CN106461527A - 浮质传感器和感测方法 - Google Patents
浮质传感器和感测方法 Download PDFInfo
- Publication number
- CN106461527A CN106461527A CN201580030861.7A CN201580030861A CN106461527A CN 106461527 A CN106461527 A CN 106461527A CN 201580030861 A CN201580030861 A CN 201580030861A CN 106461527 A CN106461527 A CN 106461527A
- Authority
- CN
- China
- Prior art keywords
- particle
- measurement
- mass
- optical pickocff
- event
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 239000000443 aerosol Substances 0.000 title claims abstract description 42
- 238000000034 method Methods 0.000 title claims description 37
- 239000002245 particle Substances 0.000 claims abstract description 163
- 230000003287 optical effect Effects 0.000 claims abstract description 97
- 238000005259 measurement Methods 0.000 claims abstract description 93
- 238000001514 detection method Methods 0.000 claims abstract description 23
- 239000008187 granular material Substances 0.000 claims description 64
- 238000009826 distribution Methods 0.000 claims description 40
- 238000003860 storage Methods 0.000 claims description 23
- 238000013507 mapping Methods 0.000 claims description 12
- 238000012544 monitoring process Methods 0.000 claims description 10
- 239000000126 substance Substances 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 5
- GOLXNESZZPUPJE-UHFFFAOYSA-N spiromesifen Chemical compound CC1=CC(C)=CC(C)=C1C(C(O1)=O)=C(OC(=O)CC(C)(C)C)C11CCCC1 GOLXNESZZPUPJE-UHFFFAOYSA-N 0.000 claims description 2
- 230000008859 change Effects 0.000 description 16
- 238000000151 deposition Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 238000013461 design Methods 0.000 description 7
- 238000009825 accumulation Methods 0.000 description 6
- 238000000149 argon plasma sintering Methods 0.000 description 6
- 230000008878 coupling Effects 0.000 description 6
- 238000010168 coupling process Methods 0.000 description 6
- 238000005859 coupling reaction Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 238000005070 sampling Methods 0.000 description 6
- 238000003756 stirring Methods 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 5
- 230000008021 deposition Effects 0.000 description 5
- 230000002045 lasting effect Effects 0.000 description 5
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 4
- 235000019504 cigarettes Nutrition 0.000 description 4
- 238000004140 cleaning Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 239000007789 gas Substances 0.000 description 4
- 230000033001 locomotion Effects 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 239000002105 nanoparticle Substances 0.000 description 4
- 230000000737 periodic effect Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 229910052710 silicon Inorganic materials 0.000 description 4
- 239000010703 silicon Substances 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000005315 distribution function Methods 0.000 description 3
- 239000000428 dust Substances 0.000 description 3
- 235000013305 food Nutrition 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 239000013618 particulate matter Substances 0.000 description 3
- 229940125723 sedative agent Drugs 0.000 description 3
- 239000000932 sedative agent Substances 0.000 description 3
- 239000000779 smoke Substances 0.000 description 3
- 230000000391 smoking effect Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 235000013311 vegetables Nutrition 0.000 description 3
- 244000291564 Allium cepa Species 0.000 description 2
- 235000002732 Allium cepa var. cepa Nutrition 0.000 description 2
- 241000238557 Decapoda Species 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000011109 contamination Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 235000013372 meat Nutrition 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 150000002894 organic compounds Chemical class 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 238000001556 precipitation Methods 0.000 description 2
