碳纳米管三电极气体传感器的极间距优化方法

摘要

本发明公开了一种碳纳米管三电极气体传感器的极间距优化方法，对碳纳米管三电极气体传感器的第一电极与第二电极、第二电极与第三电极的极间距进行优化。该方法通过设计极间距、构建由不同极间距传感器组成的传感器阵列、用已构建传感器阵列对已知浓度气体进行浓度检测、建立传感器阵列的极间距及其对应气体检测结果数据库、建立被测气体浓度定量分析模型、以及优化传感器阵列中各组成传感器的极间距等步骤，可有效获得针对不同检测气体所对应单个传感器的最佳极间距，和针对混合气体所对应传感器阵列中各组成传感器的最佳极间距，从而得到更高的检测灵敏度。

说明书

技术领域

本发明属于气体传感领域，具体涉及一种碳纳米管三电极气体传感器的极 间距优化方法。

背景技术

近年来，随着碳纳米技术的不断发展，以碳纳米管为敏感材料构成的气敏、 温敏和湿敏传感器不断涌现。CN102081073A公开了一种微纳米碳纳米管薄膜三 电极传感器，采用由绝缘支柱相互隔离的三个电极(第一电极内表面分布碳纳 米管薄膜的基底)构成了检测气体、温度和湿度的传感器；CN102095791B提出 了由CN102081073A公开的碳纳米管薄膜三电极传感器组成传感器阵列实现多 组分混合气体浓度检测的方法。

由于碳纳米管传感器具有工作电压低、整体尺寸小等独特优势，使得其在 生物、化学、机械、航空等诸多领域具有广阔的应用前景。但是，目前的碳纳 米管三电极传感器均在特定的几个极间距下工作，对于不同的检测气体尚没有 针对性结构支撑，难以得到更高的检测灵敏度；此外，对于由多个传感器构成 的传感器阵列对混合气体进行检测，多个传感器各采用哪种极间距进行组合能 获得最佳的检测效果还有待明确。因此，亟需要有一种方法可以对碳纳米管三 电极传感器的极间距进行优化，以提高检测灵敏度，加快传感器应用的推广。

发明内容

本发明针对现有碳纳米管三电极传感器存在的上述问题和不足，提供一种 可用于单个碳纳米管三电极传感器及多个碳纳米管三电极传感器组合形成传感 器阵列时各组成传感器的极间距优化方法，可有效获得针对不同检测气体所对 应单个传感器的最佳极间距，和针对混合气体所对应传感器阵列中各组成传感 器的最佳极间距，从而得到更高的检测灵敏度。

为了实现上述目的，本发明的技术方案是：

碳纳米管三电极气体传感器的极间距优化方法，对碳纳米管三电极气体传 感器的第一电极与第二电极、第二电极与第三电极的极间距进行优化，所述碳 纳米管三电极气体传感器的第一电极内表面分布碳纳米管薄膜基底，第二电极 为设有引出孔的引出极极板，第三电极为收集极，三个电极由绝缘支柱相互隔 离，三个电极中相邻两电极的极间距范围为50μm～250μm，其特征在于采用以 下优化步骤：

1)设计极间距

由n个碳纳米管三电极气体传感器构成的传感器阵列中，第i个传感器的第 一电极与第二电极的极间距为d_i1，第二电极与第三电极的极间距为d_i2，其中， i＝1，2，……，n，当n为1时，则指单个碳纳米管三电极气体传感器，每一个 传感器的d_i1和d_i2有等间距和不等间距两种情况：

等间距：d_i1与d_i2相等，d_i1或d_i2从50μm开始以步长S递增，直到d_i1或d_i2大于等于250μm，S为0μm-200μm之间的任意整数；

不等间距：d_i1与d_i2不相等，d_i1从50μm开始以步长S₁递增，直到d_i1大于 等于250μm，d_i2从50μm开始以步长S₂递增，直到d_i2大于等于250μm，S₁和 S₂均为0μm-200μm之间的任意整数，当d_i1取前述数值中的一个值时，d_i2取与 d_i1不同的值；

