بررسی اثر هندسه محفظه حسگرها و نوع سیال بر جریان سیال در سامانه بینی الکترونیکی با استفاده از شبیه‌سازی دینامیک سیالات محاسباتی

مقالات آماده انتشار

نوع مقاله : مقاله پژوهشی

نویسندگان

عارفه الطافی ¹

سید سعید محتسبی ¹

علی جعفری ¹

مهدی قاسمی ورنامخواستی ²

¹ گروه مهندسی ماشین‌های کشاورزی، دانشکده مهندسی و فناوری کشاورزی، دانشگاه تهران، کرج، ایران

² گروه مهندسی مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه شهرکرد، شهرکرد، ایران

https://doi.org/10.22067/jam.2026.97514.1466

چکیده

سامانه بینی الکترونیکی قابلیت تجزیه‌وتحلیل مواد فرار موجود در محصولات، با تقلید از بینی انسان را دارا بوده و داده‌های خروجی آن می‌تواند شامل اطلاعات شیمیایی و حسی بسیار مفیدی باشند. با توجه به نیاز به صرف هزینه و زمان زیاد برای ساخت و داده‌برداری از این محفظه‌ها به‌صورت تجربی، طراحی و شبیه‌سازی عددی صحیح و کارامد آن‌ها می‌تواند دستیابی انسان به داده‌های مدنظر را بسیار تسهیل کند. بدین منظور و با هدف دستیابی به طراحی بهینه‌ی محفظه این سامانه‌ها جهت عملکرد بهتر حسگرها، در پژوهش حاضر چهار هندسه مختلف در دو حالت تزریق هوا و دی‌اکسیدکربن (CO₂) به‌صورت سه‌بعدی شبیه‌سازی و مورد بررسی قرار گرفته‌اند. هندسه‌ها طوری طراحی شده‌اند که از نظر ابعادی و همچنین سطح مقطع ورودی و خروجی یکسان بوده تا عملکرد جریانی و سیالاتی به ساختار ذاتی هندسه‌ها معطوف گردد. همچنین شرایط مرزی و مشخصات سیال برای تمامی هندسه‌ها یکسان بوده است. بررسی‌ها جهت یافتن بهترین هندسه از نظر نوع عملکرد سیال و پوشش سطح حسگرها و همچنین پایداری مناسب‌تر مورد ارزیابی قرار گرفتند. بررسی‌ها نشان داد که هندسه نیم‌کره بهترین عملکرد جریان را در هر دو حالت تزریق هوا و CO₂ داراست و سیال در زمان کمتری به سطح رسیده و همچنین به شرایط تعادلی می‌رسد. در این هندسه مناطق راکد کمتری در جریان سیال داخل محفظه پدید آمده و این امر موجب بهبود عملکرد و افزایش قابلیت اطمینان حسگرها می‌شود. نتایج همچنین نشان داد که پیدایش گردابه‌ها می‌تواند زمان رسیدن سیال به سطح حسگر را کاهش دهد.

کلیدواژه‌ها

الگوی جریان سیال

شبیه‌سازی سه‌بعدی

ماشین بویایی

موضوعات

• مهندسی پس‌ از برداشت، و فرآوری محصولات کشاورزی

---

Authors retain the copyright. This is an open access article distributed under Creative Commons Attribution 4.0 International License (CC BY 4.0)