- 238000002310 reflectometry Methods 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 239000000725 suspension Substances 0.000 description 2
- 238000004879 turbidimetry Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 241000251131 Sphyrna Species 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000003054 catalyst Substances 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000010411 cooking Methods 0.000 description 1
- 238000001739 density measurement Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000012377 drug delivery Methods 0.000 description 1
- 238000002296 dynamic light scattering Methods 0.000 description 1
- 238000001962 electrophoresis Methods 0.000 description 1
- 238000004924 electrostatic deposition Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000001819 mass spectrum Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 238000012372 quality testing Methods 0.000 description 1
- 230000007363 regulatory process Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000004513 sizing Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
- 238000001089 thermophoresis Methods 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N5/00—Analysing materials by weighing, e.g. weighing small particles separated from a gas or liquid
- G01N5/02—Analysing materials by weighing, e.g. weighing small particles separated from a gas or liquid by absorbing or adsorbing components of a material and determining change of weight of the adsorbent, e.g. determining moisture content
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/06—Investigating concentration of particle suspensions
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/02—Investigating particle size or size distribution
- G01N15/0205—Investigating particle size or size distribution by optical means
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/47—Scattering, i.e. diffuse reflection
- G01N21/49—Scattering, i.e. diffuse reflection within a body or fluid
- G01N21/53—Scattering, i.e. diffuse reflection within a body or fluid within a flowing fluid, e.g. smoke
- G01N21/532—Scattering, i.e. diffuse reflection within a body or fluid within a flowing fluid, e.g. smoke with measurement of scattering and transmission
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/02—Analysing fluids
- G01N29/022—Fluid sensors based on microsensors, e.g. quartz crystal-microbalance [QCM], surface acoustic wave [SAW] devices, tuning forks, cantilevers, flexural plate wave [FPW] devices
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/02—Analysing fluids
- G01N29/036—Analysing fluids by measuring frequency or resonance of acoustic waves
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/04—Analysing solids
- G01N29/12—Analysing solids by measuring frequency or resonance of acoustic waves
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/06—Investigating concentration of particle suspensions
- G01N15/075—Investigating concentration of particle suspensions by optical means
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2291/00—Indexing codes associated with group G01N29/00
- G01N2291/02—Indexing codes associated with the analysed material
- G01N2291/024—Mixtures
- G01N2291/02408—Solids in gases, e.g. particle suspensions
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2291/00—Indexing codes associated with group G01N29/00
- G01N2291/02—Indexing codes associated with the analysed material
- G01N2291/028—Material parameters
Landscapes
- Chemical & Material Sciences (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Dispersion Chemistry (AREA)
- Acoustics & Sound (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
提供一种传感器系统用于测量浮质中的颗粒浓度和质量浓度。光学传感器(33)用于测量颗粒浓度,机械传感器(32)用于测量收集的颗粒的质量。使用光学传感器(33)监控浮质中的颗粒浓度,直到检测到颗粒产生事件。在检测到颗粒产生事件时,执行使用机械传感器(32)的质量测量,并且质量测量用于校准光学传感器(33)。这种方法使得机械传感器的寿命能够被延长,因为其仅在事件被检测到时得以使用。通过机械传感器来校准了对于质量感测通常不太精确的光学传感器。
