Filtern
Erscheinungsjahr
- 2022 (3) (entfernen)
Dokumenttyp
Sprache
- Englisch (3)
Schlagworte
- Chemometric techniques (2)
- Electronic nose (2)
- Digitalisation (1)
- Digitalisierung (1)
- Environmental analysis (1)
- Gas sensing (1)
- H2Safety@BAM (1)
- Hydrogen (1)
- Metal oxide semiconductor (1)
- QI Digital (1)
- Sensorik (1)
- Voltammetric electronic tongue (1)
- Wasserstoff (1)
- Wastewater (1)
- Water quality control (1)
Organisationseinheit der BAM
- 8.1 Sensorik, mess- und prüftechnische Verfahren (3) (entfernen)
Die Optimierung und Validierung des digitalen Wasserstofftankstellenmanagements mit Sensortechnologien ist das übergeordnete Ziel des Teilprojekts Digitale Qualitätsinfrastruktur mit Sensortechnologien (QIST) am Use Case H2, im Rahmen der digitalen Qualitätsinfrastruktur (QI digital[1]). Hierfür sollen u.a. Sensornetzwerke mit digital-gestützten Auswertungsstrategien intelligent gestaltet werden (Stichwort KI bzw. digitaler Zwilling). Verschiedene, sich ergänzende Sensoren, Systemkomponenten und KI-Methoden stehen als Bausteine intelligenter Sensorsysteme zur Verfügung, mit dem Zweck, die physikalischen und chemischen Parameter an und in Anlagen umfassend und effizient zu überwachen sowie Fehlfunktionen zuverlässig zu detektieren und zu interpretieren, Abbildung 1.
Konkrete Arbeitsschritte sind, nach dem Aufbau der Versuchsplattform „Wasserstofftankstelle“, die Instrumentierung von Sensorik und deren digitale Integration in das Tankstellenmanagementsystem sowie die Validierung im Realbetrieb. Die somit erzielten Messergebisse sowie die Messunsicherheiten, Historien und Verfahren werden in digitaler Form aufbereitet, gespeichert und fortlaufend in die KI-basierte Datenauswertung einbezogen, inkl. der Anbindung an die metrologische Rückführungskette.
Ziele sind:
• Einführung eines neuen messtechnischen Ansatzes und eines digitalen Zwillings für den Anwendungsfall "Wasserstofftankstelle" auf Basis der H2-Sensorik sowie der Zustandsgrößen Druck und Temperatur
• Qualitätssicherung durch Applikationen zuverlässiger Gassensorik, Manometer und Thermometer sowie KI-Methoden zur Prozesskontrolle und Detektion von Fehlfunktionen
• Nutzung von digitalen Kalibrierscheinen (DCCs) insbesondere für die Messgröße Temperatur zur Realisierung der metrologischen Rückführung in einer digitalen Qualitätsinfrastruktur
Wastewater contains harmful chemicals and heavy metals that are known to cause various environmental and health problems. Therefore, the water quality control using sensitive, simple, fast, accurate, and portable tools is of great importance. This study aimed to evaluate the pollution parameters of wastewaters collected at different treatment stages from a wastewater treatment plant (WWTP) that treats domestic and industrial wastewaters by using an electronic nose (E-nose) and a voltammetric electronic tongue (E-tongue) combined with chemometric techniques. Water and wastewater pollution parameters determination were performed using inductively coupled plasma optical emission spectrometry for the determination of cations, and anions by using ion chromatography. Chemometric techniques, such as Principal Component Analysis (PCA), Discriminant Function Analysis (DFA), Support Vector Machines (SVMs), and Hierarchical Cluster Analysis (HCA), were used to process the E-nose and E-tongue datasets to describe the similarities between the samples. In addition, Partial Least Squares Regression (PLSR) model was constructed using electronic sensing data to simultaneously predict the concentration values of physicochemical parameters. The obtained correlation coefficient, for training and testing sets, is higher than 0.91 for the prediction of the concentration of all physicochemical parameters, except for iron (Fe) which remains 0.84. These results suggest that simple, portable, and inexpensive tools such as electronic nose and tongue are suitable for wastewater analysis.
This work focuses on the design and fabrication of low-cost and fast-response of an electronic nose (E-nose) based on semiconductor gas sensors, for discriminating some synthetic gases such as ammonia (NH3), ethanol (C2H5OH), and hydrogen sulfide (H2S). Additionally, the capability of separating different concentration levels of each considered gases was checked. Dataset treatment of E-nose by using Principal Component Analysis (PCA) showed a good discrimination of the different synthetic gases. Furthermore, perfect classification was reached of different concentration levels of the analysed gases by using Discriminant Function Analysis (DFA). In the light of these results, it could be stated that the developed E-nose system constitutes an inexpensive, rapid, simple to use, and efficient tool for synthetic gases detection.