostnadseffektiv teknologi som kan overgå begrensningene med dagens eksisterende sensorteknologier. Bedre forståelse av de fysiske prinsippene bak lydbølger og den molekylære interaksjonen i gasser gjør det mulig for ny sensorteknologi å utvikles fra tradisjonelle piezoelektriske ultralydtransdusere. Nylig utvikling i forståelsen av akustisk relaksasjon tillater bedre teoretiske modeller for å forutsi akustisk demping og hastigheten til lydbølger i et bredt spekter av gassblandinger. Dette prosjektert beskriver en metode for å bestemme gasskonsentrasjoner basert på demping av lydbølger i krevende miljøer via maskinlæring. Det å utvikle metodikk for å predikere gasskonsetrasjonen via akustiske dempningen og maskinlæring. Dette vil tillate utvikling av en ny generasjon billige, enkle ogrobuste gassensorer.