Polymer-Coated Fiber Bragg Grating Sensors for Simultaneous Monitoring of Soluble Analytes and Temperature
Notice bibliographique
Résumé
<para xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink"> A new fiber-optic sensor for simultaneous measurement of water-soluble analytes and temperature with polymer-coated fiber Bragg gratings (FBGs) is proposed. As an application of the approach, simultaneous monitoring of the concentration of sugar or potassium chloride (KCl) and temperature has been achieved. Changes in these environmental parameters result in different extents of either red- or blue-shifts of the Bragg resonance wavelengths of the gratings. It has been found that polyimide-coated FBG responds to variations of both temperature and concentrations of soluble analytes, while acrylate-coated FBG is sensitive to environmental temperature only. The experimental results showed that the temperature sensitivity of the acrylate-coated FBG, temperature, sugar, and KCl concentration sensitivities of the polyimide-coated FBG are 0.0102 <formula formulatype="inline"><tex Notation="TeX">$~\hbox{nm}/^{\circ}\hbox{C}$</tex> </formula>, 0.0094 <formula formulatype="inline"><tex Notation="TeX">$\hbox{nm}/^{\circ}\hbox{C}$</tex></formula>, 0.0012 <formula formulatype="inline"><tex Notation="TeX">$\hbox{nm}/^{\circ}\hbox{Bx}$</tex> </formula>, and 0.0126 nm/M, respectively. The sensing mechanism of the polyimide-coated FBG lies in the hygroscopic properties of the polyimide coating, which result in the change of the strain of the fiber and, thus, the optical properties of the grating. Since the sensor detects the analytes that swell the polyimide coating and different analytes induce different swelling effects, the sensor can detect different analytes without prior knowledge once a calibration curve is developed. </para>
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».