<p>The last years a TC-sensing module called HSS-440 has been developed at AppliedSensor. The sensor is used in hydrogen powered cars to detect H2-leakages. TC-sensing is a technique that uses small changes in thermal conductivity when H2 is present to determine concentrations. Today these small changes are estimated with a prediction model that uses several hundreds of parameters.</p><p>A sensor substrate from a new manufacturer is now introduced. This means an opportunity to look over the current solution. The task for this thesis is to investigate system properties and new solutions regarding a prediction model with minimal need for calibration.</p><p>System properties are investigated and relations for heat flow and influence of H2 are established. In the process an earlier not known nonlinearity are proved to exist. From this, a new open loop nonlinear greybox model is estimated and the nonlinearity are concluded to improve the model. The model is then closed with an earlier implemented PI-regulator and concluded to be useful for H2-predictions. The new model also utilizes 11 parameters instead of hundreds which is a big improvement.</p> / <p>Sista åren har en sensor, med beteckningen HSS-440, mätandes Termisk konduktivitet utvecklats på AppliedSensor. Sensorn används för att upptäcka läckage av H2-gas i vätgasdrivna bilar. Vid Termisk Konduktivitets mätning används små förändringar av den termiska konduktiviteten, då H2 är närvarande i det omgivande mediumet, som ett mått på koncentrationen. Idag änvänder prediktionsmodellen flera hundra parametrar för att skatta denna koncentration.</p><p>Nu introduceras ett sensorsubstrat från en ny tillverkare, vilket innebär ett bra tillfälle att se över den gamla lösningen. Syftet med examensarbetet är därför att undersöka nya systemegenskaper i och med introduktionen av det nya sensorsubstratet samt nya lösningar på en prediktionsmodel med ett minimalt behov av kalibrering.</p><p>Systemegenskaperna undersöks och samband för värmeflöden och H2's påverkan på systemet fastställs. Vid denna undersökning upptäcks en tidigare okänd olinjäritet. Utifrån detta bestämms en ny olinjär greybox modell där den nyfunna olinjäriteten bevisas förbättra modellen. Modellen sluts med en tidigare implementerade PI-regulator och bevisas vara användbar vid H2-prediktion. Den nya modellen använder även bara 11 parametrar istället för flera hundra vilket är en stor förbättring.</p>

The last years a TC-sensing module called HSS-440 has been developed at AppliedSensor. The sensor is used in hydrogen powered cars to detect H2-leakages. TC-sensing is a technique that uses small changes in thermal conductivity when H2 is present to determine concentrations. Today these small changes are estimated with a prediction model that uses several hundreds of parameters. A sensor substrate from a new manufacturer is now introduced. This means an opportunity to look over the current solution. The task for this thesis is to investigate system properties and new solutions regarding a prediction model with minimal need for calibration. System properties are investigated and relations for heat flow and influence of H2 are established. In the process an earlier not known nonlinearity are proved to exist. From this, a new open loop nonlinear greybox model is estimated and the nonlinearity are concluded to improve the model. The model is then closed with an earlier implemented PI-regulator and concluded to be useful for H2-predictions. The new model also utilizes 11 parameters instead of hundreds which is a big improvement. / Sista åren har en sensor, med beteckningen HSS-440, mätandes Termisk konduktivitet utvecklats på AppliedSensor. Sensorn används för att upptäcka läckage av H2-gas i vätgasdrivna bilar. Vid Termisk Konduktivitets mätning används små förändringar av den termiska konduktiviteten, då H2 är närvarande i det omgivande mediumet, som ett mått på koncentrationen. Idag änvänder prediktionsmodellen flera hundra parametrar för att skatta denna koncentration. Nu introduceras ett sensorsubstrat från en ny tillverkare, vilket innebär ett bra tillfälle att se över den gamla lösningen. Syftet med examensarbetet är därför att undersöka nya systemegenskaper i och med introduktionen av det nya sensorsubstratet samt nya lösningar på en prediktionsmodel med ett minimalt behov av kalibrering. Systemegenskaperna undersöks och samband för värmeflöden och H2's påverkan på systemet fastställs. Vid denna undersökning upptäcks en tidigare okänd olinjäritet. Utifrån detta bestämms en ny olinjär greybox modell där den nyfunna olinjäriteten bevisas förbättra modellen. Modellen sluts med en tidigare implementerade PI-regulator och bevisas vara användbar vid H2-prediktion. Den nya modellen använder även bara 11 parametrar istället för flera hundra vilket är en stor förbättring.