2)构建由不同极间距传感器组成的传感器阵列

针对单组分被测气体或由R种组分构成的混合气体，选定传感器个数n，n ≥R，采用步骤1)中设计的极间距，分别构建m组n个不同等间距和不等间距 的碳纳米管三电极气体传感器，形成m组不同极间距的碳纳米管三电极气体传 感器阵列，m组传感器阵列中所有传感器的d_i1和d_i2是步骤1)中设计极间距所 有可能的穷举或依据经验的选择；

3)用已构建传感器阵列对已知浓度气体进行浓度检测

采用标准气体制备多种不同浓度的单组分气体或多组分混合气体样本，采 用由步骤2)构建的不同极间距的m组碳纳米管三电极气体传感器阵列分组进 行检测，获得各被测气体样本的气体放电离子流值；

4)建立传感器阵列的极间距及其对应气体检测结果数据库

用所有m组碳纳米管三电极气体传感器阵列中各组成传感器的d_i1和d_i2、检 测气体样本获得的气体放电离子流值以及被测气体的浓度建立极间距及其对应 气体检测结果数据库；

5)建立被测气体浓度定量分析模型

采用支持向量机法，以步骤4)所建立数据库中被测气体放电离子流值为输 入，以其对应气体浓度为输出，建立被测气体浓度定量分析模型；

6)优化传感器阵列中各组成传感器的极间距

采用由步骤5)建立的被测气体浓度定量分析模型对所有被测气体样本的气 体浓度进行分析，获得被测气体的检测浓度；将被测气体的检测浓度与其对应 的实际浓度求差值，再除以被测气体的实际浓度，获得检测该气体的相对误差； 采用粒子群优化算法，以被测气体检测的相对误差最小为目标，对由步骤2)构 建的m组碳纳米管三电极气体传感器阵列中各组成传感器的d_i1和d_i2进行优化 选择，最终获得检测该气体的碳纳米管三电极气体传感器阵列中各传感器的最 佳极间距。

碳纳米管三电极气体传感器可替换为碳纳米管三电极温度传感器或碳纳米 管三电极湿度传感器，用于检测温度或湿度。

本发明具有以下有益效果：

1)可扩展性强：该方法可对检测单组分气体和多组分气体的碳纳米管三电 极气体传感器阵列中各传感器的极间距进行优化，同时也可扩展到由其构成的 温度和湿度传感器。

2)组合性好：针对某种特定的气体，可选择特定浓度的气体样本进行优化， 也可选择多种不同浓度的气体样本进行优化，气体样本简单，可对多种气体进 行分析，组合性好。

3)灵活性强：建立被测气体浓度定量分析模型时可采用除支持向量机外其 它多种定量分析方法，通过对其参数优化获得该方法的最佳定量分析模型，具 有很强的灵活性。

附图说明

图1为本发明优化方法流程图；

图2为本发明实施例中检测NO和SO₂混合气体的相对误差。

具体实施方式

以下结合附图介绍本发明详细技术方案：

碳纳米管三电极气体传感器的极间距优化方法，对碳纳米管三电极气体传 感器阵列中各组成传感器的第一电极与第二电极、第二电极与第三电极的极间 距进行优化，所述碳纳米管三电极气体传感器的第一电极内表面分布碳纳米管 薄膜基底，第二电极为设有引出孔的引出极极板，第三电极为收集极，三个电 极由绝缘支柱相互隔离，三个电极中相邻两电极的极间距范围为50μm～250μm。 其采用以下优化步骤：

1)设计极间距

由n个碳纳米管三电极气体传感器构成的传感器阵列中，第i个传感器的第 一电极与第二电极的极间距为d_i1，第二电极与第三电极的极间距为d_i2，其中， i＝1，2，……，n，当n为1时，则指单个碳纳米管三电极气体传感器，每一个 传感器的d_i1和d_i2有等间距和不等间距两种情况：

