Моделирование функциональных характеристик сенсоров газа на основе полиакрилонитрила тема диссертации и автореферата по ВАК РФ 05.27.01, кандидат наук Бедная, Татьяна Алексеевна

• Бедная, Татьяна Алексеевна
• кандидат наук
• 2014

Оглавление диссертации кандидат наук Бедная, Татьяна Алексеевна

СОДЕРЖАНИЕ

ВВЕДЕНИЕ

1. Моделирование физико-химических свойств газочувствительных материалов методами математического моделирования и вычислительного эксперимента

1.1. Использование металлорганических нанокомпозитных полимерных материалов в сенсорах газов

1.1.1 .Технология формирования газочувствительного материала и

получения пленок металлсодержащего полиакрилонитрила

1.1.2. Анализ факторов, влияющих на физико-химические свойства пиролизованного полиакрилонитрила

1.2. Статистические методы исследования и прогнозирования физико-химических свойств материалов по заданным параметрам

1.2.1. Множественная линейная регрессия

1.2.2. Нейронные сети

1.2.3. Метод частичных наименьших квадратов (РЬБ)

1.2.4. Метод опорных векторов

1.2.5. Метод к ближайших соседей

1.2.6. Алгоритм «случайный лес»

1.3. Выводы

2. Разработка алгоритма построения математической модели

2.1. Моделирование свойств материалов в зависимости от режимов технологического процесса

2.2. Численные методы построения регрессионной модели по данным нейросетевого анализа

2.3. Программная реализация алгоритма построения математических моделей

2.4. Выводы

3. Разработка математических моделей физико-химических свойств металлсодержащего полиакрилонитрила и функциональных характеристик сенсора газа на его основе

3.1. Выбор входных параметров для моделирования физико-химических свойств пленок металлсодержащего полиакрилонитрила

3.2. Разработка регрессионной модели зависимости удельного сопротивления и газочувствительности от технологических параметров

3.3. Разработка нейросетевых моделей зависимости функциональных характеристик сенсоров газов на основе полиакрилонитрила от технологических

параметров

3.3.1 Моделирование коэффициента газочувствительности сенсоров диоксида азота и хлора на основе полиакрилонитрила

3.3.1.1 Сенсор на основе кобальтсодержащего ПАН

3.3.1.2 Сенсор на основе серебросодержащего ПАН

3.3.1.3. Сенсор на основе медьсодержащего ПАН

3.3.2. .Моделирование процессов адсорбции молекул диоксида азота и хлора

3.3.3.Исследование селективности сенсоров на основе пленок кобальтсодержащего полиакрилонитрила

3.3.4.Исследование стабильности отклика сенсоров на основе пленок кобальтсодержащего полиакрилонитрила

3.4. Выводы

4. Определение параметров технологического процесса сенсоров газа с контролируемыми характеристиками

4.1. Тестирование регрессионной модели

4.2. Проверка адекватности построенных нейросетевых моделей

4.3. Разработка регрессионной модели коэффициента газочувствительности кобальтсодержащего полиакрилонитрила по данным нейросетевого анализа

4.4. Определение технологических параметров изготовления сенсоров газов

4.5. Выводы

Заключение

Список литературы

Приложение А

Приложение Б

Введение диссертации (часть автореферата) на тему «Моделирование функциональных характеристик сенсоров газа на основе полиакрилонитрила»

ВВЕДЕНИЕ

В последнее время в качестве газочувствительных материалов (ГЧМ) сенсоров газов резистивного типа используются полимерные органические материалы, обладающие полупроводниковыми свойствами, среди которых интенсивно исследуются электропроводящие полисопряженные полимеры. Свойства полупроводниковых органических ГЧМ могут быть изменены в широких пределах путем изменения их структуры и состава, в том числе с помощью модифицирования состава переходными металлами. Такие ГЧМ обладают высокой чувствительностью и селективностью, быстрым обратимым адсорбционным откликом и работают при комнатной температуре. Одним из таких материалов является полиакрилонитрил (ПАН). Создание неподогревных сенсоров газов на основе металлсодержащего ПАН является актуальной проблемой.

Как правило, оптимальный химический состав металлсодержащего ПАН с целью получения сенсоров газа с заданными характеристиками определяют экспериментально путем изменения режимов технологического процесса. В случае многокомпонентной системы, каковым является сенсор газа на основе металлсодержащего ПАН, такой подход приводит к излишним материальным и временным затратам.

С другой стороны, недостаточная разработанность общей теории физико-химических и газочувствительных свойств полимерных ГЧМ также не позволяет установить зависимости между электрофизическими свойствами ГЧМ, характеристиками сенсоров газов на их основе и режимами технологического процесса их формирования.

В этой связи актуальной проблемой является разработка математических моделей, с помощью которых можно определить параметры технологических процессов формирования ГЧМ с заданными свойствами, а сенсоров газов на их основе с контролируемыми функциональными характеристиками.

Целью диссертационной работы является формирование сенсоров газа на основе полиакрилонитрила с контролируемыми характеристиками за счет применения математического моделирования зависимости функциональных характеристик сенсоров от технологических параметров их изготовления.

Для достижения поставленной цели необходимо решить следующие задачи:

1. Провести анализ методов математического моделирования и определить методы, наиболее точно устанавливающие зависимость физико-химических свойств органических материалов от параметров технологического процесса их формирования.

2. Провести экспериментальные исследования и сформировать базу данных функциональных характеристик - сенсоров газов на основе металлсодержащего полиакрилонитрила.

3. Разработать математические модели зависимости функциональных характеристик сенсоров газа и свойств газочувствительных материалов от технологических параметров их формирования.

4. Используя результаты моделирования определить параметры технологического процесса и изготовить сенсоры хлора и диоксида азота с контролируемыми функциональными характеристиками.

Объектом исследования является пленки кобальт-, медь- и серебросодержащего полиакрилонитрила и сенсоры газа на их основе.

Методы исследования. Для построения математических моделей оценки газочувствительных и функциональных свойств металлсодержащего полиакрилонитрила использовалась теория искусственных нейронных сетей (НС). Для получения регрессионного уравнения использовался метод наименьших квадратов (МНК), для обучения НС - численные методы. Исследование предложенного в работе алгоритма обработки данных проводилось с использованием пакетов MatLab, Statistica и Maple.

Исследование удельного сопротивления пленок металлсодержащего полиакрилонитрила и функциональных характеристик сенсоров на их основе проводили на стенде для измерения параметров сенсоров газов.

