CN108562698A - 一种大数据空气质量指标信息处理系统 - Google Patents
一种大数据空气质量指标信息处理系统 Download PDFInfo
- Publication number
- CN108562698A CN108562698A CN201810350208.4A CN201810350208A CN108562698A CN 108562698 A CN108562698 A CN 108562698A CN 201810350208 A CN201810350208 A CN 201810350208A CN 108562698 A CN108562698 A CN 108562698A
- Authority
- CN
- China
- Prior art keywords
- data
- module
- sensor
- time
- detection
- 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
- 230000010365 information processing Effects 0.000 title claims abstract description 12
- 238000001514 detection method Methods 0.000 claims abstract description 69
- 238000005070 sampling Methods 0.000 claims abstract description 28
- 239000012528 membrane Substances 0.000 claims abstract description 24
- 229910001385 heavy metal Inorganic materials 0.000 claims abstract description 18
- 239000000428 dust Substances 0.000 claims abstract description 15
- 239000000779 smoke Substances 0.000 claims description 31
- 238000005259 measurement Methods 0.000 claims description 28
- 238000005265 energy consumption Methods 0.000 claims description 26
- 238000000034 method Methods 0.000 claims description 19
- 239000011159 matrix material Substances 0.000 claims description 12
- 239000002245 particle Substances 0.000 claims description 12
- 238000013500 data storage Methods 0.000 claims description 11
- 238000013213 extrapolation Methods 0.000 claims description 11
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 8
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 6
- 230000004931 aggregating effect Effects 0.000 claims description 5
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 4
- 239000001569 carbon dioxide Substances 0.000 claims description 4
- 229910002091 carbon monoxide Inorganic materials 0.000 claims description 4
- 239000013618 particulate matter Substances 0.000 claims description 4
- 230000003321 amplification Effects 0.000 claims description 3
- 230000002457 bidirectional effect Effects 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 3
- 238000005562 fading Methods 0.000 claims description 3
