CN108709955B - 一种恶臭气体多点集中式在线监测与分析系统及方法 - Google Patents
一种恶臭气体多点集中式在线监测与分析系统及方法 Download PDFInfo
- Publication number
- CN108709955B CN108709955B CN201810471613.1A CN201810471613A CN108709955B CN 108709955 B CN108709955 B CN 108709955B CN 201810471613 A CN201810471613 A CN 201810471613A CN 108709955 B CN108709955 B CN 108709955B
- Authority
- CN
- China
- Prior art keywords
- gas
- sensor array
- gas sensor
- monitoring
- foul
- 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.)
- Active
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 152
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000004458 analytical method Methods 0.000 title claims description 32
- DNJIEGIFACGWOD-UHFFFAOYSA-N ethanethiol Chemical compound CCS DNJIEGIFACGWOD-UHFFFAOYSA-N 0.000 claims abstract description 86
- 238000005070 sampling Methods 0.000 claims abstract description 65
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 37
- 239000003205 fragrance Substances 0.000 claims abstract description 37
- 231100000719 pollutant Toxicity 0.000 claims abstract description 37
- 239000000523 sample Substances 0.000 claims abstract description 33
- 230000001276 controlling effect Effects 0.000 claims abstract description 22
- 229910001220 stainless steel Inorganic materials 0.000 claims abstract description 18
- 239000010935 stainless steel Substances 0.000 claims abstract description 18
- 238000010801 machine learning Methods 0.000 claims abstract description 9
- 239000010865 sewage Substances 0.000 claims abstract description 9
- 230000004087 circulation Effects 0.000 claims abstract description 8
- 230000005518 electrochemistry Effects 0.000 claims abstract description 6
- 239000007789 gas Substances 0.000 claims description 345
- 230000004044 response Effects 0.000 claims description 60
- 239000003570 air Substances 0.000 claims description 52
- QGJOPFRUJISHPQ-UHFFFAOYSA-N Carbon disulfide Chemical compound S=C=S QGJOPFRUJISHPQ-UHFFFAOYSA-N 0.000 claims description 28
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 claims description 19
- 238000007405 data analysis Methods 0.000 claims description 19
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 claims description 14
- 230000009471 action Effects 0.000 claims description 14
- 230000035945 sensitivity Effects 0.000 claims description 13
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 claims description 12
- 239000012080 ambient air Substances 0.000 claims description 12
- 238000004140 cleaning Methods 0.000 claims description 12
- 239000000126 substance Substances 0.000 claims description 12
- 229910000069 nitrogen hydride Inorganic materials 0.000 claims description 10
- 229910000037 hydrogen sulfide Inorganic materials 0.000 claims description 9
- 239000012855 volatile organic compound Substances 0.000 claims description 9
- 230000000694 effects Effects 0.000 claims description 8
- 238000004887 air purification Methods 0.000 claims description 7
- GETQZCLCWQTVFV-UHFFFAOYSA-N anhydrous trimethylamine Natural products CN(C)C GETQZCLCWQTVFV-UHFFFAOYSA-N 0.000 claims description 7
- LSDPWZHWYPCBBB-UHFFFAOYSA-N Methanethiol Chemical compound SC LSDPWZHWYPCBBB-UHFFFAOYSA-N 0.000 claims description 6
- PPBRXRYQALVLMV-UHFFFAOYSA-N Styrene Chemical compound C=CC1=CC=CC=C1 PPBRXRYQALVLMV-UHFFFAOYSA-N 0.000 claims description 6
- WQOXQRCZOLPYPM-UHFFFAOYSA-N dimethyl disulfide Chemical compound CSSC WQOXQRCZOLPYPM-UHFFFAOYSA-N 0.000 claims description 6
- 150000001875 compounds Chemical class 0.000 claims description 4
- 230000001419 dependent effect Effects 0.000 claims description 4
- 230000005611 electricity Effects 0.000 claims description 4
- 150000002484 inorganic compounds Chemical class 0.000 claims description 4
- 229910010272 inorganic material Inorganic materials 0.000 claims description 4