Description
技术领域
本发明涉及测量浮质(aerosol)内的颗粒浓度和质量浓度。
背景技术
空气传播颗粒污染,尤其是尺寸小于2.5μm直径范围(即,“PM2.5”)的颗粒物质对于例如中国的国家来说是大问题,在这些国家中工业化的速度延伸到了监管要求的边界。
由于增加的消费主张,关于生存空间的空气质量的信息的需求正在增加。尤其在中国,过多的PM2.5污染已经变为过去十年中的常见问题。这个问题也通过各个中国城市中的持续测量而确认。数据公开可获得并且可以通过手机应用或通过网络同时监控。
这个数据的可用性以及持续国内和国际媒体注意力已经使得消费者关于该问题产生了强烈意识。
官方户外空气质量标准限定作为每单位体积质量浓度(例如,μg/m3)的颗粒物质浓度。已经基于卫星数据计算中国大陆的平均PM2.5污染浓度,并且已经发现国家的大部分地区超过世界健康组织限度10μg/m3,其中一些地区达到甚至超过100μg/m3的PM2.5浓度。
标准化参考测量方法基于例如使用石英晶体微天平、锥形谐振器、撞击器或加权过滤器或滤网、来测量每空气样本体积的沉积或捕获的颗粒的质量。
然而,这些系统要求用于处理测量的手动部分(例如称重过滤器或滤网)的专业操作指南和/或用于清洁累积的质量、保持各种系统组件和校准的定期维护。
已经提出用于浮质污染监控的基于共振的质量感测。例如,已经提出了使用用于个人暴露监控的具有皮克水平的质量分辨率的微型机械硅悬臂装置。过滤器可以用于消除大颗粒,静电采样器可以被设置用于在悬臂上沉积纳米颗粒。例如,WO 2013/064157公开一种基于MEMS的共振颗粒测量装置,被设计用于测量空气流中的浮质纳米颗粒。
基于共振操作操作的机械传感器在添加的质量与初始共振器质量相比更小的范围中操作。然而,在传感器的寿命期间持续的质量累积是不可避免的。这个问题对于MEMS衡量(scale)装置更显著,在该装置中累积的质量的机械和/或化学清洁是不可能的,至少对于消费者应用来说如此。这导致有限的传感器寿命。
还已知光学传感器。它们不经受有限寿命的同样缺点,但是它们不太能够给出关于颗粒质量的信息。
因此,需要一种可以被设计为具有较长寿命并且给出精确质量读数的个人质量传感器。
发明内容
本发明由权利要求限定。
根据本发明的实施例,提供一种用于测量浮质中的颗粒浓度和质量浓度的传感器系统,传感器系统包括:
光学传感器,用于测量颗粒浓度和可选地测量颗粒尺寸分布;
机械传感器,用于测量收集的颗粒的质量;以及
控制器,被适用于:
使用光学传感器监控浮质中的颗粒浓度和可选地监控颗粒尺寸分布,直到检测到颗粒产生事件;
在检测颗粒产生事件时,使用机械传感器来执行质量测量;以及
使用质量测量来校准光学传感器。
浮质可以是空气或具有夹带颗粒的任意其它气体。
该传感器系统使用机械传感器实现精确质量测量,例如检测共振频率中的变化的机械传感器。然而,该传感器的操作不是持续的从而使得寿命可以被延长。相反,通过机械传感器的质量测量通过检测颗粒产生事件而触发。该事件可以导致颗粒浓度的快速增加或可以引起特定颗粒尺寸的检测。例如,颗粒产生事件可以包括吸烟、烹饪、燃烧过程、在打开窗户情况下外部浮质的扩散等。以这种方式,机械传感器可以以低工作周期被进行使用并且仅在使用机械传感器的感测操作期间被暴露到颗粒浮质。因此,可以避免清洁机械传感器的需要。可以通过执行每次校准质量测量而防止光学传感器的精确度的漂移。
在本发明的实施例中,机械传感器可以包括:
感测元件;
换能器,适用于驱动感测元件共振并且检测感测元件的共振频率,其中,共振频率取决于沉积在感测元件上的颗粒的质量。
这种情况中的机械传感器为检测共振频率中的变化的共振质量传感器。这可以例如包括MEMS(微机电系统)传感器。
控制器可以进一步适用于获得在质量测量期间已经采样的浮质的体积,并且从而获得每单位体积的颗粒的质量浓度。
这使得感测的重量能够转换为质量浓度。
控制器可以进一步适用于使用光学传感器监控浮质,直到稳定的事后颗粒浓度被记录,以及适用于对光学传感器进行校准以使用来自机械传感器的质量信息形成事后基线。例如,校准可以使用事后光学传感器测量和事后质量测量,以在触发质量测量的事件之后重新对齐光学传感器和机械传感器。
这使光学传感器能够提供颗粒产生事件之间的更精确的读数,此时通过机械传感器获得更精确的颗粒质量信息。
然后可以更精确地使用颗粒浓度信息以指示颗粒的质量浓度,同时使用光学传感器而不使用机械传感器。
光学传感器优选包括基于光散射的光学检测系统,诸如浊度计(nephelometer)。
这是可以在整个系统内使用的容易获得的组件。可选地,可以使用特定设计的光学单元。通过基于实际测量的质量进行定期校准解决了由颗粒尺寸估算和对重量浓度转换的颗粒浓度所导致的测量精确度的问题。
在实施例中,样品纳入装置可以被设置用于在机械传感器的感测周期期间操作以驱动浮质得以朝向传感器元件被监控。样本纳入装置可以包括风扇或静电吸引系统,否则可以使用基于热迁移或重力的系统。
在实施例中,颗粒过滤布置可以被设置用于选择颗粒尺寸的范围,对于该范围内的浮质颗粒浓度和质量浓度将被测量。这表示仅针对感兴趣的颗粒尺寸的范围实施分析。例如,过滤布置可以确保防止大颗粒到达机械传感器。例如,过滤布置可以捕获比例如用于PM2.5测量的2.5μm的尺寸阈值更大的颗粒。
机械传感器的最低分辨率可以例如存在于皮克到微克的范围中。
在实施例中,提供环境信息的传感器还可以用于提供关于颗粒产生事件的额外信息。例如,一定的挥发性有机化合物的快速增加可以与例如烹饪、吸烟等特定事件相关。这提供了另一方式来使用机械传感器触发精确质量测量。
控制器可以包括存储从光学传感器获取的历史测量和对应的通过机械传感器的历史质量测量之间的映射的存储器。这种映射可以用于避免机械传感器的不必要的操作,例如通过识别特定颗粒尺寸分布对于对应于特定事件是已知的。这在存在反复事件例如烹饪事件时尤其引人注意。
在本发明的实施例中,还提供一种用于测量浮质颗粒浓度和质量浓度的方法,包括:
通过测量颗粒浓度和可选地测量颗粒尺寸分布来使用光学传感器监控浮质;
基于测量的颗粒浓度和可选地基于尺寸分布来检测颗粒产生事件;
响应于检测颗粒产生事件,使用机械传感器执行收集的颗粒的质量测量;以及
使用质量测量以校准光学传感器。
该方法使得能够使用具有如上解释的延长寿命的机械传感器来精确质量测量。
如上概述,可以使用光学传感器监控浮质,直到稳定的事后颗粒浓度被记录,并且然后光学传感器可以被校准以形成稳定的基线。校准可以包括将来自光学传感器的颗粒浓度信息和来自机械传感器的质量信息相关联。这提供在事件完成之后基于稳定值的校准。
映射可以存储在通过光学传感器的历史颗粒浓度测量与通过机械传感器的对应历史质量测量之间。这表示质量测量可以在已经存在可以使用的存储的数据时被避免。因此,存储的映射可以用于如果存在到历史质量测量的映射、则禁止在检测到颗粒产生事件之后执行质量测量。这进一步使得机械传感器的寿命能够延长。
可以使用光学传感器测量来衡量存储的历史质量测量以提供质量指示。因此,映射可以涉及颗粒分布特性而不是绝对浓度。
附图说明
现在将参照附图详细描述本发明的示例,其中:
图1示出以弹簧质量系统解释的基于共振的质量检测的基本方面,其中共振传感器的质量影响共振频率;
图2示出本发明的方法的实施例;
图3示出本发明的传感器的实施例;
图4示出颗粒尺寸分布函数;
图5示出图4的函数可以如何被分为离散段;
图6示出用于烹饪三种不同食物项目的颗粒密度分布函数;
图7示出随着时间用于烹饪三种不同食物项目的颗粒质量浓度函数;
图8示出可以如何针对颗粒的不同的光学性质不同地测量颗粒密度分布函数;以及
图9示出从先前质量测量学习以减少需要的质量测量的数量的方法。
具体实施方式
本发明提供一种用于测量浮质中的颗粒浓度和质量浓度的传感器系统。光学传感器用于测量颗粒浓度和可选地测量尺寸分布,机械传感器用于测量收集的颗粒的质量。使用光学传感器监控浮质中的颗粒浓度(以及可选地,尺寸分布),直到检测颗粒产生事件。在检测到颗粒产生事件时,使用机械传感器执行质量测量,并且质量测量用于校准光学传感器。该方法使得机械传感器的寿命能够延长,因为其仅在检测事件时使用。通过机械传感器校准对于质量浓度确定通常不太精确的光学传感器。
使用共振装置的直接质量测量是一种已知技术。其基于共振频率(f0)和共振器的质量之间的关系,如图1所示。
在图1中,共振器质量10通过质量m和弹性系数k示意性地表示。曲线图示出作为频率(x轴)函数的共振振荡(y轴)的振幅。绘图12为基本共振器质量。如果添加额外质量(Δm)14,则共振曲线频率减小通过频率移位Δf到绘图16。
管理共振的等式为:
等式1示出基本共振频率和共振器特性之间的关系。等式2示出由质量中的变化导致的频率中的变化,等式3示出可以被检测的最小质量(Δmmin)。最小值取决于共振器的机械质量因素Q。