- 238000000691 measurement method Methods 0.000 claims description 3
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000001360 synchronised effect Effects 0.000 claims description 3
- 230000009897 systematic effect Effects 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 abstract description 2
- 239000008187 granular material Substances 0.000 abstract 3
- 239000004071 soot Substances 0.000 abstract 3
- 239000003500 flue dust Substances 0.000 abstract 2
- 239000007789 gas Substances 0.000 description 12
- 238000003915 air pollution Methods 0.000 description 2
- 239000003344 environmental pollutant Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 231100000719 pollutant Toxicity 0.000 description 2
- 239000000809 air pollutant Substances 0.000 description 1
- 231100001243 air pollutant Toxicity 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000006116 polymerization reaction Methods 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000004056 waste incineration Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0062—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- 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
-
- 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
- G01N15/0606—Investigating concentration of particle suspensions by collecting particles on a support
Landscapes
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Dispersion Chemistry (AREA)
- Engineering & Computer Science (AREA)
- Combustion & Propulsion (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明属于空气质量检测技术领域，公开了一种大数据空气质量指标信息处理系统，所述大数据空气质量指标信息处理系统包括：温湿度检测模块、烟尘检测模块、气体成分检测模块、单片机控制模块、数据存储模块、云服务模块、报警模块、显示模块。本发明通过云服务模块可以大大提高数据分析计算速度，提高检测效率；同时本发明通过烟尘检测模块首先将空白滤膜传送至采样处；对烟尘颗粒物进行采样，使采样烟尘颗粒物沉积在所述空白滤膜上，形成样品滤膜；将所述样品滤膜传送至重金属浓度检测器处；最后，计算得出烟尘颗粒物中重金属种类和浓度；本发明实现批量进行检测，提高检测数据量，可以获得更加准确的数据。
Description
技术领域
本发明属于空气质量检测技术领域，尤其涉及一种大数据空气质量指标信息处理系统。
背景技术
空气质量的好坏反映了空气污染程度，它是依据空气中污染物浓度的高低来判断的。空气污染是一个复杂的现象，在特定时间和地点空气污染物浓度受到许多因素影响。来自固定和流动污染源的人为污染物排放大小是影响空气质量的最主要因素之一，其中包括车辆、船舶、飞机的尾气、工业污染、居民生活和取暖、垃圾焚烧等。城市的发展密度、地形地貌和气象等也是影响空气质量的重要因素。然而，现有空气质量指标信息处理数据速度慢，影响检测效率；同时传统人工取样方式，获得检测数据不准确。
综上所述，现有技术存在的问题是：现有空气质量指标信息处理数据速度慢，影响检测效率；同时传统人工取样方式，获得检测数据不准确。
