SO2F2 is a typical fault product of SF6 electrical insulation equipment. Detecting SO2F2 can indicate whether the equipment is faulty. SO2F2 is a hazardous gas that can cause harm to the human body. This study reports on the development of the SO2F2 sensor using TiO2-NiS for the first time, and the investigation of its gas sensitivity to SO2F2 in SF6 background and air. The effective construction of the TiO2-NiS heterojunction was characterized via the XRD, SEM, and TEM. The TiO2-NiS heterojunction sensor for SO2F2 has a working temperature of 150°C in both SF6 and air environments with the response and recovery time of 6 s/2 s to 5 ppm SO2F2 in the air and 5 s/6 s in the SF6 environments, respectively. The sensor has a strong linear fit and a detection limit of 100 ppb. The long-term stability, selectivity, resistance to moisture, and responsiveness/recovery are features of this sensor. Furthermore, it was demonstrated that SO2F2 adsorption performance on the TiO2-NiS heterojunction outperformed that of TiO2 and NiS based on first principles, and density of states and differential charge density provided a more detailed description of the interaction between SO2F2 gas and the TiO2-NiS heterojunction. The oxygen competitive adsorption of SO2F2 and lattice oxygen molecules on the surface of TiO2-NiS heterojunction, as well as the interaction between adsorbed F2− on the TiO2-NiS heterojunction surface and SO2F2, may be used to characterise the sensing mechanism in the SF6. At the same time, the prepared SO2F2 sensor can effectively measure the concentration of SO2F2 through hardware, and give early warning when the concentration exceeds the safe value.

Precise identification of multi-component chemical gas poses a significant challenge. In this work, a MXene-based gas sensor array driven by triboelectric nanogenerators (TENGs) was constructed and combined with the neural network model to achieve accurate detection of multi-component chemical gas mixture. The wind-driven TENG array was prepared by Ti3C2Tx MXene and acetate fiber, which was used to powered the gas sensor array. The peak-to-peak value of open-circuit voltage and output power of a single TENG can reach 269 V and 1.2 mW. The gas sensor array was prepared by microelectronic printing and nano-sensing technology. The prepared sensor array exhibited better gas-sensing properties due to the synergistic effect between MXene and metal oxides. The gas-sensing response of MXene/metal oxide nanocomposites is 6.1-9.3 times better than that of the pure MXene. The MXene-based gas sensor array was constructed by integrating the TENG array with the gas sensor array. By combining the signal processing technology of MXene-based gas sensor array and convolutional neural network-gated recurrent unit (CNN-GRU) neural network mode, the composition identification and concentration prediction in NH3-SO2-NO2 three-component chemical gas mixtures were successfully realized with a mean relative error of less than 0.7%, which provides a universal solution for more complex multi-component chemical gas mixture detection.