文献中存在用于浮质污染监控的基于共振的质量感测的多个示例。例如,已经提出使用用于个人暴露监控具有皮克水平质量分辨率的微型机械硅悬臂装置。过滤器可以用于消除大颗粒,并且静电采样器可以设置用于在悬臂上沉积纳米颗粒。
例如,WO 2013/064157公开一种基于MEMS的共振颗粒测量装置,其被设计用于测量空气流中的浮质纳米颗粒。
根据经验,通过监控共振频率中的变化操作的机械传感器在添加的质量与初始共振器质量相比更小的范围中操作。然而,在传感器的寿命期间持续的质量累积是不可避免的。这个问题对于MEMS衡量装置更显著,在该装置中累积的质量的机械和/或化学清洁是不可能的,至少对于消费者应用来说如此。因此,MEMS传感器的寿命可以通过考虑初始质量和每测量周期大约的质量沉积而被粗略地估算。
下面给出作为硅MEMS悬臂示例的简单计算:
尺寸:100μm宽,1000μm长,10μm厚
体积:106μm3
质量:2650ng(硅密度2.65g/cm3)
对于最小颗粒浓度检测限度10μg/m3(世界健康组织针对每年平均浓度的限度),以及样本空气体积1公升(1分钟采样1l/min空气纳入),在共振器上沉积10ng质量为合理的估算。为了增加浓度,质量沉积成比例增加。这导致测量周期数量于取决于浓度范围的共振器的初始质量,概述如下:
PM 2.5浓度可以达到几百μg/m3(例如,2013年1月13日,在北京为700μg/m3),从而可能产生甚至更短的寿命,其不适于在消费者水平应用使用这种系统。当共振器上的颗粒累积推动传感器共振频率超出驱动或读出电路带宽时,传感器达到其寿命终点。
这种质量累积也将共振频率推至较低值,其中质量因素较低,从而质量分辨率也逐年降低。质量累积还改变共振器的表面结构,从而颗粒沉积特性随时不同。如果形成持续层,则这还改变共振器的刚度,从而改变共振频率。传感器的导电性也可能改变,这在静电颗粒收集情况下阻碍沉积效率。
除了导致有限寿命的质量的收集,存在关于可能导致有限寿命的基于共振的质量测量的多个其它问题。例如,采样子系统中的过滤器可以变得阻塞并且它们的过滤效率随时间降低。
还已经提出用于空气净化器的消费者水平应用的光学感测技术(针对PM2.5)。用于消费者水平应用的主要技术基于通过空气中的悬浮颗粒光学散射(例如,浊度测定法)。浊度计使用光源和光学检测器。该方法本质上基于通过空气(或其它载体气体)中的悬浮颗粒测量散射的光强度。
尽管光散射是一种已确定的颗粒测量技术,但是它也具有基本限制。针对一定类型的浮质类型和组分来校准基于光散射的光学传感器,它们的精确度可能根据包括颗粒形状、颗粒的光学性质、颗粒密度等多个因素而显著改变。输出给出针对被检测的颗粒尺寸的范围的颗粒密度信息,但是它不给出颗粒质量信息或颗粒分布信息(在没有如下讨论的进一步信号分析的情况下)。
颗粒尺寸的直径范围通常从200nm到50μm。这个大颗粒范围还可能导致测量精确度的大偏差,如大和小颗粒的反射比可以显著改变。
反射的光强度还可以由颗粒形状影响,从而颗粒形状的显著差异(例如,球形对比针状)可以导致与精确测量的偏差。颗粒密度还可以影响精确度,特别地,当从颗粒浓度转换到质量浓度时,反之亦然。通常,颗粒质量信息是期望的,因为法规限制基于质量浓度值。
颗粒化学也影响传感器响应。在室内环境中,可能存在各种颗粒类型:源于烹饪的污染、蜡烛火焰、香烟烟雾、扩散进入的户外污染、过敏原等。浊度测量法没有给出关于悬浮颗粒的本质的信息。应该理解,颗粒化学,与颗粒物理性质(颜色、粗糙度等)相结合,也可以影响通过颗粒表面的光的反射/吸收,并且对测量精确度具有影响。
通过测量隔室中的空气流指示采样体积从而浓度。紧凑浊度计使用用于利用传递样本空气的烟囱效果的加热器,而一些模型也使用用于传递样本空气的风扇。可能影响空气流动速率的所有可能变型将导致颗粒浓度的错误读数。
因此存在基于共振频率的测量的机械传感器的缺点以及光学传感器的缺点。光学传感器例如对颗粒数量检测以及对质量转换的颗粒数量(它是室内空气质量标准中使用的单位)给出不确定性。
本发明提供一种混合方案,用于结合两种技术的优势。两个系统以给出更大可靠性并且能够不维护或低维护以及低成本颗粒分析的方式结合。这使得传感器系统适用于消费者水平应用,诸如空气净化器、独立空气传感器或诸如包含空气质量感测功能的空气调节器的其它空气处理装置。
特别地,通过同时和/或连续结合不同类型传感器的操作,可以处理两个主要问题。机械传感器的寿命可以通过工作周期延长,通过浊度计提供颗粒浓度信息。浊度计类型传感器的基于事件的校准被实现以提供更精确的颗粒特性。
涉及寿命加强的机械传感器的工作周期的益处是清楚的。代替连续操作,传感器可以仅响应于产生不同类型颗粒的不同事件:例如,烹饪、燃烧蜡烛或焚香、不同浮质喷雾(例如,家用化妆品)的动作、源于户外的颗粒等。
图2示出本发明的方法的示例。
在步骤20中,光学传感器(例如,浊度计)监控颗粒浓度并且可选地还监控颗粒尺寸分布。这基于测量的颗粒浓度持续进行,直到颗粒产生事件被检测到。该事件在最简单的情况下为颗粒浓度中的急剧增加。然而,其它指示器可以用于识别颗粒产生事件,诸如挥发性有机化合物(VOC)传感器检测到VOC水平的急剧增加和/或任意其它连接的传感器或连接的数据源提供触发指示。示例为浊度计信息、位置和交通信息和窗户传感器状态(例如,打开或关闭)。
响应于检测到颗粒产生事件,在步骤22中使用机械传感器来执行收集的颗粒的质量测量,该机械传感器诸如通过检测共振频率的变化来操作的机械传感器。这涉及机械传感器启动采样和测量质量浓度。
该处理在步骤22之后等待通过光学传感器(其持续监控)或通过外部输入所确定的事件终结。
在事件终结之后,在步骤24中,光学传感器可以用于测量事后浓度值。这是可选的在于最后的光学读取可以相反被使用。
并且,在事件终结之后,在步骤26中,机械传感器可以用于测量事后质量值。
步骤26的质量测量与来自步骤24的光学传感器测量的颗粒浓度相关联,以校准光学传感器。该校准在步骤28发生。这表示光学传感器的精确度对于随后的光学测量将被保持。
直接的质量测量通过重置通过光学传感器测量的浓度与对应的质量之间的关系,来支持光学传感器的校准。
光学传感器通常提供颗粒浓度测量,作为每单位体积的颗粒数。这可以例如通过检测单个颗粒实现,从而每个信号表示单个颗粒。分析的样本的体积从而产生颗粒浓度图形。光学传感器可以例如通过在不同颗粒的信号之间进行识别而给出颗粒尺寸信息。在一个示例中,光学传感器基于可以使用散射的光强度差异的光散射以区分不同的颗粒尺寸。因此,光学传感器可以给出关于颗粒计数(即,针对已知样本体积的浓度)和颗粒尺寸的信息。
通过以仓(bin)提供该尺寸信息,可以获得针对颗粒尺寸的多个分段的颗粒浓度。然而,光学传感器不测量质量浓度(即,每单位体积颗粒质量)。在没有直接质量测量的情况下,来自光学传感器的质量浓度的计算为估算。通过识别事件并且针对那些事件提供直接质量测量,估算可以基于实际测量。
光学传感器测量是基于散射光并且其精确度直接正比于散射光强度。随时间推移,由光学传感器(例如LED)使用的光源的亮度降低,这产生传感器漂移。这也是关于污染的问题,其对室内浮质更显著,尤其可以在各种系统的光学组件(镜头、LED表面等)上形成层的油性浮质。这导致光强度降低,因此导致错误测量。
光学传感器可以给出如上解释的浓度和尺寸范围信息,并且这提供针对颗粒事件的区别曲线。
校准的目的是改善颗粒浓度到颗粒质量浓度转换的精确度。
以此方式,机械传感器仅操作非常有限的时间并且通过光学传感器实施持续的测量。另外地,还通过提供针对光学传感器测量的基于事件的校准,来防止光学传感器的不精确的颗粒浓度到质量浓度的转换。
在户外操作的情况下,可以通过使用适当的传感器和/或结合传感器操作与其它公众可获得数据,针对交通事件(例如高峰事件和低交通量事件)、社会事件(例如烟火)、气象状态(例如雨、风向、季节)、环境因素(例如沙漠尘土)或其它城市局部信息(例如建筑物或道路建设)来关联传感器数据。
传感器的详细的设计将取决于应用状态。
通常,如图3所示,传感器系统包括颗粒与分类单元和纳入采样装置30(例如过滤器堆栈)、在该示例中包括MEMS共振器32(下面描述)的机械传感器32、以及在该示例中包括浊度计的光学传感器33。电子电路34被设置用于确定和读出传感器和其它系统组件,控制器36倍设置用于数据处理和存储。通过使用风扇和/或热转换处理到传感器单元的空气流动(即纳入采样)。
考虑目标颗粒范围设计样本纳入和调节单元30。通过使用合适的颗粒尺寸预过滤定向特定颗粒物质范围(例如,PM1、PM2.5、PM10)以例如使用网或纤维过滤器结合或惯性/空气动力分离移除较大颗粒。通过提供该类型的预过滤操作,可以尤其防止大颗粒到达机械传感器,从而延长寿命。
可以通过在接地的或相对偏置共振器上的带电颗粒的静电或电泳沉淀控制颗粒的沉积。包括产生共振器和相对表面之间的温度差的热泳力沉淀可以反而被使用。沉积可以反而基于随机颗粒运动。还可以使用用于传递采样空气体积的风扇或泵。
选择取决于最小可检测质量、“干净空气”平均颗粒浓度(即基线水平)、穿过采样子系统中的颗粒过滤器的颗粒的比例以及针对最小颗粒浓度检测的最终用户要求。