发明内容
针对现有技术存在的问题，本发明提供了一种大数据空气质量指标信息处理系统。
本发明是这样实现的，一种大数据空气质量指标信息处理系统包括：
温湿度检测模块、烟尘检测模块、气体成分检测模块、单片机控制模块、数据存储模块、云服务模块、报警模块、显示模块；
温湿度检测模块，与单片机控制模块连接，用于通过温湿度传感器实时检测空气的温度、湿度数据信息；
所述温湿度传感器空间配准的方法包括时间对准过程和传感器系统误差估计过程，且伪量测方程的建立过程仅与目标的位置相关，时间对准过程完成传感器数据之间在时间上的对准，湿度传感器A、温度传感器B在本地直角坐标系下的量测数据分别为YA(ti)和YB(ti)，且湿度传感器A的采样频率大于温度传感器B的采样频率，则由湿度传感器A向温度传感器B的采样时刻进行配准，具体为：
采用内插外推的时间配准算法将湿度传感器A的采样数据向温度传感器B的数据进行配准，使得两个传感器在空间配准时刻对同一个目标有同步的量测数据，内插外推时间配准算法如下：
在同一时间片内将各传感器观测数据按测量精度进行增量排序，然后将湿度传感器A的观测数据分别向温度传感器B的时间点内插、外推，以形成一系列等间隔的目标观测数据，采用常用的三点抛物线插值法的进行内插外推时间配准算法得湿度传感器A在tBk时刻在本地直角坐标系下的量测值为：
其中，tBk为配准时刻，tk-1,tk,tk+1为湿度传感器A距离配准时刻最近的三个采样时刻，YA(tk-1)，YA(tk)，YA(tk+1)分别为其对应的对目标的探测数据；
完成时间配准后，根据湿度传感器A的配准数据与温度传感器B的采样数据，采用基于地心地固(Earth Center Earth Fixed，ECEF)坐标系下的伪量测法实现湿度传感器A和温度传感器B的系统误差的估计；基于ECEF的系统误差估计算法具体为：
假设k时刻目标在本地直角坐标系下真实位置为X'1(k)＝[x'1(k),y'1(k),z'1(k)]T，极坐标系下对应的量测值为分别为距离、方位角、俯仰角；转换至本地直角坐标系下为X1(k)＝[x1(k),y1(k),z1(k)]T；传感器系统偏差为分别为距离、方位角和俯仰角的系统误差；于是有
其中表示观测噪声，均值为零、方差为
式(1)可以用一阶近似展开并写成矩阵形式为：
X'1(k)＝X1(k)+C(k)[ξ(k)+n(k)]\*MERGEFORMAT(3)
其中，
设两部湿度传感器A和B，则对于同一个公共目标(设地心地固坐标系下为X'e＝[x'e,y'e,z'e]T)，可得
X'e＝XAs+BAX'A1(k)＝XBs+BBX'B1(k)\*MERGEFORMAT(4)
BA，BB分别为目标在湿度传感器A与温度传感器B本地坐标下的位置转换到ECEF坐标系下的位置时的转换矩阵；
定义伪量测为：
Z(k)＝XAe(k)-XBe(k)\*MERGEFORMAT(5)
其中，XAe(k)＝XAs+BAXA1(k)；XBe(k)＝XBs+BBXB1(k)
将式(2)、式(3)代入式(4)可以得到关于传感器偏差的伪测量方程
Z(k)＝H(k)β(k)+W(k)\*MERGEFORMAT(6)
其中，Z(k)为伪测量向量；H(k)为测量矩阵；β为传感器偏差向量；W(k)为测量噪声向量；由于nA(k)，nB(k)为零均值、相互独立的高斯型随机变量，因此W(k)同样是零均值高斯型随机变量，其协方差矩阵为R(k)；
烟尘检测模块，与单片机控制模块连接，用于检测空气的烟尘颗粒污染信息；
气体成分检测模块，与单片机控制模块连接，用于检测空气二氧化碳、二氧化硫、一氧化碳等气体成分含量；
单片机控制模块，与温湿度检测模块、烟尘检测模块、气体成分检测模块、数据存储模块、云服务模块、报警模块、显示模块连接，用于控制调度各个工作模块；
数据存储模块，与单片机控制模块连接，用于存储检测数据信息；
云服务模块，与单片机控制模块连接，用于通过云服务器集中大数据计算资源对检测数据进行处理；
所述云服务模块的网络模型，无线传感器网络部署在一个正方形区域内，区域最左端最底部的顶点坐标为(o_x,o_y)，此外还需要：sink节点和所有节点都是时间同步和固定的，sink节点位于(sink_x,sink_y)，并且是在部署区域之外的；节点间的交流时双向的并且每个节点根据到接收点的距离来调整它的传输功率；sink节点和部署区域内的所有节点都是位置感知的；
所述云服务模块的能量消耗模型，传感器节点能耗分为发射数据能耗、接收数据能耗和聚合数据能耗，节点到接收点的距离小于阈值d0，则采用自由空间模型，否则，采用多路径衰减模型，从而发射比特数据到距离为d0的接收点的能量消耗如下：
其中Eelec为发射电路能量消耗，εfs为自由空间模型下功率放大电路所需能量，εmp为多路径衰减模型下功率放大电路所需能量，接收比特数据能耗：
ERx(l)＝l×Eelec；
聚合比特数据的能量消耗：
EA＝l×EDA；
其中EDA表示聚合1比特数据的能量消耗；