Научная новизна результатов полученных в диссертационном исследовании заключается в следующем:

1. Разработаны математические модели зависимости значений удельного сопротивления пленок серебро-, кобальт- и медьсодержащего полиакрилонитрила от технологических режимов их формирования, позволяющие с погрешностью не хуже 10% определять удельное сопротивление пленок, полученных из растворов с концентрацией, соответственно, нитрата серебра (0,05-3 масс.%), хлоридов кобальта и меди (0,25-1 масс.%). Определено, что наиболее весомыми факторами, влияющими на величину удельного сопротивления, являются концентрация соединений металла в растворе и температура второго этапа отжига.

2. Разработаны математические модели, связывающие параметры технологических процессов изготовления сенсоров диоксида азота и хлора на основе металлсодержащего полиакрилонитрила и их функциональные характеристики.

3. В результате математического моделирования определено, что наиболее значимыми параметрами, определяющими селективность сенсора к диоксиду азота, являются концентрация соединений металла в растворе и температура первого этапа отжига, а для формирования селективных сенсоров хлора - массовая доля и время первого этапа отжига.

Практическая значимость

1. Разработанные математические модели зависимости функциональных характеристик сенсоров газа на основе металлсодержащего ПАН от технологических режимов их формирования позволяют рассчитывать коэффициент газочувствительности с погрешностью не хуже 10 %, а также исследовать быстродействие, селективность, стабильность работы сенсоров.

2. С помощью разработанных математических моделей определены технологические параметры и изготовлены селективные сенсор хлора (8=4,5отн.ед.) и сенсор диоксида азота (Б=3 отн.ед.), обладающие высоким быстродействием (10ТКЛ=25 - 40 с).

3. В результате математического моделирования определено, что наиболее значимыми параметрами, определяющими селективность сенсора к диоксиду азота, являются массовая доля (со< 0.5 и 0.75<со<1.0), температура первого этапа отжига (Т)<300 °С). Для формирования селективных сенсоров хлора наиболее значимыми параметрами являются массовая доля (со < 0.75), время первого этапа отжига (10<1]<20мин).

4. Предложен алгоритм построения математических моделей, устанавливающих зависимость физико-химических свойств пленок металлсодержащего ПАН и функциональных характеристик сенсоров газа на их основе от технологических параметров их формирования.

5. Разработан комплекс программ, используемый для построения нейросетевой модели и множественной регрессионной модели по данным обучения нейронной сети.

Основные положения, выносимые на защиту.

1. При формировании пленок серебро-, кобальт- и медьсодержащего ПАН наиболее весомыми факторами, влияющими на величину их удельного сопротивления, являются концентрация соединений металла в пленкообразующем растворе и температура второго этапа отжига.

2. При изготовлении сенсоров диоксида азота на основе пленок кобальтсодержащего ПАН повышение температуры второго этапа ИК-отжига (Тг) приводит к появлению максимальных значений коэффициента газочувствительности у сенсоров, пленки ПАН которых сформированы из растворов с меньшим содержанием соединений кобальта в нем.

3. Алгоритм построения математических моделей, устанавливающих зависимость физико-химических свойств пленок металлсодержащего ПАН и функциональных характеристик сенсоров газа на их основе от технологических параметров их формирования.

4. Математическая модель зависимости значений удельного сопротивления пленок серебро-, кобальт- и медьсодержащего ПАН от технологических режимов формирования материала пленки.

Достоверность результатов работы. Достоверность научных результатов, полученных в работе, обусловлена согласованностью экспериментальных результатов, полученных автором и другими исследователями, с теоретическими выводами.

Внедрение результатов работы.

Основные результаты диссертационной работы использовались в НИР, выполняемой НОЦ «Микросистемной техники и мультисенсорных мониторинговых систем» по гранту ЮФУ № 213.01-24/2013-99. В результате работы был изготовлены сенсоры диоксида азота и сенсоры хлора. Сенсор хлора на основе пленок кобальтсодержащего ПАН прошел испытание в ООО «АИЧ ТИ АВТО».

Полученные в диссертационной работе результаты используются в учебных дисциплинах образовательной программы магистратуры по направлению 280700 «Техносферная безопасность». Акты о внедрении результатов диссертационной работы представлены в приложении к диссертации.

Апробация работы. Материалы диссертации обсуждались на следующих конференциях и научных семинарах: Russian-Taiwanese Symposium «Physics and Mechanics of New Material Their Applications» Rostov-on-Don, June 4-6, 2012; II International Conference On Modern Problems In Physics Of Surfaces And Nanostructures, Yaroslavl, 2012; XI Межд. Сем. по магнитному резонансу (спектроскопия, томография и экология), 9-14 сентября 2013, Ростов-на-Дону; Межд. молод, научном форуме «Ломоносов-2012»; Межд. Молод, конкурсе «Студент и научно-технический прогресс» г. Ростов-на-Дону, 27апреля- 27 июня 2012 г.; 8-ой ежегодной научной конф. студ. и асп. базовых кафедр Южного научного центра РАН, 11-25 апреля 2012г. г. Ростов-на-Дону; Всеросс. научной конф. студ., асп. и молод.уч. «Наука. Технологии. Инновации» (НТИ-2011), г.Новосибирск, 1-4 декабря 2011 г.; III Всеросс. науч.-инновац. молод, конф.

«Современные твердофазные технологии: теория, практика и инновационный менеджмент» (с междунар. участием), г. Тамбов, 31 октября - 2ноября 2011 г.; 14-я научная молод, школа «Физика и технология микро- и наносистем», Санкт-Петербург, 2011, 7-ой межд. научная конф. «Полимерные материалы пониженной горючести», 6-10 октября 2013, Таганрог.

Публикации. По материалам диссертационной работы опубликованы 19 печатных работ, из них 7 статей в журналах, входящих в перечень ВАК, 11 работ в сборниках трудов конференций, 1 монография, свидетельство о государственной регистрации программы для ЭВМ № 2013661288 от 05.12.2013 г.

Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения и списка литературы из 116 наименований. Общий объем диссертации составляет 130 страниц, включая 49 рисунков, 33 формулы и 33 таблицы, а также приложения.

1. Моделирование физико-химических свойств газочувствительных материалов методами математического моделирования и вычислительного эксперимента

1.1. Использование металлорганических нанокомпозитных полимерных

материалов в сенсорах газов

Создание химических сенсоров - устройств, способных селективно реагировать с газами, изменяя при этом один из своих физических параметров (электрическая проводимость, сопротивление, емкость, термо-ЭДС), является актуальной задачей современной науки. Основой химических сенсоров нового типа являются нанокомпозитные материалы, обладающие селективностью и высокой чувствительностью, быстрым откликом и работающие при комнатной температуре [1].