MEMS共振器可以用作机械传感器32。共振器可以被设计和制造具有合适的尺寸以实现用于提供检测的需要的极限的期望的共振频率。
可能的共振器结构的示例为悬臂结构(一段夹持,另一端自由)以及双夹持或膜类型共振器。
悬臂设计可以特别感兴趣于在静电颗粒收集的情况下悬臂尖端处提供充足的电场密度。悬臂的结构可以为简单矩形形式、三角形式(针对较大夹持区域)或在保持夹持端的较小面积的同时增大表面积的类似锤头状形式。
这些参数都影响系统的共振行为并且可以使用基本共振器设计原则。
用于驱动和读出共振频率的电路34也取决于共振器的Q值,换能器(例如压电、热、压阻、光学、电容性等)的选择。取决于最小可检测质量的要求,Q-补偿机制可以实施用于增加系统的质量分辨率。电子领域中的共振频率的检测被选择适用于致动方法。文献中已知针对这种共振器的电路设计的基本原理。
例如,在压电致动和感测的情况下,使用包含共振器的电阻抗的振荡电路。在静电/电容性致动和感测的情况下,使用电压控制的振荡电路。
还可以基于诸如数据采样速率、数据处理算法的计算和实施的处理载荷的应用要求选择和设计用于数据处理和操作的控制器36。
如上所述,可以针对给定家庭进一步通过包含不同事件的时间戳的学习机制加强算法。
图3示出控制器包括查找表37,其用于学习处理。其提供可以从光学传感器输出(或从提供至系统的其它触发输入)识别的事件与相应的质量值之间的映射。以这种方式,当从先前测量中已知时,可以避免机械传感器测量。
例如,围绕傍晚时间循环的周期事件系列可以与烹饪和源于烹饪的颗粒来源相关。在针对烹饪建立连续数据关联时,针对甚至增加的操作寿命,共振器的采样频率可以进一步降低。
现在将更详细讨论作为学习机制的示例。
目标是进一步减少使用机械传感器的次数,例如以在不同时间时针对相同事件避免不必要的重复。然而,虽然相似的事件(例如烹饪)可能具有不同的构成颗粒(例如,基于不同的烹饪材料)并且因此相同的颗粒浓度可能不对应于相同质量,从而仍然需要使用质量测量的校准。
学习机制还可以改善光学测量的质量。浮质的光学性质的变形还对光学读取的精确度有影响。例如,具有显著不同光学性质(即折射率)的浮质将导致测量的颗粒尺寸分布的不同。颗粒的光学性质的变化通常将不影响整个颗粒浓度测量但是将对于尺寸估算具有影响。
下面描述自学习系统,其借助于再调节过程将光学和机械传感器的输出进行耦合。
尽管如上所述光散射信号的分析可以用于获得颗粒尺寸信息,但是光学传感器通常仅给出颗粒浓度(基于颗粒计数)。还可能例如使用用于检测不同颗粒性质的多个传感器区分具有相同尺寸的颗粒的性质。
已经提出更先进的信号处理技术以从光学散射信号确定颗粒尺寸分布,并且从而根据尺寸(例如PM2.5)对颗粒进行分类。
通过示例,Mie理论(其基于Mie方案与Maxwell等式)用于描绘悬浮颗粒的光散射的特征。
基于小颗粒提供大角度散射和大颗粒提供小角度散射的性质,光衍射颗粒分级可以用于提供尺寸分布信息。可以使用动态光散射,其中散射光的强度随时间变化的方式取决于颗粒尺寸。该方法基于悬浮颗粒的布朗运动的速度。
因此,存在各种已知光学技术用于获得颗粒浓度,也已知数据处理技术用以从光学传感器信息提取颗粒尺寸分布。
一个方法是提供固定的散射角(例如,光源、检测器和光学散射体积的固定的光学对齐)并且提供光散射强度的比较作为颗粒尺寸的函数。这支持在没有用于掠过散射角的任意运动部件(即,测角计)的情况下的测量系统。
然而,在没有颗粒材料的知识的情况下,这些方法不提供质量信息。
下面描述的方法基于存储颗粒的特性(诸如尺寸分布和可选地其它特性)与对应的机械传感器值一起。每当使用机械传感器,则记录特性,包括瞬间值以及可选地随时间之间/之后的变化和/或时间窗中的平均值。
一旦已经记录一组测量,当系统被触发以执行质量测量时,将首先从光学传感器比较当前颗粒曲线和存储的值。如果存在匹配,则系统将使用机械传感器的存储的值以确定当前质量值。
以这种方式,可以单独基于来自光学传感器信息的事件的识别和针对相应事件之前采取的质量测量,来避免质量测量。
因此,如果存在,则光学颗粒特性(尺寸分布和其它特性)可以用于识别对应的预先存储的质量测量。然后,基于颗粒浓度和特性,可以确定质量测量。
可以根据光学读数来衡量质量。例如,如果通过光学测量确定的颗粒特性匹配存储的数据集,但是颗粒浓度为记录在存储的数据中的一半,则质量测量将被缩放为存储的值的一半。
图4示出可以光学测量的可能的颗粒尺寸分布的示例。
准确的颗粒尺寸分布不是必要的,因为事件的相同类型将给出分布中的变化。用于获得颗粒分布信息的更实际的方法是收集类别中的颗粒浓度,其作为一种平均颗粒尺寸分布。
对离散函数的持续函数的转换示出在图5中。
当如上讨论的检测事件时,系统首先确定离散形式的颗粒尺寸分布并处理存储的表格。如果存在匹配,则然后系统可以从存储的值来确定质量。
然后,实际颗粒浓度和与存储的表格相关联的存储的颗粒浓度被用于确定存储的质量值,以给出实际结果。
例如,如果颗粒尺寸分布匹配表格中的条目(在一定误差余裕内),系统可以查找记录的颗粒浓度和记录的质量。基于此,实际颗粒浓度用于确定实际质量。以这种方式,表格中的值是可缩放的。例如,如果记录的值为30μg/m3,并且记录的颗粒浓度为120,而存储的颗粒浓度为80,则实际质量将被计算为20μg/m3。
如上所述,不期望测量的颗粒尺寸分布精确匹配、但是期望其在合理的误差水平内。该误差水平可以预先设置或者可以从多个机械传感器测量确定。如果测量的实际质量脱离一定误差,则测量的颗粒尺寸分布可以被认为限定不同类型并且然后可以被存储为表格中的分开的条目。
为了从每个尺寸类别中的颗粒浓度获得颗粒质量浓度,每个检测的事件类型为每个尺寸类别分配质量浓度值。
例如,对于特定事件,仓A的质量浓度值可以为MAg/m3。
MAg/m3=[仓A计数(计数/m3)]x[仓A平均颗粒体积(m3)]x[仓A平均颗粒密度ρAg/m3]
平均密度针对每个仓和每个浮质来源不同,浮质源通过例如其特征颗粒尺寸分布而得以确定。
然后整个质量浓度为针对所有仓的质量浓度的总和。
图6示出用于三种烹饪事件作为总数百分比的实际颗粒尺寸分布信息。
这些烹饪事件为搅拌炸肉和葱(绘图60)、搅拌炸虾(绘图62)和搅拌炸蔬菜(绘图64)。y轴绘出针对特定颗粒尺寸的体积分数。
x轴示出按μm的颗粒尺寸(每0.5μm的点)。y轴为具有提供颗粒的标准化数量的尺寸的颗粒的总数量的比例。
下面的表格示出如上所述的通过三种烹饪情形产生通过气体层析——质量光谱量化的特定有机物质中的有机化合物的重量百分比。
从该表可以看出针对三种菜的特定物质的构成不同并且因此预计实际质量测量将针对不同烹饪事件不同。相似地,其它事件(具有不同颗粒密度分布曲线)将具有不同颗粒构成并且因此不同质量测量(即使具有相同颗粒浓度)。
图7示出针对三种烹饪事件随时间的质量浓度。
绘图70涉及搅拌炸肉和葱,绘图72涉及搅拌炸虾,绘图74涉及搅拌炸蔬菜。可以看出与质量随时间的演变相关的信息还可能与不同事件关联。
然后可以根据检测的颗粒类型优化空气处理操作。
图8示出在光学颗粒尺寸分布测量的精确度时不同光学性质的效果。由于折射率的变化,颗粒可以散射比校准基于其的参考系统更多或更少的光。该状态示出自身作为给定事件的颗粒尺寸分布的移动,如图8中所示。箭头80示出颗粒浓度信息的较低反射率的效果,箭头82示出颗粒浓度信息的较高反射率的效果。
如上所解释的,颗粒尺寸分布用于区分不同情况和与实际质量测量的联系。通过颗粒性质影响颗粒尺寸分布的实施不是问题,如图8所示。只要事件特定的颗粒尺寸分布图案被保持,精确的颗粒尺寸分布信息就不是必要的,其仅用于区分不同事件和颗粒性质,在这些颗粒性质中颗粒的折射率为一个性质。
图9示出使用上面描述的学习处理的本发明的方法的示例。
在步骤90中,进行光学传感器测量,直到事件被检测到。事件可以通过光学传感器自身检测,或其可以作为外部触发而被接收。
在步骤92中,对通过光学传感器提供的颗粒分布特性与查找表中的数据进行比较。如果存在匹配,则可以从查找表(如果需要的话通过合适的缩放)提供质量测量,并且光学感测可以在不需要机械质量测量的情况下持续。
如果分布特性不匹配,则在步骤94中进行机械质量测量。通过步骤96中的新事件特性更新查找表,并且处理返回到光学感测。
针对不同事件的颗粒尺寸分布粗略已知;例如燃烧处理(蜡烛、香烟烟雾等)包括合理地均匀的颗粒尺寸分布,其示出自身作为针对PM1、PM2.5和PM10的相同的增加的趋势。相反,与灰尘(例如打扫灰尘、真空吸尘器吸、换床单、熨烫等)相关的事件在PM10方面的急剧增加具有显著特性但是在PM1和PM2.5没有变化。
校准涉及校准颗粒浓度到质量浓度转换因素。不同的事件产生具有不同光学性质和密度的颗粒,其诱发针对颗粒浓度到质量浓度转换的误差。
一旦针对给定环境(即,传感器所放置的房间)识别出了事件(例如,吸烟),先前存储的(学习的)颗粒浓度到质量浓度转换因素继而可以被用于那个事件。因此,校准涉及更新颗粒浓度和质量浓度之间的映射,并且涉及特定检测的事件。