报警模块，与单片机控制模块连接，用于通过报警器及时检测的异常数据进行报警；
显示模块，与单片机控制模块连接，用于通过智能显示屏显示检测信息。
进一步，所述烟尘检测模块检测方法如下：
首先，将空白滤膜批量传送至采样处；
其次，对烟尘颗粒物进行采样，使采样烟尘颗粒物沉积在所述空白滤膜上，形成样品滤膜；
然后，将所述样品滤膜传送至重金属浓度检测器处，利用所述重金属浓度检测器分析所述样品滤膜中重金属种类和浓度；
最后，计算得出烟尘颗粒物中重金属种类和浓度。
本发明的优点及积极效果为：本发明通过云服务模块可以大大提高数据分析计算速度，提高检测效率；同时本发明通过烟尘检测模块首先将空白滤膜传送至采样处；对烟尘颗粒物进行采样，使采样烟尘颗粒物沉积在所述空白滤膜上，形成样品滤膜；将所述样品滤膜传送至重金属浓度检测器处，利用所述重金属浓度检测器分析所述样品滤膜中重金属种类和浓度；最后，计算得出烟尘颗粒物中重金属种类和浓度；本发明实现批量进行检测，提高检测数据量，可以获得更加准确的数据。本发明采用内插外推时间配准算法实现了传感器采样数据的同步，并根据内插外推时间配准的结果建立了与目标运动状态无关的伪量测方程，采用基于ECEF的空间配准算法实现了异步传感器的空间配准。由于伪量测方程的建立过程仅与目标位置相关而与目标运动速度等参数无关，因此本发明提出了异步传感器空间配准算法可有效解决目标机动条件下的异步传感器空间配准问题。
附图说明
图1是本发明实施例提供的大数据空气质量指标信息处理系统结构示意图；
图中：1、温湿度检测模块；2、烟尘检测模块；3、气体成分检测模块；4、单片机控制模块；5、数据存储模块；6、云服务模块；7、报警模块；8、显示模块。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效，兹例举以下实施例，并配合附图详细说明如下。
下面结合附图对本发明的结构作详细的描述。
如图1所示，本发明实施例提供的大数据空气质量指标信息处理系统包括：温湿度检测模块1、烟尘检测模块2、气体成分检测模块3、单片机控制模块4、数据存储模块5、云服务模块6、报警模块7、显示模块8。
温湿度检测模块1，与单片机控制模块4连接，用于通过温湿度传感器实时检测空气的温度、湿度数据信息；
烟尘检测模块2，与单片机控制模块4连接，用于检测空气的烟尘颗粒污染信息；
气体成分检测模块3，与单片机控制模块4连接，用于检测空气二氧化碳、二氧化硫、一氧化碳等气体成分含量；
单片机控制模块4，与温湿度检测模块1、烟尘检测模块2、气体成分检测模块3、数据存储模块5、云服务模块6、报警模块7、显示模块8连接，用于控制调度各个工作模块；
数据存储模块5，与单片机控制模块4连接，用于存储检测数据信息；
云服务模块6，与单片机控制模块4连接，用于通过云服务器集中大数据计算资源对检测数据进行处理；
报警模块7，与单片机控制模块4连接，用于通过报警器及时检测的异常数据进行报警；
显示模块8，与单片机控制模块4连接，用于通过智能显示屏显示检测信息。
所述温湿度传感器空间配准的方法包括时间对准过程和传感器系统误差估计过程，且伪量测方程的建立过程仅与目标的位置相关，时间对准过程完成传感器数据之间在时间上的对准，湿度传感器A、温度传感器B在本地直角坐标系下的量测数据分别为YA(ti)和YB(ti)，且湿度传感器A的采样频率大于温度传感器B的采样频率，则由湿度传感器A向温度传感器B的采样时刻进行配准，具体为：
采用内插外推的时间配准算法将湿度传感器A的采样数据向温度传感器B的数据进行配准，使得两个传感器在空间配准时刻对同一个目标有同步的量测数据，内插外推时间配准算法如下：
在同一时间片内将各传感器观测数据按测量精度进行增量排序，然后将湿度传感器A的观测数据分别向温度传感器B的时间点内插、外推，以形成一系列等间隔的目标观测数据，采用常用的三点抛物线插值法的进行内插外推时间配准算法得湿度传感器A在tBk时刻在本地直角坐标系下的量测值为：
其中，tBk为配准时刻，tk-1,tk,tk+1为湿度传感器A距离配准时刻最近的三个采样时刻，YA(tk-1)，YA(tk)，YA(tk+1)分别为其对应的对目标的探测数据；
完成时间配准后，根据湿度传感器A的配准数据与温度传感器B的采样数据，采用基于地心地固(EarthCenterEarthFixed，ECEF)坐标系下的伪量测法实现湿度传感器A和温度传感器B的系统误差的估计；基于ECEF的系统误差估计算法具体为：
假设k时刻目标在本地直角坐标系下真实位置为X'1(k)＝[x'1(k),y'1(k),z'1(k)]T，极坐标系下对应的量测值为分别为距离、方位角、俯仰角；转换至本地直角坐标系下为X1(k)＝[x1(k),y1(k),z1(k)]T；传感器系统偏差为分别为距离、方位角和俯仰角的系统误差；于是有
其中表示观测噪声，均值为零、方差为
式(1)可以用一阶近似展开并写成矩阵形式为：
X'1(k)＝X1(k)+C(k)[ξ(k)+n(k)]\*MERGEFORMAT(3)
其中，