Металлсодержащие полимерные органические материалы являются предметом интенсивных исследований в связи с перспективами их использования в области электронной техники и технологии. В качестве таких материалов находят применение нанокомпозитные материалы, представляющие собой органическое • вещество, в котором диспергированны наночастицы неорганических веществ (металлов, оксидов металлов) в органической матрице. Совмещение свойств неорганических и органических веществ открывает широкие возможности для формирования материалов с принципиально новыми свойствами.

Для повышения адсорбционной активности и избирательности проводят модифицирование переходными металлами состава полупроводниковых органических материалов. Атомы переходных металлов в органической матрице способствуют передаче электронов в структуре материала.

Органические полимеры с системой сопряженных двойных связей вдоль цепи макромолекул характеризуются не только повышенной электрической проводимостью, но и высокой газочувствительностью [2-3].

Применение пленок ПАН в качестве сенсора газа основано на адсорбционно-резистивном эффекте, состоящем в изменении сопротивления при селективном поглощении молекул газа [4-7].

1.1.1. Технология формирования газочувствительного материала и получения пленок металлсодержащего полиакрилонитрила

ПАН является труднокристаллизующимся линейным полимером, диэлектриком, который в результате термической обработки приобретает свойства полупроводника вследствие изменения химической структуры на молекулярном уровне. Уникальные свойства полиакрилонитрила определяются такими процессами, как межмолекулярное сшивание с образованием пространственно-структурированного полимера, межмолекулярная и внутримолекулярная циклизация [8].

Для получения электропроводящих полимерных материалов в виде пленок и волокон часто используют образование сопряженных систем путем внутренних превращений в макромолекулах полимеров. Полимеры с системой сопряженных двойных связей вдоль цепи характеризуются не только повышенной электрической проводимостью, но и высокой нагревостойкостью. Полисопряжение образуется при термической обработке полимера и обработке ИК-из лучением.

Система 7г-электронов является источником носителей заряда и парамагнитных центров, а структурная упорядоченность молекул в твердом теле определяет интенсивность межмолекулярных взаимодействий, от которых зависит легкость электронных переносов в веществе и его электрические и магнитные свойства. Подвижные тс-электроны проявляют себя в целом ряде свойств полимеров, например, изменение окраски [9].

Диапазон методов получения металлсодержащих нанокомпозитных полимеров чрезвычайно широк [10], сформировались два основных подхода получения - конденсационный и диспергирующий. Однако первый из них связан

со «сборкой» наноразмерных частиц из отдельных атомов металла; второй — с измельчением грубодисперсионных частиц до наноразмерных частиц. Конденсационные способы в свою очередь можно разделить на физические и химические. В химических способах основным поставщиком формирующегося материала служат химические реакции, но образование новой фазы связано с физическим процессом.

Каждый метод получения нанокомпозитных материалов связан с установленными технологическими режимами формирования материала. Широкий диапазон технологических режимов связан со сложностью процесса формирования материала, что представляет необходимость выполнения обширного эксперимента для создания материала с заданными свойствами.

Перечисленные методы и варьирование их технологических режимов позволяют получить металлсодержащие нанокомпозитные полимерные материалы с разнообразными физико-химические свойствами.

Сенсор газа представляет собой пленку нанокомпозитного материала, для формирования которого использовали плёнкообразующие растворы состава: ПАН (АМпсЬ 181315) марки «ХЧ» в качестве электропроводящего компонента, соль металла в качестве легирующего компонента для повышения адсорбционной активности и избирательности ПАН [11], диметилформамид (ДМФА) марки «ХЧ» в качестве растворителя обоих компонентов.

Рассмотрим процедуру изготовления пленкообразующего раствора с использованием хлорида кобальта. Раствор приготовляли совместным растворением соответствующей навески СоСЬ (0,25 ^ 1 масс.%) и ПАН в ДМФА [4,6,7,12].

Метод формирования газочувствительного материала - пиролиз под воздействием некогерентного ИК-излучения. Пиролиз органических полимеров является простейшим способом получения органических полупроводников и проводников из диэлектрических материалов.

ИК-излучения, действуя на колебательную энергию связей макромолекулы ПАН, позволяет повысить скорость химических превращений и существенно

сократить время формирования материала. В качестве легирующей добавки выбран СоС12, так как присутствие хлорида кобальта изменяет механизм химических превращений: полностью исключается стадия циклизации нитрильных групп. Образующиеся в результате дегидрирования основной полимерной цепи последовательности сопряженных связей имеют длину большую, чем области сопряжения, полученные в отсутствии солей переходных металлов, что увеличивает проводимость материала [13].

Существует несколько способов нанесения на подложку плёнкообразующего раствора. Для сенсорной электроники более применим метод центрифугирования [14-16].

Приготовленные плёнкообразующие растворы, наносили на подложки из поликора, которые обезжиривали кипячением в течение 10 минут в изопропиловом спирте. Затем часть полученных образцов сушили в термошкафу в течение 30 минут при температуре 160°С. Далее, для удаления растворителя образцы выдерживали в течение 24 часов при комнатной температуре до полного их обесцвечивания. Другую часть только выдерживали в течение 24 часов на воздухе при комнатной температуре.

При пиролизе, протекающем при температурах более 300 °С, происходит взаимодействие нитрильных групп, и ПАН подвергается химическому превращению в полимер, имеющему циклическую структуру, которая содержит сопряженные двойные связи. Пиролиз приводит к его термостабилизации и увеличению электропроводимости. Этот метод обеспечивает равномерное распределение в них модифицирующих добавок и позволяет получать пленки с развитой морфологией поверхности.

Варьирование интенсивности ИК-излучения дает возможность получить структуры ПАН с различными значениями электропроводности [17].

Таким образом, для формирования газочувствительного материала использовали метод некогерентного РЖ-излучения, проводимый при невысоком вакууме (8-10" мм. рт. ст.) с использованием различных температурных режимов [18-19]. Достоинство пиролиза ПАН в невысоком вакууме заключается в

значительном уменьшении времени формирования газочувствительного материала пленок, что обеспечивает сокращение времени получения проводящих слоев с заданной проводимостью и избежание окисления и горения органических полимеров.