مراجع

1. Annanouch, F. E., Bouchet, G., Perrier, P., Morati, N., Reynard-Carette, C., Aguir, K., & Bendahan, M. (2018). How the chamber design can affect gas sensor responses. Proceedings of the West Mark Ed Association Conference, Eurosensors 2018 Conference, Graz, Austria. https://doi.org/10.3390/proceedings2130820
2. Annanouch, F. E., Bouchet, G., Perrier, P., Morati, N., Reynard-Carette, C., Aguir, K., Martini-Laithier, V., & Bendahan, M. (2019). Hydrodynamic evaluation of gas testing chamber: Simulation, experiment. Sensors and Actuators B: Chemical, 290, 598-606. https://doi.org/10.1016/j.snb.2019.04.023
3. Cai, J., Ding, W., & Wang, M. (2025). Design of test-chamber shape for portable electronic nose. Journal of Physics: Conference Series, 2939, 012028. https://doi.org/10.1088/1742-6596/2939/1/012028
4. Chang, Z., Sun, Y., Zhang, Y., Gao, Y., Weng, X., Chen, D., David, L., & Xie, J. (2018). Bionic optimization design of electronic nose chamber for oil and gas detection. Journal of Bionic Engineering, 15(3), 533-544. https://doi.org/10.1007/s42235-018-0044-6
5. Chai, H., Zheng, Z., Liu, K., Xu, J., Wu, K., Luo, Y., Liao, H., Debliquy, M., & Zhang, C. (2022). Stability of metal oxide semiconductor gas sensors: A review. IEEE Sensors Journal, 22(6), 5470-5481. https://doi.org/10.1109/JSEN.2022.3148264
6. Cheng, L., Liu, Y. B., & Meng, Q. H. (2020). A novel E-nose chamber design for VOCs detection in automobiles. In Proceedings of the 39^th Chinese Control Conference (CCC), Shenyang, China. https://doi.org/10.23919/CCC50068.2020.9189213
7. Chowdhury, S., Kumar, D., Kumar, R., Karar, V., & Bhondekar, A. (2016). Simple sensor chamber design for hand-held electronic nose. Conference: Modern Information and communication technologies for digital India, India.
8. Covington, J. A., Marco, S., Persaud, K. C., Schiffman, S. S., & Nagle, H. T. (2021). Artificial olfaction in the 21st century. IEEE Sensors Journal, 21(11), 12969-12990. https://doi.org/10.1109/JSEN.2021.3076412
9. Dey, A. (2018). Semiconductor metal oxide gas sensors: A review. Materials Science and Engineering: B, 229, 206-217. https://doi.org/10.1016/j.mseb.2017.12.036
10. Dohare, P., Bagchi, S., & Bhondekar, A. P. (2020). Performance optimisation of a sensing chamber using fluid dynamics simulation for electronic nose applications. Turkish Journal of Electrical Engineering & Computer Sciences, 28, 3068-3078. https://doi.org/10.3906/elk-1903-103
11. Dragonieri, S., Pennazza, G., Carratu, P., & Resta, O. (2017). Electronic nose technology in respiratory diseases. Lung, 195(2), 157-165. https://doi.org/10.1007/s00408-017-9987-3
12. Fonollosa, J., Fernández, L., Gutiérrez-Gálvez, A., Huerta, R., & Marco, S. (2016). Calibration transfer and drift counteraction in chemical sensor arrays using direct standardization. Sensors and Actuators B: Chemical, 236, 1044-1053. https://doi.org/10.1016/j.snb.2016.05.089
13. Harmouzi, M., Amari, A., & Masmoudi, L. (2023). Conception and simulation of an electronic nose prototype for olfactory acquisition. Advances in Science, Technology and Engineering Systems Journal, 8(1), 101-107. https://doi.org/10.25046/aj080112
14. Hui, G., Jin, J., Deng, S., Ye, X., Zhao, M., Wang, M., & Ye, D. (2015). Winter jujube (Zizyphus jujube) quality forecasting method based on electronic nose. Food Chemistry, 170, 484-491. https://doi.org/10.1016/j.foodchem.2014.08.009
15. Hunter, G. W., Akbar, S., Bhansali, S., Daniele, M., Erb, P. D., Johnson, K., Liu, C. C., Miller, D., Oralkan, O., & Hesketh, P. J. (2020). Editors’ choice—Critical review—A critical review of solid state gas sensors. Journal of The Electrochemical Society, 167(3), 037570. https://doi.org/10.1149/1945-7111/ab729c
16. Karimzadeh, R., & Assar, M. (2016). Effect of laser irradiation on CO gas detecting response of reduced graphene oxide sensor. RSC Advances, 6(58), 52817-52825. https://doi.org/10.1039/C6RA04618E
17. Korotcenkov, G., & Cho, B. K. (2011). Instability of metal oxide-based conductometric gas sensors and approaches to stability improvement (short survey). Sensors and Actuators B: Chemical, 156(2), 527-538. https://doi.org/10.1016/j.snb.2011.02.024
18. Kumar, J., Singh, H., Raj, V., Nimal, A., Gupta, V., & Singh, V. (2020). Trace detection of nerve agent simulant in the fuel vapour environment using metal oxide surface acoustic wave E-nose. Defence Science Journal, 70(5), 520-528. https://doi.org/10.14429/dsj.70.14584
19. Laref, R., Ahmadou, D., Losson, E., & Siadat, M. (2017). Orthogonal signal correction to improve stability regression model in gas sensor systems. Journal of Sensors, 2017(1), 9851406. https://doi.org/10.1155/2017/9851406