设两部湿度传感器A和B，则对于同一个公共目标(设地心地固坐标系下为X'e＝[x'e,y'e,z'e]T)，可得
X'e＝XAs+BAX'A1(k)＝XBs+BBX'B1(k)\*MERGEFORMAT(4)
BA，BB分别为目标在湿度传感器A与温度传感器B本地坐标下的位置转换到ECEF坐标系下的位置时的转换矩阵；
定义伪量测为：
Z(k)＝XAe(k)-XBe(k)\*MERGEFORMAT(5)
其中，XAe(k)＝XAs+BAXA1(k)；XBe(k)＝XBs+BBXB1(k)
将式(2)、式(3)代入式(4)可以得到关于传感器偏差的伪测量方程
Z(k)＝H(k)β(k)+W(k)\*MERGEFORMAT(6)
其中，Z(k)为伪测量向量；H(k)为测量矩阵；β为传感器偏差向量；W(k)为测量噪声向量；由于nA(k)，nB(k)为零均值、相互独立的高斯型随机变量，因此W(k)同样是零均值高斯型随机变量，其协方差矩阵为R(k)。
所述云服务模块的网络模型，无线传感器网络部署在一个正方形区域内，区域最左端最底部的顶点坐标为(o_x,o_y)，此外还需要：sink节点和所有节点都是时间同步和固定的，sink节点位于(sink_x,sink_y)，并且是在部署区域之外的；节点间的交流时双向的并且每个节点根据到接收点的距离来调整它的传输功率；sink节点和部署区域内的所有节点都是位置感知的；
所述云服务模块的能量消耗模型，传感器节点能耗分为发射数据能耗、接收数据能耗和聚合数据能耗，节点到接收点的距离小于阈值d0，则采用自由空间模型，否则，采用多路径衰减模型，从而发射比特数据到距离为d0的接收点的能量消耗如下：
其中Eelec为发射电路能量消耗，εfs为自由空间模型下功率放大电路所需能量，εmp为多路径衰减模型下功率放大电路所需能量，接收比特数据能耗：
ERx(l)＝l×Eelec；
聚合比特数据的能量消耗：
EA＝l×EDA；
其中EDA表示聚合1比特数据的能量消耗。
本发明提供的烟尘检测模块2检测方法如下：
首先，将空白滤膜批量传送至采样处；
其次，对烟尘颗粒物进行采样，使采样烟尘颗粒物沉积在所述空白滤膜上，形成样品滤膜；
然后，将所述样品滤膜传送至重金属浓度检测器处，利用所述重金属浓度检测器分析所述样品滤膜中重金属种类和浓度；
最后，计算得出烟尘颗粒物中重金属种类和浓度。
本发明检测时，通过温湿度检测模块1实时检测空气的温度、湿度数据信息；通过烟尘检测模块2检测空气的烟尘颗粒污染信息；通过气体成分检测模块3检测空气二氧化碳、二氧化硫、一氧化碳等气体成分含量；单片机控制模块4将检查数据存储到数据存储模块5中；通过云服务模块6集中大数据计算资源对检测数据进行处理；如果检测的异常数据通过报警模块7进行报警；最后，通过显示模块8显示检测信息。
以上所述仅是对本发明的较佳实施例而已，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施例所做的任何简单修改，等同变化与修饰，均属于本发明技术方案的范围内。
Claims (2)
1.一种大数据空气质量指标信息处理系统，其特征在于，所述大数据空气质量指标信息处理系统包括：
温湿度检测模块、烟尘检测模块、气体成分检测模块、单片机控制模块、数据存储模块、云服务模块、报警模块、显示模块；
温湿度检测模块，与单片机控制模块连接，用于通过温湿度传感器实时检测空气的温度、湿度数据信息；
所述温湿度传感器空间配准的方法包括时间对准过程和传感器系统误差估计过程，且伪量测方程的建立过程仅与目标的位置相关，时间对准过程完成传感器数据之间在时间上的对准，湿度传感器A、温度传感器B在本地直角坐标系下的量测数据分别为YA(ti)和YB(ti)，且湿度传感器A的采样频率大于温度传感器B的采样频率，则由湿度传感器A向温度传感器B的采样时刻进行配准，具体为：
采用内插外推的时间配准算法将湿度传感器A的采样数据向温度传感器B的数据进行配准，使得两个传感器在空间配准时刻对同一个目标有同步的量测数据，内插外推时间配准算法如下：
在同一时间片内将各传感器观测数据按测量精度进行增量排序，然后将湿度传感器A的观测数据分别向温度传感器B的时间点内插、外推，以形成一系列等间隔的目标观测数据，采用常用的三点抛物线插值法的进行内插外推时间配准算法得湿度传感器A在tBk时刻在本地直角坐标系下的量测值为：
其中，tBk为配准时刻，tk-1,tk,tk+1为湿度传感器A距离配准时刻最近的三个采样时刻，YA(tk-1)，YA(tk)，YA(tk+1)分别为其对应的对目标的探测数据；
完成时间配准后，根据湿度传感器A的配准数据与温度传感器B的采样数据，采用基于地心地固(Earth Center Earth Fixed，ECEF)坐标系下的伪量测法实现湿度传感器A和温度传感器B的系统误差的估计；基于ECEF的系统误差估计算法具体为：
假设k时刻目标在本地直角坐标系下真实位置为X'1(k)＝[x'1(k),y'1(k),z'1(k)]T，极坐标系下对应的量测值为分别为距离、方位角、俯仰角；转换至本地直角坐标系下为X1(k)＝[x1(k),y1(k),z1(k)]T；传感器系统偏差为分别为距离、方位角和俯仰角的系统误差；于是有