ИК-отжиг образцов проводился в два этапа: этап предварительного структурирования ПАН с образованием системы сопряженных -С=ТЧ- связей при более низкой температуре и отжиг при более высокой температуре, при которой образуются как -С=]\Г-, так и -С=С-связи с образованием полисопряженной цепи полимера [20-21]. Интенсивность излучения ИК-отжига на первом этапе соответствовала температурам 250°С - 350°С, а интенсивность излучения на втором этапе ИК-отжига - 250-500°С. Время воздействия при каждой температуре ИК-излучения варьировали (2-К20 минут).

Для определения газочувствительных свойств материала на поверхности плёнок формировались серебряные контакты. Расстояние между контактами составило 2,5±0,5 мм. Измерения сопротивлений образцов пленок металлсодержащего полиакрилонитрила проводили с использованием тераомметра Е6-13А. Газочувствительность полученных образцов определяли к диоксиду азота и хлору при температуре 21±1°С. Измеряемым параметром было удельное сопротивление образца (р), изменяемое в зависимости от концентрации детектируемого газа в измерительной камере [22].

Чувствительность сенсора определяли с помощью коэффициента газочувствительности Б, рассчитываемого по формуле [23]:

8 = Оё/Оо, при Ое> во,

где Со - значение удельной проводимости плёнки на воздухе, Оё - значение проводимости пленки в атмосфере детектируемого газа. Величину проводимости определяли из соотношения С=1/р.

Таким образом, получение газочувствительного материала на основе металлсодержащего полиакрилонитрила представляет многофакторный процесс поиска оптимальных параметров. Для рационального поиска этих параметров

необходимо проанализировать каждый этап изготовления материала и применить методы математического моделирования для прогноза оптимальных параметров.

1.1.2. Анализ факторов, влияющих на физико-химические свойства пиролизованного полиакрилонитрила

Полиакрилонитрил не растворяется в обычных растворителях, что объясняется значительными межмолекулярными силами, возникающими вследствие того, что группа - СИ является сильно полярной. В этой связи полиакрилонитрил растворяется только в очень полярных растворителях, например, в этиленкарбонате, диметилацетамиде, диметилформамиде, растворах роданистого кальция или натрия, концентрированных водных растворах бромистого лития, концентрированных Н2804 и Н1чЮ3, смеси СаС12+ 2пС1г.

При нагревании полиакрилонитрил растворяется в Ы-формилпиперидине (170-180°С), цианацетамиде (165-170°С), Ы-метилин-анацетамиде (180-190°С), этиленциангидрине (165-170°С), диметилформамиде(165-175°С) [24].

На первом этапе приготовления происходит уменьшение вязкости при нагревании, связанное с изменением структуры отдельных цепей: демитилформамид становится для них худшим растворителем. Поджатые первичные кластеры начинают сшиваться между собой, образуя гель.

При дальнейшем нагревании происходит постепенное изменение окраски полимера (от желтой, красной, коричневой до черной), выделение небольших количеств МН3 (до 210°С) и НСМ (при температурах выше 210°С) и уменьшение растворимости материала в диметилформамиде. При повышенных температурах нитрильные группы полиакрилонитрила могут реагировать между собой внутримолекулярно с образованием циклов в результате термической деструкции (рисунок 1.1) [25].

ИК-отжиг

/СН^ОЦ^ 200оСЛ0мин /СН2Чсн,СНКрц/ 200Т.1Ч ^сн

СН

I I

сы СИ

термический отжиг

на воздухе

200°С, 14 ч на воздухе

( СН'

на воздухе

400°С,8 ч в аргоне

Рисунок 1.1 Циклизация полиакрилонитрила

Процесс внутримолекулярной циклизации (переход связи в С=Ы-связь) заканчивается на ранних стадиях превращения (до 270°С) (рисунок 1.2). О чем свидетельствует исследования плёнок ПАН, отожженных при температурах 250°С, методом ИК-спектроскопии. В РЖ-спектрах наблюдается уменьшение интенсивности полосы поглощения, характерной для С=Ы-связи, и возрастание интенсивности полос поглощения в области, характерной для С=1Ч- связей [26].

Н Н Н Н н н

II II I I

— с —с — с —с — с —С

МММ Чн н н

н н н

[ и»-.'И ).1"И а шпрншшч (руки с и6р*Н1.яыни»?м

сопряженных С-Х 4ышен

н н н н н

> ^ Си а с >

^н* ^н* ^н1' \

I ¡ропссс (, ■- и

С-С е»»1СП1 сХ'.раюнатк" .. кипнеоирагмшюй »¿пи

(10 ««МП»

Н Н Н Н Н

"■"С* ^С"^ "-с^ ^с^ ""•с"'

¿¿¿¿ля ^ ^ ^ ^ ^ ^ ^

5(и(.Х(а)

Рисунок 1.2 Схема структурных превращений ПАН при термообработке

При дальнейшем повышении температуры идет процесс дегидрирования (образование сопряженных С=С-связей) (рисунок 1.2). Наблюдается наличие аммиака и синильной кислоты в образующихся при глубоком превращении газообразных продуктах. Что свидетельствует о присутствии побочных процессов, связанных с частичной деструкцией полимера.

При температурах более 700°С полиакрилонитрил подвергается химическому превращению в полимер циклической структуры, содержащий сопряженные двойные связи (рисунок 1.2). В зависимости от условий пиролиза образуются продукты с различными свойствами. Возможно получение графитовой структуры, обладающей свойствами полупроводников.

Таким образом, при термообработке вначале снижается содержание азота за счет отщепления нитрильных групп, а затем уменьшается содержание водорода [26-29].

С ростом температуры получения материалов на основе ПАН его электропроводность увеличивается. При температурах получения 600 1000° С электропроводность увеличивается от 2-10" до 1,8-10 См/см [30],что связано с интенсивными процессами карбонизации в полиакрилонитриле, приводящие к росту размеров кристаллитов графитоподобной фазы, упорядочиванию системы полисопряжения и уменьшению межплоскостных расстояний, т.е. области проводимости становятся больше по размеру [31], а энергетический барьер уменьшается для перехода электрона между электропроводными областями.

В работе [31] показано, что удельное сопротивление (рисунок 1.3) пленок медьсодержащего ПАН уменьшается с повышением температуры отжига.

Увеличение температуры и времени первого этапа ИК-отжига (рисунок 1.4) приводит к более значительно снижению сопротивления для образцов с низким содержанием серебра [32].