不同的事件将产生非常不同性质的颗粒。即使颗粒具有相同的尺寸范围,但是它们可以具有非常不同的光学性质,例如烟灰或沙土。颗粒浓度可以是相同的,然而存在非常不同的质量浓度。通过映射时间的特性到存储的值,可能贡献合适的转换因素从而颗粒浓度(每m3计数)被准确转换为质量浓度(mg/m3)。校准因素本质上从颗粒数(计数)转换到质量,即,它们提供针对不同类型的颗粒产生事件的每颗粒因素的质量。
如上解释的,基于检测的事件执行校准。然而,在没有事件的情况下,校准还可以定期执行,例如每天执行。
校准应该不太频繁以便维护检修传感器的寿命。整个寿命应该超过诸如1-3年的保质期。
针对光学传感器的颗粒浓度到质量浓度转换可能针对不同事件失效,例如,用于香烟烟雾的转换时间可能对于针对交通诱发浮质的转换因素是无用的。上面描述的自身学习系统可以适用于改变与不同浮质产生事件相关联的环境状态。
由光源老化导致的漂移多少是可预测的,但是由于光组件的污染导致的漂移是随机的。混合方法意味着总是可获得正确的测量。
本发明使用颗粒产生事件以触发质量测量。这可以是特定颗粒浓度的检测或特定颗粒尺寸的检测。优选地,颗粒产生事件为可以通过光学传感器检测的事件。此外,如果特定时间段没有检测到事件,则可以定期执行质量测量,从而在检测到触发更精确质量感测操作的事件之前可以定期校准光学传感器。
本发明适用于空气净化器、独立颗粒传感器单元、个人暴露监控装置、车厢颗粒测量传感器、针对户外使用的颗粒传感器(作为独立传感器单元或例如针对城市管理的灯柱的传感器)、通风单元、建筑气候管理系统的各种部件以及通常通过检测共振频率中的变化操作的各种类型机械传感器。还存在呼吸支持方面的药物应用和药物递送应用。
上面的示例基于PM2.5颗粒的检测,但是本发明可以应用于PM10、PM1颗粒或其它类别的非常细微的颗粒。
上面的示例基于MEMS共振器。然而,该方法可以基于其它微共振器,例如膜装置(相似于电容微型机械超声换能器)或石英晶体微天平(QCM)。共振器可以为声体波(BAW)共振器或声表面共振器(SAW)。
传感器系统可以进一步包括用于提供关于颗粒产生事件的信息的化学传感器。这可以例如为VOC传感器,用于提供事件触发以促进进行机械传感器读取。事件触发可以基于多个可能输入,包括化学传感器、外部输入和光学传感器。
系统使用控制器。可以针对控制器采用的组件包括但不限于传统微处理器、专用集成电路(ASIC)和场可编程门阵列(FPGA)。
在各种实施方式中,处理器或控制器可以与诸如易失性或非易失性计算机存储器诸如RAM、PROM、EPROM和EEPROM的一个或多个存储器介质相关。存储器介质可以编码有当在一个或多个处理器和/或控制器上执行时以需要的功能执行的一个或多个程序。各种存储器截止可以固定在处理器或控制器内或可以为便携式的,使得存储在其上的一个或多个程序可以被加载到处理器或控制器。
从附图、本公开和所附权利要求的学习中,本领域技术人员在实践所要求保护的本发明时可以理解并实现公开的实施例的其它变形。在权利要求中,词语“包括”不排除其它元件或步骤,不定冠词“一”或“一个”不排除多个。在彼此不同的从属权利要求中列举的一定测量的仅仅事实不指示这些测量的结合不能被使用以处于优势。权利要求中的任意参考编号不应该解释为限制范围。
Claims (15)
1.一种用于测量浮质中的颗粒浓度和质量浓度的传感器系统,包括:
光学传感器(33),用于测量颗粒浓度和可选地测量颗粒尺寸分布;
机械传感器(32),用于测量收集的颗粒的质量;以及
控制器(36),适用于:
使用所述光学传感器(33)监控所述浮质中的所述颗粒浓度和可选地监控所述颗粒尺寸分布,直到检测到颗粒产生事件;
在检测到颗粒产生事件时,使用所述机械传感器(32)来执行质量测量;以及
使用所述质量测量来校准所述光学传感器。
2.根据权利要求1所述的传感器系统,其中所述机械传感器包括:
感测元件;
换能器(32),适用于驱动所述感测元件进入共振并且适用于检测所述感测元件的共振频率,其中所述共振频率取决于沉积在所述感测元件上的颗粒的质量。
3.根据权利要求1或2所述的传感器系统,其中所述控制器(36)进一步适用于得出在所述质量测量期间已经被采样的浮质的体积,并且从而得出每单位体积的颗粒浓度。
4.根据任一前述权利要求所述的传感器系统,其中所述控制器(36)进一步适用于使用所述光学传感器监控所述浮质,直到稳定的事后颗粒浓度被记录,并且所述校准包括将事后光学传感器测量(24)与事后质量测量(26)相结合。
5.根据任一前述权利要求所述的传感器系统,进一步包括样本纳入装置(30),用于在感测周期期间操作以驱动所述浮质受所述机械传感器的传感器元件监控。
6.根据任一前述权利要求所述的传感器系统,进一步包括颗粒过滤器布置(30),用于选择颗粒尺寸的范围,所述范围的所述颗粒浓度和质量浓度将被测量。
7.根据任一前述权利要求所述的传感器系统,进一步包括化学传感器,用于提供关于所述颗粒产生事件的信息。
8.根据任一前述权利要求所述的传感器系统,其中所述控制器(36)包括存储器(37),所述存储器(37)存储历史光学传感器测量和对应的历史机械传感器测量之间的映射。
9.一种空气处理设备,包括根据权利要求1-8中任一项所述的传感器系统。
10.一种测量浮质颗粒浓度和质量浓度的方法,包括:
(20)通过测量颗粒浓度和可选地测量颗粒尺寸分布使用光学传感器(33)来监控所述浮质;
基于测量的所述颗粒浓度和可选地测量的尺寸分布,检测颗粒产生事件;
(22)响应于检测到所述颗粒产生事件,使用机械传感器(32)执行收集的颗粒的质量测量;以及
(26)使用所述质量测量来校准所述光学传感器(33)。
11.根据权利要求10所述的方法,其中所述机械传感器包括基于共振频率的机械传感器元件,其中所述共振频率取决于沉积在所述传感器元件上的颗粒的质量。
12.根据权利要求10或11中的任一项所述的方法,进一步包括使用所述光学传感器监控所述浮质,直到稳定的事后颗粒浓度被记录,并且所述校准包括将事后光学传感器测量(24)与事后质量测量(26)相结合。
13.根据权利要求10-12中任一项所述的方法,包括存储历史光学传感器测量和对应的历史机械传感器测量之间的映射。
14.根据权利要求13所述的方法,如果存在到历史机械传感器测量的映射,则在检测到颗粒产生事件之后使用所存储的映射禁止执行质量测量。
15.根据权利要求14所述的方法,包括使用所述光学传感器测量来衡量存储的历史质量测量以提供质量指示。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP14171789 | 2014-06-10 | ||
EP14171789.2 | 2014-06-10 | ||
PCT/EP2015/062480 WO2015189089A1 (en) | 2014-06-10 | 2015-06-04 | Aerosol sensor and sensing method |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106461527A true CN106461527A (zh) | 2017-02-22 |
Family
ID=50884811
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201580030861.7A Pending CN106461527A (zh) | 2014-06-10 | 2015-06-04 | 浮质传感器和感测方法 |
Country Status (6)
Country | Link |
---|---|
US (1) | US10006846B2 (zh) |
EP (1) | EP3155397A1 (zh) |
JP (1) | JP6353555B2 (zh) |
CN (1) | CN106461527A (zh) |
RU (1) | RU2672773C2 (zh) |
WO (1) | WO2015189089A1 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106970012A (zh) * | 2017-05-02 | 2017-07-21 | 湖南建研信息技术股份有限公司 | 一种双传感器扬尘检测装置及方法 |
CN109959592A (zh) * | 2017-12-22 | 2019-07-02 | 日立-Lg数据存储韩国公司 | 灰尘传感器 |
CN113125320A (zh) * | 2021-04-07 | 2021-07-16 | 南京信息工程大学滨江学院 | 针对气溶胶的观测平台及其流程 |
Families Citing this family (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105572005A (zh) * | 2015-12-24 | 2016-05-11 | 浙江省计量科学研究院 | 一种基于光散射法的pm2.5监测仪校准方法及装置 |