等间距：d_i1与d_i2相等，d_i1或d_i2从50μm开始以步长S递增，直到d_i1或d_i2大于等于250μm，S为0μm-200μm之间的任意整数；

不等间距：d_i1与d_i2不相等，d_i1从50μm开始以步长S₁递增，直到d_i1大于 等于250μm，d_i2从50μm开始以步长S₂递增，直到d_i2大于等于250μm，S₁和 S₂均为0μm-200μm之间的任意整数，当d_i1取前述数值中的一个值时，d_i2取与 d_i1不同的值；

2)构建由不同极间距传感器组成的传感器阵列

针对单组分被测气体或由R种组分构成的混合气体，选定传感器个数n，n ≥R，采用步骤1)中设计的极间距，分别构建m组n个不同等间距和不等间距 的碳纳米管三电极气体传感器，形成m组不同极间距的碳纳米管三电极气体传 感器阵列，m组传感器阵列中所有传感器的d_i1和d_i2是步骤1)中设计极间距所 有可能的穷举或依据经验的选择；

3)用已构建传感器阵列对已知浓度气体进行浓度检测

采用标准气体制备多种不同浓度的单组分气体或多组分混合气体样本，采 用由步骤2)构建的不同极间距的m组碳纳米管三电极气体传感器阵列分组进 行检测，获得各被测气体样本的气体放电离子流值；

4)建立传感器阵列的极间距及其对应气体检测结果数据库

用所有m组碳纳米管三电极气体传感器阵列中各组成传感器的d_i1和d_i2、检 测气体样本获得的气体放电离子流值以及被测气体的浓度建立极间距及其对应 气体检测结果数据库；

5)建立被测气体浓度定量分析模型

采用支持向量机法，以步骤4)所建立数据库中被测气体放电离子流值为输 入，以其对应气体浓度为输出，建立被测气体浓度定量分析模型；

6)优化传感器阵列中各组成传感器的极间距

采用由步骤5)建立的被测气体浓度定量分析模型对所有被测气体样本的气 体浓度进行分析，获得被测气体的检测浓度；将被测气体的检测浓度与其对应 的实际浓度求差值，再除以被测气体的实际浓度，获得检测该气体的相对误差； 采用粒子群优化算法，以被测气体检测的相对误差最小为目标，对由步骤2)构 建的m组碳纳米管三电极气体传感器阵列中各组成传感器的d_i1和d_i2进行优化 选择，最终获得检测该气体的碳纳米管三电极气体传感器阵列中各传感器的最 佳极间距。

对于单组分被测气体，可以选用多个不同极间距的单个碳纳米管三电极气 体传感器对多种不同浓度的该种气体样本进行检测，检测误差最小的碳纳米管 三电极气体传感器对应的极间距为最适合该气体检测的极间距；也可以采用多 个碳纳米管三电极气体传感器构成传感器阵列，分组对多种不同浓度的该种气 体样本进行检测，检测误差最小的碳纳米管三电极气体传感器对应的极间距为 最适合该气体检测的极间距。

对多组分混合气体，需要构建传感器阵列进行检测，一般情况下，有几种 组分构成混合气体，就需要用大于等于混合气体组分数量的碳纳米管三电极气 体传感器构成传感器阵列。实施例仅以一氧化氮(NO)和二氧化硫(SO₂)的 混合气体为例进行说明，混合气体的组分数量可以扩展。

如图1所示，碳纳米管三电极气体传感器阵列的极间距优化方法采用以下 步骤：

1)设计极间距

由2个传感器构成的传感器阵列中，设其中第1个传感器第一电极与第二 电极的极间距为d₁₁、第二电极与第三电极的极间距为d₁₂；第2个传感器第一电 极与第二电极的极间距为d₂₁、第二电极与第三电极的极间距为d₂₂，对每个传感 器的两个极间距有等间距和不等间距两种情况：

等间距：即组成传感器阵列的单个传感器的两个极间距相等，d₁₁、d₁₂、d₂₁及d₂₂从50μm开始以步长30μm递增，形成50μm、80μm、110μm、140μm、170μm、 200μm、230μm、250μm共计8个极间距。