Содержание Си, масс.0

□т=воо°с

■Т=700°С ОТ=600'С РТ=500°С

Рисунок 1.3 Значения удельного сопротивления плёнок ПАН с различным содержанием Си, полученных при разных температурах ИК-отжига [31]

0.02 0.05 ,д <0.07 0.09 с (Аё), %

Рисунок 1.4 Зависимость сопротивления пленок образцов от концентрации

серебра [32]

При введении солей металла в раствор ПАН наблюдается изменение характера химических превращений под действием ИК-излучения [33].

Увеличение температуры ИК-отжига с 700 до 1000°С приводит к увеличению доли азота, одинарно связанного в тригональной координации [3435], в сравнении с азотом, связанным с двумя атомами углерода в кольце, доля углерода, связанного с азотом, уменьшается, а компонента углерода в метиленовых группах исчезает [36]. Доля графитоподобного углерода -

возрастает. Увеличение размеров металлсодержащих частиц происходит с увеличением интенсивности ИК-пиролиза [37].

На удельное сопротивление пленок нанокомпозитов оказывает существенное влияние природа металла. Пленки, легированные медью и серебром, имеют меньшее удельное сопротивление (0,39 и 0,78 Ом*см соответственно), чем легированные кобальтом и железом (3,4 и 8,7 Ом*см соответственно) при температуре отжига 650°С. Т.е. удельное сопротивление нанокомпозитов зависит от химического сродства к электрону ионов металла и от электропроводности металла [30].

Существенное влияние на электропроводность нанокомпозитов оказывает исходная концентрация металла. Увеличение концентрации металла приводит к снижению удельного сопротивления нанокомпозитов, так как содержание наночастиц металла возрастает.

Список литературы диссертационного исследования кандидат наук Бедная, Татьяна Алексеевна, 2014 год

Список литературы.

1. Васильев Р.Б., Рябова Л.И., Румянцева М.Н., Гаськов A.M. Газовая чувствительность границ раздела в полупроводниковых материалах // Сенсор. 2005. N1. С.21-47.

2. Маслов Л.П., Румянцева В. Д., Ермурацкий П.В. Пленочные химические сенсоры токсичных газов и паров // Приборы и системы управления. 1997. N1. С.29 - 31.

3. Филаретов Г.Ф. Датчики и приборы для применения в задачах экологического мониторинга // Приборы и системы управления. 1996. N5. С.26-28.

4. Коноваленко С.П., Бедная Т.А., Семенистая Т.В., Петров В.В., Мараева Е.В. Разработка технологии получения неподогревных сенсоров газа на основе полиакрилонитрила для гибридных сенсорных систем // Электронный научный журнал «Инженерный вестник Дона». 2012. N4 (ч. 2). (http ://www.i vdon.ru/magazine/archive/n4p2Y2012/1356)

5. Стасенко М.Р., Бедная Т.А.. Получение электропроводящих металлорганических пленок на основе полиакрилонитрила // Труды VIII ежегодной науч. конфер. студ. и аспир. базовых кафедр Южного научного центра РАН. Ростов-на-Дону: ЮНЦ РАН. 2012. С. 205- 206.

6. Бедная Т. А., Коноваленко С. П., Семенистая Т. В., Петров В. В., Королев А. Н. Изготовление газочувствительных элементов сенсора диоксид азота и хлора на основе кобальтсодержащего полиакрилонитрила // Известия вузов. Электроника. 2012. N 4(96). С. 66 - 71.

7. Бедная Т. А., Коноваленко С. П., Семенистая Т. В., Королев А. Н. Влияние модифицирующих добавок на газочувствительность нанокомпозитных материалов на основе полиакрилонитрила// Перспективные материалы. 2012. N5. С. 39-44.

8. Jing M., Wang С., Wang Q., Bai Y., Zhu B. Chemical structure evolution and mechanism during pre-carbonization of PAN-based stabilized fiber in the

temperature range of 350 - 600 °C // Polymer Degradation and Stability. 2007. Vol. 92. P. 1737- 1742.

9. Дулов A.A., Слинкин A.A. Органические полупроводники. M.: Наука, 1970. 128 с.

10. Помогайло А.Д., Розенберг A.C., Уфлянд И.Е. Наночастицы металлов в полимерах. М.: Наука, 2000. 672 с.

11. Bradley J. Holliday, Thomas В. Standford, Timothy M. Swager. Chemoresistive gas-phase nitric oxide sensing with cobalt-containing metallopolymers // Chem. Mater. 2006. Vol. 18. P. 5649 - 5651.

12. Суйковская H.B. Химические методы получения тонких прозрачных пленок. Д.: Химия. 1971. 200 с.

13. Гуцев Г.Л., Болдырев А.И., Овчинников A.A. Теоретическое исследование электронной структуры полиацетилена допированного литием // Доклады АН СССР. 1987. Т. 292, N 2. С. 391-394.

14. Малюков С.П., Клунникова Ю.В., Ковалев A.B., Дашков A.B. Разработка и исследование математических моделей и алгоритмов оптимизации технологии изготовления подложек для мемристоров // Фундаментальные исследования. 2012. N 11 (часть 2). С. 435-439.

15. Семенистая Т.В., Петров В.В., Бедная Т.А., Коноваленко С.П., Калажоков Х.Х., Карамурзов Б.С., Калажоков З.Х., Кушхов Х.Б. Получение и исследование физико-химических свойств газочувствительных пленок кобальт-содержащего полиакрилонитрила // Материалы XI Межд. семинара по магнитному резонансу, 9-14 сентября 2013. Ростов-на-Дону 2013. С. 154.

16. Коноваленко С.П., Бедная Т. А., Семенистая Т.В. Разработка технологии изготовления газочувствительных элементов сенсора диоксида азота и хлора на основе пленок кобальтсодержащего полиакрилонитрила//Тез. докл. 14-й науч. молод, школы «Физика и технология микро- и наносистем». Санкт-Петербург. 2011. С.67.

17. Семенистая Т.В., Петров В.В, Бедная Т.А. Энергоэффективные сенсоры газов на основе нанокомпозитных органических полупроводников:

Монография. Таганрог: Изд-во ЮФУ. 2013. 120 с.

18. Королев А.Н., Аль-Хадрами И.С., Семенистая Т.В., Карпачева Г.П., Земцов Л.М., Логинова Т.П., Петров В.В., Назарова Т.Н.. Способ получения газочувствительного материала для сенсора диоксида азота. Патент №2415158. 2011.

19. Кожитов Л.В., Крапухин В.В., Козлов В.В., Карпачева Г.П.. Способ получения термостабильного нанокомпозита Cu/Полиакрилонитрил. Патент №2330864. 2008.