其中表示观测噪声，均值为零、方差为
式(1)可以用一阶近似展开并写成矩阵形式为：
X'1(k)＝X1(k)+C(k)[ξ(k)+n(k)]\*MERGEFORMAT(3)
其中，
设两部湿度传感器A和B，则对于同一个公共目标(设地心地固坐标系下为X'e＝[x'e,y'e,z'e]T)，可得
X'e＝XAs+BAX'A1(k)＝XBs+BBX'B1(k)\*MERGEFORMAT(4)
BA，BB分别为目标在湿度传感器A与温度传感器B本地坐标下的位置转换到ECEF坐标系下的位置时的转换矩阵；
定义伪量测为：
Z(k)＝XAe(k)-XBe(k)\*MERGEFORMAT(5)
其中，XAe(k)＝XAs+BAXA1(k)；XBe(k)＝XBs+BBXB1(k)
将式(2)、式(3)代入式(4)可以得到关于传感器偏差的伪测量方程
Z(k)＝H(k)β(k)+W(k)\*MERGEFORMAT(6)
其中，Z(k)为伪测量向量；H(k)为测量矩阵；β为传感器偏差向量；W(k)为测量噪声向量；由于nA(k)，nB(k)为零均值、相互独立的高斯型随机变量，因此W(k)同样是零均值高斯型随机变量，其协方差矩阵为R(k)；
烟尘检测模块，与单片机控制模块连接，用于检测空气的烟尘颗粒污染信息；
气体成分检测模块，与单片机控制模块连接，用于检测空气二氧化碳、二氧化硫、一氧化碳等气体成分含量；
单片机控制模块，与温湿度检测模块、烟尘检测模块、气体成分检测模块、数据存储模块、云服务模块、报警模块、显示模块连接，用于控制调度各个工作模块；
数据存储模块，与单片机控制模块连接，用于存储检测数据信息；
云服务模块，与单片机控制模块连接，用于通过云服务器集中大数据计算资源对检测数据进行处理；
所述云服务模块的网络模型，无线传感器网络部署在一个正方形区域内，区域最左端最底部的顶点坐标为(o_x,o_y)，此外还需要：sink节点和所有节点都是时间同步和固定的，sink节点位于(sink_x,sink_y)，并且是在部署区域之外的；节点间的交流时双向的并且每个节点根据到接收点的距离来调整它的传输功率；sink节点和部署区域内的所有节点都是位置感知的；
所述云服务模块的能量消耗模型，传感器节点能耗分为发射数据能耗、接收数据能耗和聚合数据能耗，节点到接收点的距离小于阈值d0，则采用自由空间模型，否则，采用多路径衰减模型，从而发射比特数据到距离为d0的接收点的能量消耗如下：
其中Eelec为发射电路能量消耗，εfs为自由空间模型下功率放大电路所需能量，εmp为多路径衰减模型下功率放大电路所需能量，接收比特数据能耗：
ERx(l)＝l×Eelec；
聚合比特数据的能量消耗：
EA＝l×EDA；
其中EDA表示聚合1比特数据的能量消耗；
报警模块，与单片机控制模块连接，用于通过报警器及时检测的异常数据进行报警；
显示模块，与单片机控制模块连接，用于通过智能显示屏显示检测信息。
2.如权利要求1所述大数据空气质量指标信息处理系统，其特征在于，所述烟尘检测模块检测方法如下：
首先，将空白滤膜批量传送至采样处；
其次，对烟尘颗粒物进行采样，使采样烟尘颗粒物沉积在所述空白滤膜上，形成样品滤膜；
然后，将所述样品滤膜传送至重金属浓度检测器处，利用所述重金属浓度检测器分析所述样品滤膜中重金属种类和浓度；
最后，计算得出烟尘颗粒物中重金属种类和浓度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810350208.4A CN108562698A (zh) | 2018-04-18 | 2018-04-18 | 一种大数据空气质量指标信息处理系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810350208.4A CN108562698A (zh) | 2018-04-18 | 2018-04-18 | 一种大数据空气质量指标信息处理系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108562698A true CN108562698A (zh) | 2018-09-21 |
Family
ID=63535648
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810350208.4A Pending CN108562698A (zh) | 2018-04-18 | 2018-04-18 | 一种大数据空气质量指标信息处理系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108562698A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109655585A (zh) * | 2018-12-29 | 2019-04-19 | 佛山市云米电器科技有限公司 | 一种能识别厨房空气质量的油烟机 |
