Gas sensitive field effect transistors based on silicon carbide, SiC-FETs, have been applied to various applications mainly in the area of exhaust and combustion monitoring. So far, these sensors have normally been operated at constant temperatures and adaptations to specific applications have been done by material and transducer platform optimization.

In this thesis, the methodology of dynamic operation for selectivity enhancement is systematically developed for SiC-FETs. Temperature cycling, which is well known for metal oxide gas sensors, is transferred to SiC-FETs. Additionally, gate bias modulation is introduced increasing the performance further.

The multi-dimensional sensor data are evaluated by use of pattern recognition mainly based on multivariate statistics. Different strategies for feature selection, crossvalidation, and classification methods are studied.

After developing the methodology of dynamic operation, i.e., applying the virtual multi-sensor approach on SiC-FETs, the concept is validated by two different case studies under laboratory conditions: Discrimination of typical exhaust gases and quantification of nitrogen oxides in a varying background is presented. Additionally, discrimination and quantification of volatile organic compounds in the low parts-perbillion range for indoor air quality applications is demonstrated. The selectivity of SiC-FETs is enhanced further by combining temperature and gate bias cycled operation. Stability is increased by extended training.

Gaskänsliga fält-effekt-transistorer baserade på halvledarmaterialet kiselkarbid (SiC-FET) har redan framgångsrikt använts för olika tillämpningar främst inom området för avgas- och förbränningsövervakning. Normalt har dessa sensorer använts vid konstant temperatur och anpassning till specifika tillämpningar har gjorts av material och sensor optimering.

I denna avhandling har metoden för dynamisk modulering systematiskt utvecklats för att ökaselektiviteten av SiC-FETs. Temperatur-cykling är en välkänd metod för metalloxidsensorer och har nu tillämpats på SiC-FETs för första gången. Likaså har den pålagda gatepotentialen varierats.

Mönsterigenkänningsmetoder baserade på multivariat statistik används för att utvärdera multi-dimensionella sensordata. Olika strategier för urval, korsvalidering och klassificering av okända uppgifter studeras.

Efter att metodiken för dynamiska mätmetoder har beskrivits i detalj, verifieras strategin av virtuella-multisensorer genom två tester under laboratorieförhållanden. Detta visas av exemplet med separering av typiska avgaser och bestämning av koncentrationen av kväveoxider i varierande gasblandningar. Vidare har ett test genomförts där flyktiga organiska föreningar identifieras och kvantifieras för att bestämma kvaliteten på inomhusluft. Dessutom kan man öka selektiviteten av sensorerna genom att kombinera modulering av temperatur och gate-potential.

Gassensitive Feldeffekt-Transistoren basierend auf Siliziumkarbid (SiC-FET) werden überwiegend für die Abgasmessung eingesetzt. Üblicherweise werden diese Sensoren bei konstanter Temperatur betrieben. Durch die Auswahl geeigneter Materialien sowie durch die Modifikation der Sensoren können diese für verschiedene Anwendungen optimiert werden.

In der vorliegenden Dissertation wird die Methodik einer dynamischen Betriebsweise zur Selektivitätssteigerung systematisch weiterentwickelt. Temperaturmodulation ist ein bewährtes Verfahren für Halbleitergassensoren, das hier auf SiC-FETs übertragen wird. In ähnlicher Weise wird auch das Gate-Potential zyklisch variiert.

Mustererkennungsverfahren basierend auf multivariater Statistik werden eingesetzt, um die mehrdimensionalen Messdaten auszuwerten. Verschiedene Verfahren zur Merkmalsauswahl, Kreuzvalidierung und Klassifikation unbekannter Daten werden untersucht.

Nachdem die Methodik ausführlich dargelegt wurde, wird der Ansatz des virtuellen Multisensors anhand zweier Anwendungen unter Laborbedingungen verifiziert. Dies wird am Beispiel der Konzentrationsbestimmung von Stickoxiden in variierenden Gasgemischen gezeigt. Zudem werden flüchtige organische Verbindungen im niedrigen ppb-Bereich zur Bestimmung der Innenraumluftqualität erkannt und quantifiziert. Die Selektivität kann durch die Kombination von Temperatur- und Potentialmodulation weiter gesteigert und Drifteinflüsse durch erweitertes Training kompensiert werden.