20. Zemtsov L. М., Karpacheva G.P., Kozlov V. V., Korolev Yu. M., Shulga Yu. M., Efimov O. N. Influence of fullerene on the formation of polyconjugated system in thin polyacrylonitrile film under IR-treatment // Molecular Materials. 1998. V. 10. P. 141-144.

21. Козлов В. В., Карпачева Г. П., Петров В. С., Лазовская Б. В. Особенности образования системы полисопряженных связей полиакрилонитрила в условиях вакуума при термической обработке // Высокомолекулярные соединения. Серия. А. 2001. Т. 43, N1. С. 1-7.

22. Логинова Т.П., Бронштейн Л.М., Мирзоева Е.Ш. Исследование термических превращений металлокарбонильных полиакрилонитрилов методом ИК-спектроскопии и рентгеновской дифракции в больших углах // Высокомолекулярные соединения. 1993.Т.35. N 1.С. 28 - 31.

23. Петров В.В. Автоматизированный стенд для калибровки сенсоров газов // Конф. «Сенсорная электроника и микросистемные технологии» Украина, Одесса, 1-5 июня 2004г. Изд-во «Астропринт» С. 288-292.

24. Бартенев Г.М., Френкель С.Я. Физика полимеров/ Под ред. д-ра физ.-мат. наук A.M. Ельяшевича. Л.: Химия. 1990. 432 с.

25. Тагер A.A. Физикохимия полимеров. М.: Химия. 1978. 545с.

26. Стильбанс Л. С., Розенштейн Л. Д., Айрапетянц А. В., Каргин В. А., Хренцель Б. А., Топчиев А. В., Давыдов Б. Э., Карапчева Г. П. Органические полупроводники. М.: Наука. 1968. 319 с.

27. Симон Ж., Андре Ж.-Ж. Молекулярные полупроводники. М.: Наука. 1981. 344 с.

28. Chapiro A. Chemical modifications in irradiated polymers// Nucl. instr. AndMeth.B. 1988. V.32. N2. P.5 - 8.

29. Ковальчук Е.П., Аксиментьева Е.И, Томилов А.П. Электросинтез полимеров на поверхности металлов. М.: Химия. 1991. 224 с.

30. Муратов Д. Г. Разработка основ технологии получения углеродного нанокристаллического материала и металлоуглеродных нанокомпозитов на основе полиакрилонитрила и солей металлов (Си, Fe, Со):дис. канд. технических наук. Москва, 2008.

31. Аль-Хадрами Ибрахим Сулейман Абдулла. Разработка технологии изготовления и исследование сенсорных элементов на основе полиакрилонитрила и соединений меди: дис. канд. техн. наук. Таганрог, 2008.

32. Лу Пин. Разработка технологии изготовления и исследование характеристик сенсоров диоксида азота и хлора на основе пленок полиакрилонитрила: дис. канд. техн. наук. Таганрог, 2012.

33. Земцов Л.М., Карпачев Г.П. Химические превращения полиакрилонитрила под действием некогерентного инфракрасного излучения // Высокомолекулярные соединения. 1994.Т 36.N 6. С.919- 924.

34. Муратов Д.Г., Багдасарова К.А., Карпачева Г.П., Земцов Л.М., Крапухин В.В. Исследование электрических свойств ИК-пиролизованного полиакрилонитрила// Труды IV Российско-Японского семинара «Перспективные технологии и оборудование для материаловедения, микро- и наноэлектроники», И: МИСиС. Астрахань. 2006. С. 331 - 336.

35. Pels J.R., Kapteijn F., Zhu Q., Thomas K.M. Evolution of nitrogen functionalities in carbonaceous materials during pyrolysis// Carbon. V. 33. 1.11. 1995. P. 1641-1653.

36. Козлов В. В., Королев Ю. M., Карпачева Г. П. Структурные превращения композита на основе полиакрилонитрила и фуллерена Сбо под

воздействием ИК-излучения // Высокомолекулярные соединения. 1999. Т.41, N5. С.836-840.

37. Багдасарова К.А., Земцов JIM., Карпачева Г.П., Петров Н.С.и др. Структурные и магнитные свойства металл-углеродных нанокомпозитов на основе ИК-пиролизованного полиакрилонитрила и Fe/УФизика твердого тела.2008. Т. 50.N4.C.718-722.

38. Грешилов A.A., Стакун В.А., Стакун A.A. Математические методы построения прогнозов. М:Радио и связь. 1997.106 с.

39. Загоруйко Н.Г. Прикладные методы анализа данных и знаний. Новосибирск: ИМСОРАН.1999. 270 с.

40. Дрейпер Н., Смит Г. Прикладной регрессионный анализ. Кн. 1, 2. М.: Мир. 1981.252 с.

41. Фишер P.A. Статистические методы для исследователей. М.: Госстатиздат. 1954 г.- 267 с.

42. Налимов В.В. Применение математической статистики при анализе вещества. М.: Физматгиз. 1960. - 432 с.

43. Афифи А, Эйзен С. Статистический анализ: Подход с использованием ЭВМ. М.: Мир. 1982. 488 с.

44. Кустова Т.П. Реакционная способность аминов в аренсульфонилировании: QSPR-подход// Известия высших учебных заведений. Химия и химическая технология. 2008. Т 51.В. 7. С.3-13.

45. Торопов A.A. и др. QSPR моделирование температур стеклования полиариленоксидов// Журнал структурной химии. 2004. Т. 45. N 4. С. 741 - 747.

46. Крыштановский А.О. Ограничения метода регрессионного анализа // Социология: 4 М. 2000. N 12. С. 96 - 112.

47. Барцев С. И. Некоторые свойства адаптивных сетей (программная реализация). Красноярск: Институт физики СО АН СССР. 1987. 17 с.

48. Барцев С. И., Охонин В. А. Адаптивные сети обработки информации. Красноярск: Институт физики СО АН СССР. 1986. 20 с.

49. Розенблат Ф. Принципы нейродинамики. М.: МИР. 1965. 480 с.

50. Баскин И.И. Моделирование свойств химических соединений с использованием искусственных нейронных сетей и фрагментных дескрипторов: дис. докт. физ.-мат. наук. Москва, 2009.

51. Уоссермен Ф. Нейрокомпьютерная техника: теория и практика. М.: Мир. 1992. 184 с.

52. Круглов В.В., Борисов В.В. Искусственные нейронные сети. Теория и практика М.: Горячая линия - Телеком. 2001. 382 с.

53. Anil К. Jain, Jianchang Мао, К.М. Mohiuddino Artificial Neural Networks: A Tutorial//Computer. 1996. V 29. N 3. P. 31-44.

