Please use this identifier to cite or link to this item:
https://cuir.car.chula.ac.th/handle/123456789/4159
| Title: | การตรวจวัดสารระเหยอินทรีย์โดยใช้ตัวตรวจรู้ชนิด QCM |
| Other Titles: | Detection of volatile organic compounds using QCM sensors |
| Authors: | ภาคภูมิ สมบูรณ์ |
| Advisors: | มานะ ศรียุทธศักดิ์ |
| Other author: | จุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์ |
| Advisor's Email: | Mana.S@chula.ac.th |
| Subjects: | สารระเหยอินทรีย์ หัววัดก๊าซ |
| Issue Date: | 2542 |
| Publisher: | จุฬาลงกรณ์มหาวิทยาลัย |
| Abstract: | วิทยานิพนธ์ฉบับนี้ได้นำเสนอการประดิษฐ์ระบบแยกแยะชนิดของสารระเหยอินทรีย์ โดยระบบที่ประดิษฐ์ขึ้นนี้ประกอบด้วยระบบวัดก๊าซชนิดไอไหลผ่านที่ควบคุมการทำงานของระบบโดยคอมพิวเตอร์และหัววัดก๊าซชนิดต่าง ๆ ซึ่งหัววัดก๊าซเหล่านี้จะถูกประดิษฐ์ขึ้นจากการนำสารอนินทรีย์ชนิดต่าง ๆ ได้แก่ SnO2, ZnO, PdCl2, NiO2, TiO2, C10H10Fe, WO3, SnCl2, และ CuO รวม 9 ชนิดมาสร้างเป็นเมมเบรนวัดบนผิวหน้าของทรานส์ดิวเซอร์ชนิด QCM (Quartz Crystal Microbalance) โดยการทดสอบความสามารถในการแยกแยะของระบบจะแยกแยะสารระเหยอินทรีย์ 5 ชนิด คือ อะซิโตน เมทานอล เอทานอล โทลูอีน แอมโมเนีย และน้ำปลอดอิออนรวมทั้งหมด 6 ชนิด โดยในขั้นตอนแรกจะนำหัววัดก๊าซชนิดต่าง ๆ ที่ได้ประดิษฐ์ขึ้นไปวัดทดสอบกับสารตัวอย่างทั้ง 6 ชนิดข้างต้นเพื่อคัดเลือกหัววัดก๊าซที่เหมาะสมไปใช้ในกระบวนการแยกแยะ ซึ่งได้ทำการคัดเลือกหัววัดก๊าซชนิด ZnO, NiO2, WO3 และ SnCl2 รวมทั้งหมด 4 หัววัด ในกระบวนการแยกแยะจะนำข้อมูลของการเปลี่ยนแปลงความถี่ของผลตอบสนองที่ได้จากหัววัดก๊าซที่เวลา 25, 50, 75, 100, 125, 150, 175, 200 และ 225 วินาทีภายหลังจากเริ่มไหลผ่านสารตัวอย่างไปทำการแยกแยะโดยระบบเครือข่ายประสาทสองชนิดคือ radial basis neural networks (RB-NNs) และ back propagation neural networks (BP-NNs) จากผลการทดลองพบว่าเงื่อนไขในการแยกแยะสารตัวอย่างดังกล่าวที่ให้ความถูกต้องในการแยกแยะสูงสุดได้จากการใช้ข้อมูล 7 จุดที่เวลา 50, 75, 100, 175, และ 200 วินาทีร่วมกับการใช้ระบบเครือข่ายประสาทชนิด radial basis โดยได้ความถูกต้องในการแยกแยะประมาณ 90 เปอร์เซ็นต์ ซึ่งสูงกว่าการใช้ระบบเครือข่ายประสาทชนิด back propagation ที่ให้ความถูกต้องในการแยกแยะสูงสุดเพียง 62% |
| Other Abstract: | This thesis presents a fabrication of volatile organic compounds (VOCs) identification system. The system cosists of computer-controled vapor flow unit and gas sensors. The quartz crystal microbalances (QCMs) were used as transducers. Inorganic materials SnO2, ZnO, PdC12, NiO2, TiO2, C10H10Fe, WO3, SnC12 and CuO were used as sensing membrane for modifying the QCMs. 5 VOCs such as acetone, methanol, ethanol, toluene, ammonia and de-ionized water were used to investigate the identification performance. Response characteristics of each sample were measured. Then only 4 sensors (ZnO, NiO2, WO3 and SnCl2 gas sensors) were selected for identification process. In the identifiction process, frequency change datas at 25, 50, 75, 100, 125, 150, 175, 200 and 225 seconds, after starting flow, from the response characteristic curves were used as representative information. Two types of neural networks ; radial basis neural networks(RB-NNs) and conventional back propagation neural networks(BP-NNs) were utilized. It was found that the best discrimination condition for the above-mentioned VOCs was obtained when using only 7 representative datas position at 50, 75, 100, 125, 150, 175 and 200. And the accuracy of discrimination was about 90% by using the RB-NNs. This is better than the using of the BP-NNs, which is obtained only 62% accuracy. |
| Description: | วิทยานิพนธ์ (วศ.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2542 |
| Degree Name: | วิศวกรรมศาสตรมหาบัณฑิต |
| Degree Level: | ปริญญาโท |
| Degree Discipline: | วิศวกรรมไฟฟ้า |
| URI: | http://cuir.car.chula.ac.th/handle/123456789/4159 |
| ISBN: | 9743339388 |
| Type: | Thesis |
| Appears in Collections: | Eng - Theses |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| pakpum.pdf | 3.8 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.