A determinação de cada espécie que compõe uma mistura gasosa tem sido alvo de muitas pesquisas. Existem equipamentos para tal finalidade tais como, cromatografia gasosa, espectroscopia de infravermelho e sensores. A fim de viabilizar uma aplicação de baixo custo para a determinação da concentração de espécies em uma mistura gasosa, neste trabalho, é proposto um aparato para sensoriamento de H₂, CH₄ e CO encontrados em gases combustíveis. O sensoriamento é efetuado por quimioresistores de SnO₂ comercialmente disponíveis. O aparato consiste de um sistema de coleta da mistura gasosa e de sua diluição antes de seguir com a análise feita pelos sensores, obedecendo aos requisitos de segurança contra explosões. O aparato foi submetido a 125 diferentes misturas oriundas da combinação das concentrações de 0, 200, 800, 1500 e 2000 ppm de cada espécie gasosa utilizando o nitrogênio (99,999%) como gás de arraste. As amostragens foram avaliadas sob dois diferentes métodos de recuperação dos sensores: forçado e natural. Através dos resultados experimentais obtidos, foi observado que: a sensibilidade cruzada dos sensores de CO e de CH₄ é bastante elevada enquanto que o sensor de H₂ apresentou maior seletividade e, o método de recuperação natural apresentou melhores resultados em função da estabilidade térmica do sistema. Uma rede neural artificial foi desenvolvida e treinada com o objetivo de superar o problema das sensibilidades cruzadas. Os resultados obtidos pela rede neural são promissores e apresentaram erro máximo de 0,1 % para o hidrogênio, 23% para o metano e 29% para o monóxido de carbono para a obtenção da concentração absoluta de H₂, CH₄ e CO encontrados em misturas com composições conhecidas de antemão. / The achievement of the content of each component of a gas mixture from gasifiers has been a matter of several studies. There are specific techniques for this purpose, such as: gas chromatography, infrared spectroscopy and sensors. In order to allow a low cost application for obtaining the concentrations in a gas mixture, this study proposes a set up for sensing H₂, CH₄ and CO found in fuel gases produced by gasifiers. The sensing is performed by commercially available chemiresistors of SnO₂. The proposed set up collects the gas mixture and dilutes it before proceeding the sensing step, based on the safety requirements to avoid explosion. 125 different gas mixtures were prepared from the combination of 0, 200, 800, 1500 and 2000 ppm of H₂, CH₄ and CO using nitrogen (99.999%) as the carrier gas. The samples were evaluated under two different methods for sensor recovery: forced and natural. Based on the results, it was established that: the cross sensitivity of the CO and CH₄ sensors is too high while the H₂ sensor presents higher selectivity (almost 100%) and the natural recovery method showed improved results because of the better thermal stability of the system. An artificial neural network was developed and trained with the purpose of overcoming the problem of cross sensitivities. The results achieved by means of the neural network are promising and indicated a maximum error of 0.1% for hydrogen, 23% for methane and 29% for carbon monoxide when the absolute concentration of H₂, CH₄ and CO found in the gas mixtures are obtained from well known compositions.

A determinação de cada espécie que compõe uma mistura gasosa tem sido alvo de muitas pesquisas. Existem equipamentos para tal finalidade tais como, cromatografia gasosa, espectroscopia de infravermelho e sensores. A fim de viabilizar uma aplicação de baixo custo para a determinação da concentração de espécies em uma mistura gasosa, neste trabalho, é proposto um aparato para sensoriamento de H₂, CH₄ e CO encontrados em gases combustíveis. O sensoriamento é efetuado por quimioresistores de SnO₂ comercialmente disponíveis. O aparato consiste de um sistema de coleta da mistura gasosa e de sua diluição antes de seguir com a análise feita pelos sensores, obedecendo aos requisitos de segurança contra explosões. O aparato foi submetido a 125 diferentes misturas oriundas da combinação das concentrações de 0, 200, 800, 1500 e 2000 ppm de cada espécie gasosa utilizando o nitrogênio (99,999%) como gás de arraste. As amostragens foram avaliadas sob dois diferentes métodos de recuperação dos sensores: forçado e natural. Através dos resultados experimentais obtidos, foi observado que: a sensibilidade cruzada dos sensores de CO e de CH₄ é bastante elevada enquanto que o sensor de H₂ apresentou maior seletividade e, o método de recuperação natural apresentou melhores resultados em função da estabilidade térmica do sistema. Uma rede neural artificial foi desenvolvida e treinada com o objetivo de superar o problema das sensibilidades cruzadas. Os resultados obtidos pela rede neural são promissores e apresentaram erro máximo de 0,1 % para o hidrogênio, 23% para o metano e 29% para o monóxido de carbono para a obtenção da concentração absoluta de H₂, CH₄ e CO encontrados em misturas com composições conhecidas de antemão. / The achievement of the content of each component of a gas mixture from gasifiers has been a matter of several studies. There are specific techniques for this purpose, such as: gas chromatography, infrared spectroscopy and sensors. In order to allow a low cost application for obtaining the concentrations in a gas mixture, this study proposes a set up for sensing H₂, CH₄ and CO found in fuel gases produced by gasifiers. The sensing is performed by commercially available chemiresistors of SnO₂. The proposed set up collects the gas mixture and dilutes it before proceeding the sensing step, based on the safety requirements to avoid explosion. 125 different gas mixtures were prepared from the combination of 0, 200, 800, 1500 and 2000 ppm of H₂, CH₄ and CO using nitrogen (99.999%) as the carrier gas. The samples were evaluated under two different methods for sensor recovery: forced and natural. Based on the results, it was established that: the cross sensitivity of the CO and CH₄ sensors is too high while the H₂ sensor presents higher selectivity (almost 100%) and the natural recovery method showed improved results because of the better thermal stability of the system. An artificial neural network was developed and trained with the purpose of overcoming the problem of cross sensitivities. The results achieved by means of the neural network are promising and indicated a maximum error of 0.1% for hydrogen, 23% for methane and 29% for carbon monoxide when the absolute concentration of H₂, CH₄ and CO found in the gas mixtures are obtained from well known compositions.