54. Головко B.A. Нейронные сети: обучение, организация и применение. Кн.4: Учеб. пособие для вузов/ Общ.ред. А.И.Галушкина. М.: ИПРЖР.2001. 256 с.

55. Gorban A.N., Wunsch D.C. The General Approximation Theorem // Proceedings of 1998 IEEE World congress on Computational Intelligence. Anchorage, Alaska. 1998.

56. Короткий С. Нейронные сети: обучение без учителя// Байт. 2000. N 6. С.66-68.

57. Kohonen Т. Self-organizing maps. Springer: Berlin-Heidelberg.2001. 501р.

58. Busis N.A. Neurology and Neurosurgery. Neuroscience Internet Guides. (http://www.neuroguide.com/neurogui/)

59. Зиновьев А.Ю. Визуализация многомерных данных: Монография. Красноярск: ИПЦ КГТУ. 2000. 168 с.

60. Россиев А.А. Моделирование данных при помощи кривых для восстановления пробелов в таблицах // Методы нейроинформатики. Красноярск: КГТУ. 1998. С. 6-22.

61. Amaldi Е. Two Constructive Methods For Designing Compact Feed forward Networks Of Threshold Units, 1998. http ://www. wspc. com/i ournals/ij ns/856/ amaldi .pdf

62. Blyumin S.L., Saraev P.V. Reduction of adjusting weights space dimension in feedforward artificial neural networks training// IEEE International Conference on Artificial Intelligence Systems: Proceedings. 2002. P.242-247.

63. Царегородцев В.Г. Предобработка обучающей выборки, выборочная константа Липшица и свойства обученных нейронных сетей // Материалы X Всероссийского семинара «Нейроинформатика и ее приложения». Красноярск: ИПЦКГТУ. 2002. С. 146-150.

64. Царегородцев В.Г. Нелинейные функции нейронов, константа Липшица нейросетевой функции и свойства нейронных сетей // Материалы X Всероссийского семинара «Нейроинформатика и ее приложения». Красноярск: ИПЦКГТУ. 2002. С. 151-152.

65. Аведьян Э.Д. Алгоритмы настройки многослойных нейронных сетей // Автоматика и телемеханика. 1995. N4. С. 106-118.

66. Шахнов В.А., Власов А.И., Тимонин С.Г. Виртуальный университет нейроинформационных технологий // Научная сессия МИФИ - 99. Всероссийская конференция Нейроинформатика-99. Сборник научных трудов в трех частях. Ч. 1. М.: МИФИ. 1999. С. 259-268.

67. Горбань А.Н., Россиев Д.А. Нейронные сети на персональном компьютере. Новосибирск: Наука. Сиб. издат. фирма РАН. 1996. 276 с.

68. Кругл ов В.В., Дли М.И., Годунов Р.Ю. Нечеткая логика и искусственные нейронные сети. М.: Физматлит. 2001. 224 с.

69. Заенцев И.В. Нейронные сети: основные модели. Учебное пособие. Воронеж: ВГУ. 1999. 76 с.

70. Цой Ю.Р., Спицын В.Г. Применение нейроэволюционного подхода для решения задач классификации и аппроксимации // Материалы XIII Всероссийского семинара «Нейроинформатика и ее приложения». - Красноярск, 2005.-С. 123-124.

71. Geladi P. Notes on the History and Nature of Partial Least Squares (PLS) Modeling // Journal of Chemometrics 2. 1988. P. 231-246.

72. Martens H., Martens M. Modified Jack-knife estimation of parameter uncertainty in bilinear modelling by partial least squares regression (PLSR)// Food Quality and Preference. 2000. V. 11 (1-2). P. 5-16.

73. Martens H., Pram Nielsen J., Balling Engelsen S. Light Scattering and Light Absorbance Separated by Extended Multiplicative Signal Correction. Application to Near-Infrared Transmission Analysis of Powder Mixtures//Analytical Chemistry. 2003. V. 75 (3). P. 394-404.

74. Westad F., Martens H. Variable selection in NIR based on significance testing in Partial Least Squares Regression// Journal of Near Infrared Spectroscopy. 1999. V. 8. P. 117-124.

75. Osuna E., Freund R., Girosi F. An improved training algorithm for support vector machines // Neural Networks for Signal Processing VII. IEEE Workshop. 1997. P.276-285.

76. Scheinberg K. An efficient implementation of an active set method for SVMS //J.Mach. Learn. Res. 2006. V. 7. P. 2237-2257.

77. Vapnik V., Chapelle O. Bounds on error expectation for support vector machines //Neural Computation. 2000. V. 12.N. 9. P. 2013-2036.

78. Cover T. M., Hart P. E. Nearest neighbor pattern classification// IEEE Transactions on Information Theory. 1967. V. 13(1).P. 21-27.

79. Zhang H., Berg A. C., Maire M., Malik J. SVM-kNN: Discriminative nearest neighbor classification for visual category recognition // CVPR. 2006. V.2. P.2126-2136.

80. Jiansheng, W.. A novel artificial neural network ensemble model based on k-Nearest Neighbor nonparametric estimation of regression function and its application for rainfall forecasting // International Joint Conference on Computational Sciences and Optimization. 2009.V. 2. P.44-8.

81. Hastie, T., Tibshirani R., Friedman J. Chapter 15. Random Forests //The Elements of Statistical Learning: Data Mining, Inference, and Prediction. 2nd ed. Springer-Verlag. 2009. 746 p.

82. Abdulsalam H., Skillicorn D., Martin P.. Streaming random forests// Proceedings of the 11th International Database Engineering and Applications Symposium(IDEAS).2007.P 225-572.

83. Breiman L. Random forests // Machine Learning .2001 .V.45(l). P.5-32.

84. Колмогоров А.Н. Представление непрерывных функций нескольких переменных в виде суперпозиций непрерывных функций одного переменного и сложения // Из докладов АН СССР. 1957. Т.114. N 5. С. 953-956.

85. Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Исследование зависимостей. М.: Финансы и статистика. 1985. 487 с.

86. Айвазян С.А., Мхитарян B.C. Прикладная статистика и основы эконометрики. М.: Юнити. 1998. 1022 с.

87. Сараев П.В. Использование псевдообращения в задачах обучения искусственных нейронных сетей // Электронный журнал «Исследовано в России». 2001. N29. С. 308-317.

88. Осовский С. Нейронные сети для обработки информации/ пер. с польского И.Д. Рудинского. М.: Финансы и статистика. 2002. 344 с.

