SENSOR DESIGN FOR CHARACTERIZATION OF METALLIC NANOPARTICLES

Abstract

Este Trabajo Fin de Máster presenta el diseño y validación de un sensor compacto basado en metamateriales, capaz de caracterizar nanopartículas metálicas en tiempo real. Utilizando un resonador de microondas en forma de espiral cuadrada (SSR), el sistema detecta cambios en la frecuencia de resonancia provocados por la sedimentación de nanopartículas sobre su superficie. El estudio se enfoca en nanopartículas de cobre e hierro, fabricadas mediante el método de explosión de alambre, y dispersas en parafina para análisis. Al registrar los cambios de frecuencia con un analizador vectorial de redes (VNA), se obtienen curvas de sedimentación que reflejan la dinámica de asentamiento de las partículas. Luego, se aplica un algoritmo de inversión para extraer constantes de tiempo de sedimentación mediante un modelo multi-exponencial, lo que permite diferenciar materiales y distribuciones de tamaño. Los resultados muestran que el sensor no solo distingue entre nanopartículas de diferentes materiales (cobre vs hierro), sino también entre diferentes distribuciones de tamaño dentro del mismo material. Además, se realizaron mezclas de nanopartículas para probar la sensibilidad del sensor, demostrando su capacidad para identificar variaciones sutiles. Este sistema tiene implicaciones importantes en el contexto de la Industria 4.0, permitiendo el monitoreo en línea, sin intervención humana, y reduciendo tiempos de análisis y desperdicios. Aunque el sensor no ofrece una caracterización absoluta sin calibración, su simplicidad, bajo coste y posibilidad de integración lo convierten en una herramienta prometedora para el control de calidad en procesos industriales.

This Master's Thesis presents the design and validation of a compact metamaterial-based sensor for real-time characterization of metallic nanoparticles. Using a square spiral resonator (SSR) operating at microwave frequencies, the system detects shifts in resonant frequency caused by the sedimentation of nanoparticles onto its surface. The study focuses on copper and iron nanoparticles fabricated using the wire explosion method and suspended in paraffin for testing. By recording the frequency shifts with a Vector Network Analyzer (VNA), sedimentation curves are obtained that represent how nanoparticles settle over time. A multi-exponential inversion algorithm is applied to extract sedimentation time constants, enabling differentiation between materials and particle size distributions. Results demonstrate that the sensor can distinguish not only between different materials (copper vs iron) but also between samples of the same material with varying size distributions. Mixed samples were also analyzed, confirming the sensor’s sensitivity to subtle differences in composition. This method has strong relevance to Industry 4.0, supporting inline, automated, and non-destructive analysis of nanoparticle suspensions. It eliminates the need for labor-intensive and time-consuming techniques like electron microscopy, offering instead a fast, low-cost, and integrable alternative. While it does not provide absolute size values without prior calibration, the system offers practical and scalable advantages for industrial process monitoring. The sensor's response is influenced by factors such as material permittivity, density, and particle size, which determine the shift in resonance frequency. With further development, this technology could enable closed-loop control and smart manufacturing of nanomaterials, aligning with sustainable production goals and improving quality control efficiency.