Pd负载与Sm掺杂HoFeO3纳米纤维的机器学习增强型高性能正丁醇气体传感器研究

本文创新性地结合静电纺丝法制备Pd负载与Sm3+掺杂HoFeO3纳米纤维，通过材料改性（增加氧空位、缩小带隙至2.087 eV）与机器学习算法（PCA-RF）协同策略，显著提升对1 ppm低浓度正丁醇的响应值（11.38）和选择性（丙酮干扰误差≤16%），为工业安全监测提供新材料与智能识别方案。

　　

章节精选

材料表征

图2a展示了所有合成材料的X射线衍射（XRD）图谱。与标准卡片（46-0115）对比显示所有材料均为单相结构且无杂质峰。其中Pd:SHFO的（1 1 2）峰半高宽（FWHM）最大，根据Scherrer公式计算表明其晶粒尺寸最小（约31.9 nm）。公式中D代表晶粒尺寸，k为常数，λ为X射线波长，β为衍射峰半高宽，θ为布拉格衍射角。

结论

本研究证实，静电纺丝辅助的Pd负载与Sm³⁺掺杂可协同增强HoFeO₃纳米纤维对正丁醇的传感性能。通过XRD、XPS（X射线光电子能谱）、SEM（扫描电子显微镜）和EIS（电化学阻抗谱）等表征发现，改性引发了晶格畸变，增加了氧空位和化学吸附氧含量，并将带隙缩小至2.087 eV，从而显著提升了表面氧化还原活性和载流子迁移率。