不等间距：即组成传感器阵列的单个传感器的两个极间距不相等，如d₁₁从 50μm开始以步长30μm递增，形成50μm、80μm、110μm、140μm、170μm、200μm、 230μm、250μm共计8个d₁₁值；d₁₂也从50μm开始以步长30μm递增，同样形 成50μm、80μm、110μm、140μm、170μm、200μm、230μm、250μm共计8个 d₁₂值；理论上，当d_i1、d_i2取上述不同的值进行组合时，可能的组合共有56种， 其中，i＝1，2。

对单个传感器来说，上述等间距和不等间距可形成共64种不同的极间距组 合。

2)构建由不同极间距传感器组成的传感器阵列

针对NO和SO₂的混合气体，选定传感器个数为2，根据现有实验经验，从 步骤1)设计的极间距中，选取6对不同的d_i1和d_i2的组合，构建6组由2个传 感器组成的碳纳米管三电极气体传感器阵列，其中，d_i1与d_i2的组合见表1：

表16组传感器阵列不同极间距的组合

组别 d₁₁/μm d₁₂/μm d₂₁/μm d₂₂/μm 第一组 50 150 150 150 第二组 50 180 180 180 第三组 100 180 100 150 第四组 100 200 180 200 第五组 150 180 180 180 第六组 150 200 200 200

3)用已构建传感器阵列对已知浓度气体进行浓度检测

采用标准气体制备五种不同浓度的NO和SO₂混合气体样本，其配比详见 表2。采用表1中构建的6组碳纳米管三电极气体传感器阵列分别对5种不同浓 度的NO和SO₂混合气体样本进行检测，共获得30组60个被测气体样本的气 体放电离子流值。

表25种不同浓度的NO和SO₂混合气体

序号 NO/ppm SO₂/ppm 1 500 500 2 500 800 3 500 1000 4 800 800 5 800 1100

4)建立传感器阵列的极间距及其对应气体检测结果数据库

将每组碳纳米管三电极气体传感器阵列中各传感器的d_i1和d_i2、检测气体样 本获得的气体放电离子流值以及被测气体的浓度建立极间距及其对应气体检测 结果数据库；

5)建立被测气体浓度定量分析模型

忽略温度和湿度对气体检测的影响，采用支持向量机法，选用高斯核函数， 以步骤4)建立的数据库中，检测NO和SO₂混合气体样本各碳纳米管三电极气 体传感器获得的放电离子流值为输入，以其对应被测气体浓度为输出，建立被 测气体浓度定量分析模型；

步骤6优化传感器阵列中各组成传感器的极间距

采用由步骤5)建立的被测气体浓度定量分析模型对30组被测气体样本中 NO和SO₂气体的浓度进行分析，获得NO和SO₂的检测浓度；求取NO和SO₂气体检测的相对误差，如图2所示；采用粒子群优化算法，以被测气体检测误 差最小为目标，对由步骤2)构建的6组碳纳米管三电极气体传感器阵列中各个 d_i1和d_i2进行优化选择，发现第5组极间距组合形成的传感器阵列检测NO和SO₂混合气体的相对误差最小，因此，最终获得检测NO和SO₂混合气体采用碳纳 米管三电极气体传感器阵列中，两个传感器的最佳极间距d_i1和d_i2分别为： 150μm、180μm和180μm、180μm。

本专利提出的碳纳米管三电极气体传感器的极间距优化方法，同样适用于 碳纳米管三电极温度和湿度传感器极间距的优化，只要用碳纳米管三电极温度 或湿度传感器替代碳纳米管三电极气体传感器构成传感器阵列，将检测获得的 温度和湿度数据纳入步骤4)建立的数据库中，再执行步骤5)和步骤6)即可。

步骤5)中的支持向量机法还可以是神经网络、最小二乘回归、核方法等其 它回归方法；步骤6)中的粒子群优化算法还可以是蚁群优化算法、遗传算法等 其它优化算法。