Development of Materials and Electrochemical Diagnostics for Fuel Cell-Based Ethanol Sensors
Notice bibliographique
Résumé
The most common application of electrochemical ethanol sensors is in breathalyzer devices, which are widely used by law enforcement officers for roadside screening to combat impaired driving. These state-of-the-art breath alcohol sensors (BrAS) employ an electrochemical sensor based upon fuel cell technology. At the heart of the sensor is a membrane-electrode assembly (MEA) that employs a porous polyvinyl chloride (PVC) membrane filled with H2SO4 (aq). Each electrode contains massive amounts of Pt black catalyst (~10 - 20 mg/cm2) and a Teflon binder. The market for these devices is growing rapidly in large part due to the adoption of alcohol ignition interlocks for offenders and new OEM automotive safety requirements in some countries. As such, substantial cost reduction is needed to improve economic viability and OEM cost targets. Despite its commercial success over the last 4 decades, electrochemical BrAS have been sparsely studied in the academic literature. Very little is known about how electrode structure influences sensor performance. Furthermore, environmental conditions are known to influence sensitivity and operational lifetime, yet the mode of degradation is not well understood. Since these devices closely mimic fuel cell technology from three-decades ago, our approach to BrAS has been to adapt materials and methods initially developed for power generating fuel cells. We have developed new MEA compositions employ 97% less Pt but can still achieve sensitivity that is on-par with current BrAS commercial technology. In this presentation, I will describe how chemical modification of the electrocatalyst materials can yield enhanced sensitivity and/or stability. In particular, BrAS fabricated from carbon supported Pt and Pt-alloy catalysts will be discussed. Likewise, I will describe how the use of in situ electrochemical diagnostic measurements in working breathalyzer cells can be used to gain insight into how sensitivity and durability are related to electrode composition and water retention properties of the MEA. Figure 1
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».