Signal processing and machine learning for gas sensors: gas source localization with nano-drone
- Autores: Javier Burgués Calderón
- Directores de la Tesis: Santiago Marco Colás (dir. tes.)
- Lectura: En la Universitat de Barcelona ( España ) en 2019
- Idioma: español
- Tribunal Calificador de la Tesis: Javier González Jimenez (presid.), Antonio Pardo Martínez (secret.), Eugenio Martinelli (voc.)
- Programa de doctorado: Programa de Doctorado en Ingeniería y Ciencias Aplicadas por la Universidad de Barcelona
- Materias:
- Texto completo no disponible (Saber más ...)
- Resumen
Esta tesis representa un paso adelante en el uso de sensores semiconductores de óxido de estaño (MOX) en diversas aplicaciones, desde cuantificación de bajas concentraciones de monóxido de carbono en presencia de interferencias químicas en un entorno controlado; hasta medidas dinámicas con robots para localización de fuentes químicas en entornos no estructurados.
El objetivo principal de la tesis es desarrollar un nano-drone que sea capaz de localizar una fuente química en entornos “indoor” de grandes dimensiones. El uso de un nano-drone que toma medidas en movimiento diferencian nuestro trabajo de trabajos previos, donde robots terrestres equipados con complejos instrumentos y que se detienen para tomar medidas, son utilizados para este propósito.
Los sensores MOX son la opción preferible para nano-robots debido a su reducido tamaño, bajo peso, bajo coste y alta sensibilidad a muchos compuestos. Sin embargo, también presentan importantes limitaciones como la no-linealidad de la respuesta, baja selectividad, bajo ancho de banda y alto consumo. Uno de los objetivos específicos de esta tesis es mitigar estas limitaciones mediante técnicas de procesado de señal.
En primer lugar, desarrollamos métodos estadísticos univariantes y multivariantes para calcular el límite de detección (LOD) en sensores no lineales. El LOD es una figura de mérito fundamental que define la sensibilidad y selectividad del sensor a un determinado compuesto en presencia de interferentes. Sin embargo, los sensores MOX presentan características incompatibles con las fórmulas para el cálculo del LOD definidas por la International Union of Pure and Applied Chemistry (IUPAC).
El elevado consumo de los sensores MOX reduciría el tiempo de vuelo de un nano-drone considerablemente. Dicho consumo es debido a que estos sensores tradicionalmente se mantienen alimentados ininterrumpidamente para aumentar la estabilidad de la respuesta. Para alcanzar un compromiso entre consumo y estabilidad, en esta tesis se exploran métodos de alimentación de bajo consumo basados en operación bajo demanda y operación “duty-cycling”.
El bajo ancho de banda de los sensores MOX dificulta la localización de fuentes químicas en entornos reales de grandes dimensiones donde las sustancias químicas de interés se propagan turbulentamente. En esta tesis se proponen mejoras del tiempo de respuesta basadas en la fabricación de micro-cámaras de gas, uso de bombas para facilitar el transporte de gas a los sensores y extracción de características dinámicas de la respuesta.
Para el desarrollo de algoritmos de localización de fuentes químicas en entornos tridimensionales (3D), es necesario estudiar la dispersión de gases en 3D. Para ello, en esta tesis desarrollamos por primera vez una red 3D de sensores MOX para analizar patrones de dispersión de gas producidos por una fuga de gas.
Finalmente, los algoritmos desarrollados son evaluados en un nano-drone equipado con un sensor MOX encargado de localizar una fuente química en una sala de grandes dimensiones (160 m2).