| CN109681937A (zh) * | 2018-12-29 | 2019-04-26 | 佛山市云米电器科技有限公司 | 一种能识别油烟中有害物质的油烟机 |
| CN109882898A (zh) * | 2018-12-29 | 2019-06-14 | 佛山市云米电器科技有限公司 | 一种具有识别油烟中有害气体及颗粒物功能的油烟机 |
| CN111257067A (zh) * | 2018-11-30 | 2020-06-09 | 中国科学院大连化学物理研究所 | 一种模块化烟道气采样仪 |
| CN117250133A (zh) * | 2023-11-16 | 2023-12-19 | 国建大数据科技(辽宁)有限公司 | 一种智慧城市大规模数据采集方法及系统 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102573119A (zh) * | 2010-12-18 | 2012-07-11 | 西安迅腾科技有限责任公司 | 远距离自动采样测量空气质量的无线传感器节点 |
| CN103454378A (zh) * | 2012-05-30 | 2013-12-18 | 张跃 | 一种多功能空气质量检测器 |
| CN103499520A (zh) * | 2013-10-12 | 2014-01-08 | 杭州富铭环境科技有限公司 | 在线监测烟尘颗粒物的方法和系统 |
| CN104618997A (zh) * | 2015-01-28 | 2015-05-13 | 西安电子科技大学 | 一种基于非均匀网格的数据聚合方法 |
| CN204758578U (zh) * | 2015-07-10 | 2015-11-11 | 三峡大学 | 一种城市公共场所空气质量安全网络化在线监测系统 |
| CN204881690U (zh) * | 2015-07-11 | 2015-12-16 | 方倩 | 一种基于gprs网络的智能空气质量检测系统 |
| CN106526077A (zh) * | 2016-11-02 | 2017-03-22 | 西安科技大学 | 一种基于信息融合技术的空气质量检测系统及方法 |
| CN106647514A (zh) * | 2016-12-28 | 2017-05-10 | 安徽工程大学 | 一种对水泥企业碳排放实时在线监测管理系统 |
-
2018
- 2018-04-18 CN CN201810350208.4A patent/CN108562698A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102573119A (zh) * | 2010-12-18 | 2012-07-11 | 西安迅腾科技有限责任公司 | 远距离自动采样测量空气质量的无线传感器节点 |
| CN103454378A (zh) * | 2012-05-30 | 2013-12-18 | 张跃 | 一种多功能空气质量检测器 |
| CN103499520A (zh) * | 2013-10-12 | 2014-01-08 | 杭州富铭环境科技有限公司 | 在线监测烟尘颗粒物的方法和系统 |
| CN104618997A (zh) * | 2015-01-28 | 2015-05-13 | 西安电子科技大学 | 一种基于非均匀网格的数据聚合方法 |
| CN204758578U (zh) * | 2015-07-10 | 2015-11-11 | 三峡大学 | 一种城市公共场所空气质量安全网络化在线监测系统 |
| CN204881690U (zh) * | 2015-07-11 | 2015-12-16 | 方倩 | 一种基于gprs网络的智能空气质量检测系统 |
| CN106526077A (zh) * | 2016-11-02 | 2017-03-22 | 西安科技大学 | 一种基于信息融合技术的空气质量检测系统及方法 |
| CN106647514A (zh) * | 2016-12-28 | 2017-05-10 | 安徽工程大学 | 一种对水泥企业碳排放实时在线监测管理系统 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111257067A (zh) * | 2018-11-30 | 2020-06-09 | 中国科学院大连化学物理研究所 | 一种模块化烟道气采样仪 |
| CN109655585A (zh) * | 2018-12-29 | 2019-04-19 | 佛山市云米电器科技有限公司 | 一种能识别厨房空气质量的油烟机 |
| CN109681937A (zh) * | 2018-12-29 | 2019-04-26 | 佛山市云米电器科技有限公司 | 一种能识别油烟中有害物质的油烟机 |