89. Замятин Н.В., Медянцев Д.В. Методика нейросетевого моделирования сложных систем // Известия Томского политехнического университета. 2006. Т.

' 309. N 8. С.100-106.

90. Царегородцев В.Г. Взгляд на архитектуру и требования к нейроимитатору для решения современных индустриальных задач // Нейроинформатика и ее приложения: Матер. XI Всеросс. семин. Красноярск. 2003. С. 171-175.

91. Коноваленко С.П., Бедная Т.А., Семенистая Т.В. Выбор модифицирующей добавки при создании газочувствительного элемента сенсора на основе ПАН//Матер. III Межд. науч.-инновац. молод, конф. «Современные твердофазные технологии: теория, практика и инновационный менеджмент»: 31 октября - 2 ноября 2011 .-Тамбов. 2011. С.214-216.

92. Зильберман E.H. Реакции нитрилов. М.: Химия. 1972. 448 с.

93. Крикоров B.C., Колмакова Л.А. Электропроводящие полимерные материалы. М.: Энергоатомиздат. 1984. 160с.

94. Коноваленко С.П., Бедная Т. А., Семенистая Т.В. Разработка технологии изготовления газочувствительных элементов сенсора диоксида азота и хлора на основе пленок кобальтсодержащего полиакрилонитрила // Тез. докл.

14-й науч. молод, школы «Физика и технология микро- и наносистем». Санкт-Петербург. 2011. С.67.

95. Бедная Т.А., Коноваленко С.П., Семенистая Т.В. Сравнительный анализ газочувствительности материалов на основе полиакрилонитрила с различными модифицирующими добавками// Тез. докл. 14-й науч. молодеж. школы «Физика и технология микро- и наносистем». Санкт-Петербург. 2011. С.42.

96. Бедная Т.А., Коноваленко С.П., Семенистая Т.В. Газочувствительные тонкопленочные материалы на основе СО-содержащего полиакрилонитрила//Матер.всероссийской науч. конф. молод, учёных «Наука. Технологии. Инновации». 2-4 декабря 2011г. Новосибирск. Часть 3. С. 52-54.

97. Коноваленко С.П. Разработка технологии изготовления и исследование характеристик неподогревных сенсоров газов на основе кобальт- и медьсодержащего полиакрилонитрила: дис. канд. техн. наук. Таганрог, 2013.

98. Стрижов В.В. Методы индуктивного порождения регрессионных моделей. М: ВЦ РАН. 2008. 55с.

99. Химмельблау Д. Анализ процессов статистическими методами. Пер. с англ. М.: Мир. 1973. 957 с.

100. Исаева Г.А., Бедная Т.А., Исаев П.П.Сравнительный С^АКанализ производных ацетанилида и антиадренэргических препаратов// Вестник Таганрогского государственного педагогического института №1 Физико-Математические и Естественные науки. Таганрог: Издательский центр ГОУВПО «Таганрогский государственный педагогический институт». 2009. с 192-202.

101. Коноваленко С.П., Бедная Т.А., Семенистая Т.В., Королев А.Н.. Прогнозирование влияния технологических параметров формирования газочувствительных материалов на основе полиакрилонитрила на электросопротивление // Известия высших учебных заведений // Материалы электронной техники. 2013. N1 .С. 48-52.

102. Образцов С.М. Нейросетевые модели эволюции физико-механических свойств конструкционных материалов ядерных реакторов: дис. канд. физ.-мат. наук. Обнинск, 2011.

103. Бедная Т.А., Семенистая Т.В. Моделирование физико-химических свойств материалов на основе ИК-пиролизованного полиакрилонитрила с различными модифицирующими добавками// Материалы седьмой межд.Науч. конференции «Полимерные материалы пониженной горючести», 6-10 октября 2013, Таганрог 2013. С.170-176.

104. Бедная Т.А., Семенистая Т.В., Петров В.В. Моделирование физико-химических свойств материалов на основе ИК-пиролизованного полиакрилонитрила с различными модифицирующими добавками // Известия ЮФУ. Технические науки. 2013. N8. 135 - 143.

105. Тютерев В.В., Новосельцев В.Б. Теория нейронных сетей: Учебное пособие. Томск/6 Изд-во Том.ун-та. 2001.69 с.

106. Jacobs R.A. Increased Rates of convergence through learning rate adaptation//Neural Networks. 1998. V.l. P.295-307.

107. Shewchuk J.R. An Introduction to the Conjugate gradient method without the agonizing pain. School of computer science Carnegie Mellon university Pittsburgh. 1994. 64p.

108. Zhang Y. Updating learning rates for backpropagation networks// Proc. Int. Joint conf. Neural Networks(IJCNN'1993), Nagoya, Japan. 1993.V.l.P. 569 - 572.

109. Бедная T.A., Семенистая T.B., Петров B.B.. Создание сенсора газа на основе кобальтсодержащего полиакрилонитрила с использованием нейросетевого подхода// Известия ЮФУ. Технические науки. 2013. N9. С. 191 - 197.

110. Bednaya Т.A., Semenistaya T.V. Development and validation of a neural network model for the gas sensitive properties of Ag-containing polyacrylonitrile films // Russian-Taiwanese Symposium «Physics and Mechanics of New Materials and Their Applications» Rostov-on-Don, Russia, June 4 - 6, 2012. P. 11-12.

111. Bednaya T.A., Semenistaya T.V. Neural network modeling for prediction of gas-sensitivity of Ag-containing polyacrylonitrile films // II International Conference

On Modern Problems In Physics Of Surfaces And Nanostructures. Yaroslavl, Russia 2012. P. 140-141.

112. Бедная Т.А. Моделирование свойств газочувствительных материалов медьсодержащего полиакрилонитрила с использованием нейронных сетей// Сборник научных работ Межд.молодежного конкурса «Студент и научно-технический прогресс» Том 1,Ростов-на-Дону:Изд-во ЮФУ, 27апреля-27 июня 2012 г.-417с.

113. Бедная Т.А., Семенистая Т.В.. Нейромоделирование свойств пленок медьсодержащего ПАН для создания газоанализаторов// Известия ЮФУ. Технические науки. 2012. N11. С. 121-126.

114. Крылов О.В. Гетерогенный катализ. М.: ИКЦ «Академкнига». 2004.

680с.

115. Кузнецов В.В. Физическая и коллоидная химия. М.: Высшая школа. 1968.390 с.

116. Щукин Е.Д., Перцов A.B., Амелина Е.А. Коллоидная химия. - М.: Высшая школа, 2004. - 445 с.

131