US11119021B2 (en) * | 2016-03-21 | 2021-09-14 | Trumpf Photonic Components Gmbh | Laser sensor for ultra-fine particle size detection |
KR102514582B1 (ko) * | 2016-06-29 | 2023-03-27 | 엘지전자 주식회사 | 단일 열원을 사용하여 가스 및 먼지를 감지하는 복합 센서 |
WO2018081611A1 (en) * | 2016-10-28 | 2018-05-03 | FutureAir, Inc. | Apparatus, systems and methods for smart air signature detection and mangement based on internet-of-things technology |
US10393714B2 (en) | 2016-11-28 | 2019-08-27 | International Business Machines Corporation | Particulate matter monitoring |
RU179118U1 (ru) * | 2016-12-23 | 2018-04-26 | Акционерное общество "Ордена Трудового Красного Знамени Научно-исследовательский физико-химический институт им. Л.Я. Карпова" (АО "НИФХИ им. Л.Я. Карпова") | Оптико-электронный аэрозольный комплекс |
JP7017058B2 (ja) * | 2017-10-13 | 2022-02-08 | 株式会社デンソー | 車両用空調装置 |
CN108414410A (zh) * | 2018-01-15 | 2018-08-17 | 松下知识产权经营株式会社 | 性能试验方法、系统及其控制方法、控制装置和存储介质 |
DE102018203858A1 (de) * | 2018-03-14 | 2019-09-19 | Ford Global Technologies, Llc | Verfahren zum Anpassen von Feinstaubmesswerten |
KR101991059B1 (ko) * | 2018-03-29 | 2019-06-20 | 한국기계연구원 | 먼지센서 캘리브레이션 방법 및 먼지센서 |
EP3575787A1 (en) * | 2018-05-28 | 2019-12-04 | Koninklijke Philips N.V. | A cooking system, including a particle detecting apparatus, and a cooking method |
EP3818354B1 (en) | 2018-07-04 | 2024-05-01 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Device and method for determining an aerosol delivery |
TW202035968A (zh) * | 2019-03-15 | 2020-10-01 | 研能科技股份有限公司 | 微粒偵測裝置 |
CN110231263B (zh) * | 2019-05-23 | 2020-10-30 | 武汉大学 | 一种具有自清洁功能的pm2.5质量传感器及其制备方法 |
CN110726698B (zh) * | 2019-11-28 | 2022-02-22 | 浙江农林大学 | 一种城市河道生态智能监测母站的浊度监测方法 |
KR102452283B1 (ko) * | 2022-04-11 | 2022-11-08 | 주식회사 쓰리에스랩 | 산란광방식의 미세먼지 측정장치의 교정방법 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN2603937Y (zh) * | 2003-04-08 | 2004-02-18 | 天津大学 | 气路装置设置流量传感器的尘埃粒子计数器 |
US7111496B1 (en) * | 2004-04-29 | 2006-09-26 | Pedro Lilienfeld | Methods and apparatus for monitoring a mass concentration of particulate matter |
CN101135628A (zh) * | 2003-10-23 | 2008-03-05 | 马丁·T·科尔 | 颗粒探测器及其方法 |
US20090039249A1 (en) * | 2007-08-07 | 2009-02-12 | Xiaoliang Wang | Size segregated aerosol mass concentration measurement device |
CN101960288A (zh) * | 2008-03-04 | 2011-01-26 | 皮卡索尔公司 | 颗粒测量方法和设备 |
CN102428377A (zh) * | 2009-05-12 | 2012-04-25 | 赛默飞世尔科技有限公司 | 颗粒检测与传感器的校准 |
CN102680349A (zh) * | 2012-03-30 | 2012-09-19 | 北京盈胜泰科技术有限公司 | 一种pm2.5的监测设备 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SU807143A1 (ru) * | 1978-11-04 | 1981-02-23 | Институт Экспериментальной Метеорологии | Способ определени концентрацииАэРОзОльНыХ чАСТиц |
JPS56129840A (en) * | 1980-03-17 | 1981-10-12 | Toshiba Corp | Inspection apparatus for property of smoke |
US4940327A (en) * | 1988-10-25 | 1990-07-10 | Trc Companies Inc. | Method and apparatus for real time asbestos aerosol monitoring |
JP2001116681A (ja) * | 1999-10-19 | 2001-04-27 | Sankyo Paioteku Kk | 重力沈降式粒子径分布測定装置 |
JP2003161698A (ja) * | 2001-11-27 | 2003-06-06 | Matsushita Electric Works Ltd | 浮遊粉塵検知器感度調整装置およびそれを用いた感度調整方法 |
US7251982B2 (en) * | 2003-11-13 | 2007-08-07 | Sensors, Inc. | Apparatus for analysis of aerosols |
US7174767B2 (en) * | 2003-12-01 | 2007-02-13 | Sensors, Inc. | Particulate matter analyzer and method of analysis |
JP4229951B2 (ja) * | 2006-04-10 | 2009-02-25 | ダイハツディーゼル株式会社 | ミスト濃度検出装置の検査装置 |
EP2773941A1 (en) | 2011-11-04 | 2014-09-10 | Danmarks Tekniske Universitet | Resonant fiber based aerosol particle sensor and method |
-
2015
- 2015-06-04 WO PCT/EP2015/062480 patent/WO2015189089A1/en active Application Filing
- 2015-06-04 US US15/316,926 patent/US10006846B2/en active Active
- 2015-06-04 RU RU2016152193A patent/RU2672773C2/ru active
- 2015-06-04 CN CN201580030861.7A patent/CN106461527A/zh active Pending
- 2015-06-04 EP EP15728802.8A patent/EP3155397A1/en not_active Withdrawn