20. Lezzi, A. M., Beretta, G. P., Comini, E., Faglia, G., Galli, G., & Sberveglieri, G. (2001). Influence of gaseous species transport on the response of solid state gas sensors within enclosures. Sensors and Actuators B: Chemical, 78(1), 144-150. https://doi.org/10.1016/S0925-4005(01)00805-X
21. Liu, X., Ma, T., Pinna, N., & Zhang, J. (2017). Two-dimensional nanostructured materials for gas sensing. Advanced Functional Materials, 27(37), https://doi.org/10.1002/adfm.201702168
22. Lopez, L., Copa, V., Hayasaka, T., Faustino-Lopez, M.A., Wu, Y., Liu, H., Liu, Y., Estacio, E., Somintac, A., & Lin, L. (2020). Influence of chamber design on the gas sensing performance of graphene field-effect-transistor. SN Applied Sciences, 2(7), 1-11. https://doi.org/10.1007/s42452-020-2676-5
23. Nikoutadbir, A., Tarmian, A., Mohtasebi, S. S., Mohtasebi, S. M., & Oladi, R. (2024). The utilization of an olfactory machine in wood identification demonstrates a promising prospect: discerning disparities in emission profiles of volatile organic compounds between Picea abies and Pinus sylvestris. European Journal of Wood and Wood Products, 82(3), 591-596. https://doi.org/10.1007/s00107-024-02053-7
24. Oliveros, M. C. C., Pavon, J. L. P., Pinto, C. G., Laespada, M. E. F., Cordero, B. M., & Forina, M. (2002). Electronic nose based on metal oxide semiconductor sensors as a fast alternative for the detection of adulteration of virgin olive oils. Analytica Chimica Acta, 459, 219-228. https://doi.org/10.1016/s0003-2670(02)00119-8
25. Pearce, T. C., Schiffman, S. S., Nagle, H. T., & Gardner, J. W. (2006). Handbook of Machine Olfaction: Electronic Nose Technology. John Wiley & Sons. https://doi.org/10.1002/3527601597
26. Rezaee, Z., Mohtasebi, S. S., & Firouz, M. S. (2024a). Monitoring pistachio health using data fusion of machine vision and electronic nose (E-nose). Journal of Food Measurement and Characterization, 19, 1851-1858. https://doi.org/10.1007/s11694-024-03078-5
27. Rezaee, Z., Mohtasebi, S. S., & Firouz, M. S. (2024b). An electronic nose system supported by machine learning techniques for rapid detection of Aspergillus flavus in pistachio. Journal of Food Measurement and Characterization, 18(7), 5757-5765. https://doi.org/10.1007/s11694-024-02606-7
28. Robbiani, S., Lotesoriere, B. J., Dellacà, R. L., & Capelli, L. (2023). Physical confounding factors affecting gas sensors response: A review on effects and compensation strategies for electronic nose applications. Chemosensors, 11(10), 514. https://doi.org/10.3390/chemosensors11100514
29. Samiyan, N. S., & Addi, M. M. (2017). Characterization of sensing chamber design for E-nose applications. Journal of Telecommunication, Electronic and Computer Engineering, 9(3-9), 123-127. https://jtec.utem.edu.my/jtec/article/view/3136
30. Scott, S. M., James, D., Ali, Z., & O’Hare, W. T. (2004). Optimising of the sensing chamber of an array of a volatile detection system: Fluid dynamic simulation. Journal of Thermal Analysis and Calorimetry, 76, 693-708. https://doi.org/10.1023/b:jtan.0000034891.68585.4a
31. Sedlák, P., & Kuberský, P. (2020). The effect of the orientation towards analyte flow on electrochemical sensor performance and current fluctuations. Sensors, 20(4), 1038-1054. https://doi.org/10.3390/s20041038
32. Shyla, M. V., Naidu, K. B., & Kumar, G. V. (2013). Optimization of sensor position on different surfaces using CFD analysis for reducing accidents caused by emission of toxic gas in industries. In Proceedings of the Fif^th International Conference on Advanced Computing (ICoAC). https://doi.org/10.1109/ICoAC.2013.6921950
33. Xue, L., Yamazaki, H., Ren, R., Wanunu, M., Ivanov, A. P., & Edel, J. B. (2020). Solid-state nanopore sensors. Nature Reviews Materials, 5(12), 931-951. https://doi.org/10.1038/s41578-020-0229-6
34. Yuan, Z., Benck, J. D., Eatmon, Y., Blankschtein, D., & Strano, M. S. (2018). Stable, temperature-dependent gas mixture permeation and separation through suspended nanoporous single-layer graphene membranes. Nano Letters, 18(8), 5057-5069. https://doi.org/10.1021/acs.nanolett.8b01866
35. Zhang, W., Pan, L., Zhao, X., & Tu, K. (2016). A study on soluble solids content assessment using electronic nose: Persimmon fruit picked on different dates. International Journal of Food Properties, 19(1), 53-62. https://doi.org/10.1080/10942912.2014.940535
36. Zhao, K., Dalton, P., Yang, G. C., & Scherer, P. W. (2006). Numerical modeling of turbulent andlaminar airflow and odorant transport during sniffing in the human and rat nose. Methods, 31, 107-118. https://doi.org/10.1093/chemse/bjj008