项目名称: 一种逐级提取分析气体催化发光信息的传感器研究

项目编号: No.21375030

项目类型: 面上项目

立项/批准年度: 2014

项目学科: 分析化学

项目作者: 曹小安

作者单位: 广州大学

项目金额: 40万元

中文摘要: 在传感器中尽可能多的提取分析物信息来提高其区分和鉴别物质能力是传感器发展的重要方向。本课题提出一种逐级提取分析气体信息的新思路: 将分析气体与敏感材料接触产生一级催化发光反应后的尾气与敏感材料继续接触产生二级(或多级)催化发光反应,逐级提取分析物的发光信号。实验显示,四种醇蒸气分别在纳米氧化镁上进行一级和二级催化发光反应,每种醇两次产生的发光信号强度的比值在较宽浓度范围内为常数并与其它醇不同, 可作为其特征值来区分不同的醇分子。不同气体能够逐级产生强度不同的催化发光现象可能源于不同的气体分子在敏感材料上被逐级氧化时生成的各级产物的不同。因此不同气体的逐级发光强度比值能够反映其分子结构的不同。本项目拟设计几种传感器阵列,通过提取气敏材料与分析物之间逐级发生催化发光反应而产生的多通道信息,达到准确区分和鉴别性质相近的单组分或多组分气体的目的。本项目也将研究气体分子产生逐级发光现象的反应机理。

中文关键词: 传感器;催化发光;化学发光;气体;混合物

英文摘要: An important direction of sensors development is extracting analyte information as much as possible from a sensor to improve its' ability to differentiate and identify analyte. This project proposes a new idea that is extracting information of gaseous analyte hierarchically: Allow the gas to contact with sensing material to produce first -level cataluminescence reaction, then the exhaust contacts with sensitive material continuously to produce second-level(or more -level) cataluminescence reaction. One could extract luminescent signals of the analyte hierarchically by this way. The experiment showed that the first and second-level cataluminescence reactions of four types of alcoholic vapors were carried separately on the nano-magnesia, and each ratio of the two luminous intensities of the alcohols remained constant in a broader concentration range which was different from each other. It could be used as its characteristic value to distinguish between different kinds of alcohol molecules. The different gases which can hierarchically generate different cataluminescence phenomenon may be derived from the stepwise oxidation of different gas molecules to form different level products on the sensing materials. Therefore, the ratios of hierarchical luminous intensities of various gases can reflect the difference on the

英文关键词: sensors;cataluminesence;chemiluminescence;gases;mixtures

成为VIP会员查看完整内容
0

相关内容

传感器(英文名称:transducer/sensor)是一种检测装置,能感受到被测量的信息,并能将感受到的信息,按一定规律变换成为电信号或其他所需形式的信息输出,以满足信息的传输、处理、存储、显示、记录和控制等要求。
KDD 2021 | MoCL:利用多层次领域知识的分子图对比学习
专知会员服务
10+阅读 · 2022年5月20日
ICLR 2022|化学反应感知的分子表示学习
专知会员服务
20+阅读 · 2022年2月10日
【NeurIPS 2021】基于潜在空间能量模型的可控和组分生成
专知会员服务
16+阅读 · 2021年10月23日
专知会员服务
85+阅读 · 2021年8月8日
【WWW2021】基于双侧深度上下文调制的社会化推荐系统
专知会员服务
27+阅读 · 2021年1月28日
专知会员服务
25+阅读 · 2020年12月17日
【ACM MM2020】对偶注意力GAN语义图像合成
专知会员服务
35+阅读 · 2020年9月2日
新时期我国信息技术产业的发展
专知会员服务
69+阅读 · 2020年1月18日
靶向蛋白质降解的蛋白-蛋白相互作用预测
GenomicAI
4+阅读 · 2022年3月5日
我的信号是由核辐射传输的,金属屏蔽都挡不住
机器之心
0+阅读 · 2021年11月24日
论文浅尝 | GEOM-GCN: Geometric Graph Convolutional Networks
开放知识图谱
14+阅读 · 2020年4月8日
一种关键字提取新方法
1号机器人网
21+阅读 · 2018年11月15日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年5月25日
Arxiv
14+阅读 · 2020年10月26日
Arxiv
27+阅读 · 2020年6月19日
Do RNN and LSTM have Long Memory?
Arxiv
19+阅读 · 2020年6月10日
Efficiently Embedding Dynamic Knowledge Graphs
Arxiv
14+阅读 · 2019年10月15日
Position-aware Graph Neural Networks
Arxiv
15+阅读 · 2019年6月11日
Arxiv
10+阅读 · 2018年3月23日
小贴士
相关VIP内容
KDD 2021 | MoCL:利用多层次领域知识的分子图对比学习
专知会员服务
10+阅读 · 2022年5月20日
ICLR 2022|化学反应感知的分子表示学习
专知会员服务
20+阅读 · 2022年2月10日
【NeurIPS 2021】基于潜在空间能量模型的可控和组分生成
专知会员服务
16+阅读 · 2021年10月23日
专知会员服务
85+阅读 · 2021年8月8日
【WWW2021】基于双侧深度上下文调制的社会化推荐系统
专知会员服务
27+阅读 · 2021年1月28日
专知会员服务
25+阅读 · 2020年12月17日
【ACM MM2020】对偶注意力GAN语义图像合成
专知会员服务
35+阅读 · 2020年9月2日
新时期我国信息技术产业的发展
专知会员服务
69+阅读 · 2020年1月18日
相关资讯
靶向蛋白质降解的蛋白-蛋白相互作用预测
GenomicAI
4+阅读 · 2022年3月5日
我的信号是由核辐射传输的,金属屏蔽都挡不住
机器之心
0+阅读 · 2021年11月24日
论文浅尝 | GEOM-GCN: Geometric Graph Convolutional Networks
开放知识图谱
14+阅读 · 2020年4月8日
一种关键字提取新方法
1号机器人网
21+阅读 · 2018年11月15日
相关基金
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
相关论文
Arxiv
0+阅读 · 2022年5月25日
Arxiv
14+阅读 · 2020年10月26日
Arxiv
27+阅读 · 2020年6月19日
Do RNN and LSTM have Long Memory?
Arxiv
19+阅读 · 2020年6月10日
Efficiently Embedding Dynamic Knowledge Graphs
Arxiv
14+阅读 · 2019年10月15日
Position-aware Graph Neural Networks
Arxiv
15+阅读 · 2019年6月11日
Arxiv
10+阅读 · 2018年3月23日
微信扫码咨询专知VIP会员