- 2015-06-04 JP JP2016568041A patent/JP6353555B2/ja active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN2603937Y (zh) * | 2003-04-08 | 2004-02-18 | 天津大学 | 气路装置设置流量传感器的尘埃粒子计数器 |
CN101135628A (zh) * | 2003-10-23 | 2008-03-05 | 马丁·T·科尔 | 颗粒探测器及其方法 |
US7111496B1 (en) * | 2004-04-29 | 2006-09-26 | Pedro Lilienfeld | Methods and apparatus for monitoring a mass concentration of particulate matter |
US20090039249A1 (en) * | 2007-08-07 | 2009-02-12 | Xiaoliang Wang | Size segregated aerosol mass concentration measurement device |
CN101960288A (zh) * | 2008-03-04 | 2011-01-26 | 皮卡索尔公司 | 颗粒测量方法和设备 |
CN102428377A (zh) * | 2009-05-12 | 2012-04-25 | 赛默飞世尔科技有限公司 | 颗粒检测与传感器的校准 |
CN102680349A (zh) * | 2012-03-30 | 2012-09-19 | 北京盈胜泰科技术有限公司 | 一种pm2.5的监测设备 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106970012A (zh) * | 2017-05-02 | 2017-07-21 | 湖南建研信息技术股份有限公司 | 一种双传感器扬尘检测装置及方法 |
CN106970012B (zh) * | 2017-05-02 | 2024-02-20 | 湖南建研信息技术股份有限公司 | 一种双传感器扬尘检测装置及方法 |
CN109959592A (zh) * | 2017-12-22 | 2019-07-02 | 日立-Lg数据存储韩国公司 | 灰尘传感器 |
CN113125320A (zh) * | 2021-04-07 | 2021-07-16 | 南京信息工程大学滨江学院 | 针对气溶胶的观测平台及其流程 |
CN113125320B (zh) * | 2021-04-07 | 2022-02-18 | 南京信息工程大学滨江学院 | 针对气溶胶的观测平台及其流程 |
Also Published As
Publication number | Publication date |
---|---|
WO2015189089A1 (en) | 2015-12-17 |
EP3155397A1 (en) | 2017-04-19 |
RU2016152193A (ru) | 2018-07-18 |
RU2672773C2 (ru) | 2018-11-19 |
JP2017521646A (ja) | 2017-08-03 |
US20170097294A1 (en) | 2017-04-06 |
JP6353555B2 (ja) | 2018-07-04 |
RU2016152193A3 (zh) | 2018-09-20 |
US10006846B2 (en) | 2018-06-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106461527A (zh) | 浮质传感器和感测方法 | |
JP6253844B2 (ja) | センサシステム及びセンサ方法 | |
CN106415235A (zh) | 气溶胶质量传感器和感测方法 | |
CN106415237B (zh) | 气溶胶颗粒质量传感器和感测方法 | |
CN102147350B (zh) | 气溶胶粒子浓度和尺寸分布的快速检测方法及其装置 | |
CN107735667B (zh) | 光学颗粒传感器和感测方法 | |
Martinez-Bracero et al. | Airborne fungal spore review, new advances and automatisation | |
Lyman et al. | Testing and application of surrogate surfaces for understanding potential gaseous oxidized mercury dry deposition | |
US10520413B2 (en) | Particle sensor and particle sensing method having a series of sensor elements | |
US20210405007A1 (en) | Low-flow size-selective inlet for air quality sensors and air quality sensor | |
Vercellino et al. | Laboratory evaluation of a low-cost, real-time, aerosol multi-sensor | |
Gramsch et al. | Influence of particle composition and size on the accuracy of low cost PM sensors: Findings from field campaigns | |
Tan | Laboratory evaluation of low to medium cost particle sensors | |
Costa et al. | Dry aerosol particle deposition on indoor surfaces: Review of direct measurement techniques | |
Yang et al. | An integrated system for automated measurement of airborne pollen based on electrostatic enrichment and image analysis with machine vision | |
Priyadarshini et al. | A real time portable embedded system design for particulate matter monitoring | |
Soroka | Indoor and outdoor measurements of particulate matter with the low-cost optical sensor OPC-N3 | |
Moore et al. | Derivation and use of simple relationships between aerodynamic and optical particle measurements | |
Fierz et al. | Charge-based personal aerosol samplers | |
Stewart et al. | Estimating suspended sediment concentration in streams by diffuse light attenuation | |
Mishra et al. | IoT Devices for Monitoring Natural Environment—A Survey | |
Stewart et al. | Dimensionless light attenuation number for modeling suspended sediment concentration in open channels | |
Klar | Wireless Dust Sensor Network for a Feedlot Dust Abatement Study | |
Abood et al. | Estimation of the Deposited Aerosol Particles in Baghdad City, using Image Processing Technique |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170222 |
|
RJ01 | Rejection of invention patent application after publication |