| CN109882898A (zh) * | 2018-12-29 | 2019-06-14 | 佛山市云米电器科技有限公司 | 一种具有识别油烟中有害气体及颗粒物功能的油烟机 |
| CN109655585B (zh) * | 2018-12-29 | 2021-08-31 | 佛山市云米电器科技有限公司 | 一种能识别厨房空气质量的油烟机 |
| CN117250133A (zh) * | 2023-11-16 | 2023-12-19 | 国建大数据科技(辽宁)有限公司 | 一种智慧城市大规模数据采集方法及系统 |
| CN117250133B (zh) * | 2023-11-16 | 2024-02-20 | 国建大数据科技(辽宁)有限公司 | 一种智慧城市大规模数据采集方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108562698A (zh) | 一种大数据空气质量指标信息处理系统 | |
| US20210041406A1 (en) | Networked Environmental Monitoring System and Method | |
| CN108489875B (zh) | 一种基于时段统计分析的污染物溯源系统及方法 | |
| CN110426493B (zh) | 空气质量监测数据校准方法、装置、设备和存储介质 | |
| CN106706852A (zh) | 一种气体浓度传感器的标定方法和系统 | |
| CN116128260B (zh) | 基于数据样本的重点企业环境分析方法 | |
| CN116048129B (zh) | 污染物排放的监测方法、装置、电子设备和存储介质 | |
| EP3769047A1 (en) | Sensor calibration | |
| CN106647514A (zh) | 一种对水泥企业碳排放实时在线监测管理系统 | |
| CN113514612B (zh) | 区域内污染的溯源方法 | |
| CN108614071A (zh) | 分布式室外大气质量监测精度校正系统及参数更新方法 | |
| CN116626238A (zh) | 一种气流和气体组合感知的双通道检测罗盘系统、气体泄漏检测方法、数据融合及追踪方法 | |
| CN115544919A (zh) | 一种气流体污染物排放源的溯源方法及装置 | |
| Mathur et al. | High resolution air pollution mapping using wireless sensor nodes | |
| CN106767698A (zh) | 基于北斗ⅱ姿态测量的输电线路杆塔倾斜度监测系统及监测方法 | |
| CN113917093A (zh) | 一种基于无线网络的空气质量监控系统 | |
| CN107656905B (zh) | 一种利用误差传递的空气质量数据实时校准方法 | |
| CN104535963B (zh) | 基于距离测量的多移动节点实现协同目标定位的方法 | |
| Gan et al. | Prediction of air pollutant concentration based on luong attention mechanism Seq2Seq model | |
| CN110907318A (zh) | 一种近地面大气总悬浮颗粒物质量浓度遥感物理估算方法 | |
| CN107609280B (zh) | 一种时间区间的确定方法以及终端 | |
| CN114486820A (zh) | 一种机载微波辐射计云中过冷水的反演方法 | |
| Koziel et al. | Efficient calibration of cost-efficient particulate matter sensors using machine learning and time-series alignment | |
| Franke et al. | Chemical composition and source analysis of carbonaceous aerosol particles at a mountaintop site in central Sweden | |
| CN115705510A (zh) | 厂区气体污染分布预测方法、系统、电子设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | 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: 20180921 |
|
| RJ01 | Rejection of invention patent application after publication |