- 238000009434 installation Methods 0.000 claims description 4
- 229910044991 metal oxide Inorganic materials 0.000 claims description 4
- 150000004706 metal oxides Chemical class 0.000 claims description 4
- 230000008447 perception Effects 0.000 claims description 4
- 238000012546 transfer Methods 0.000 claims description 4
- 238000010438 heat treatment Methods 0.000 claims description 3
- 230000007774 longterm Effects 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 3
- 150000002894 organic compounds Chemical class 0.000 claims description 3
- QMMFVYPAHWMCMS-UHFFFAOYSA-N Dimethyl sulfide Chemical compound CSC QMMFVYPAHWMCMS-UHFFFAOYSA-N 0.000 claims description 2
- 238000007906 compression Methods 0.000 claims description 2
- 230000006835 compression Effects 0.000 claims description 2
- 238000000605 extraction Methods 0.000 claims description 2
- 238000009413 insulation Methods 0.000 claims description 2
- 238000000746 purification Methods 0.000 claims description 2
- 238000011084 recovery Methods 0.000 claims description 2
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 claims 1
- 230000002045 lasting effect Effects 0.000 claims 1
- 210000001331 nose Anatomy 0.000 description 89
- 235000019645 odor Nutrition 0.000 description 47
- 230000035943 smell Effects 0.000 description 41
- 230000007613 environmental effect Effects 0.000 description 17
- 238000010586 diagram Methods 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 9
- 239000000470 constituent Substances 0.000 description 8
- 238000007689 inspection Methods 0.000 description 8
- 241001062472 Stokellia anisodon Species 0.000 description 6
- 238000011161 development Methods 0.000 description 6
- 238000005259 measurement Methods 0.000 description 6
- 238000001514 detection method Methods 0.000 description 5
- ZIXLDMFVRPABBX-UHFFFAOYSA-N 2-methylcyclopentan-1-one Chemical compound CC1CCCC1=O ZIXLDMFVRPABBX-UHFFFAOYSA-N 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- DCAYPVUWAIABOU-UHFFFAOYSA-N hexadecane Chemical compound CCCCCCCCCCCCCCCC DCAYPVUWAIABOU-UHFFFAOYSA-N 0.000 description 4
- VLKZOEOYAKHREP-UHFFFAOYSA-N n-Hexane Chemical compound CCCCCC VLKZOEOYAKHREP-UHFFFAOYSA-N 0.000 description 4
- 230000009965 odorless effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 229910021529 ammonia Inorganic materials 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000010790 dilution Methods 0.000 description 3
- 239000012895 dilution Substances 0.000 description 3
- 239000004615 ingredient Substances 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- XYHKNCXZYYTLRG-UHFFFAOYSA-N 1h-imidazole-2-carbaldehyde Chemical compound O=CC1=NC=CN1 XYHKNCXZYYTLRG-UHFFFAOYSA-N 0.000 description 2
- GWYFCOCPABKNJV-UHFFFAOYSA-M 3-Methylbutanoic acid Natural products CC(C)CC([O-])=O GWYFCOCPABKNJV-UHFFFAOYSA-M 0.000 description 2
- RTZKZFJDLAIYFH-UHFFFAOYSA-N Diethyl ether Chemical compound CCOCC RTZKZFJDLAIYFH-UHFFFAOYSA-N 0.000 description 2
- LRHPLDYGYMQRHN-UHFFFAOYSA-N N-Butanol Chemical compound CCCCO LRHPLDYGYMQRHN-UHFFFAOYSA-N 0.000 description 2
- 150000001412 amines Chemical class 0.000 description 2
- GWYFCOCPABKNJV-UHFFFAOYSA-N beta-methyl-butyric acid Natural products CC(C)CC(O)=O GWYFCOCPABKNJV-UHFFFAOYSA-N 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 238000004817 gas chromatography Methods 0.000 description 2
- 210000003128 head Anatomy 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 238000002156 mixing Methods 0.000 description 2
- 238000005086 pumping Methods 0.000 description 2
- 238000004451 qualitative analysis Methods 0.000 description 2
- 238000004445 quantitative analysis Methods 0.000 description 2
- 238000007789 sealing Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000013207 serial dilution Methods 0.000 description 2
- 238000001179 sorption measurement Methods 0.000 description 2
- 238000002798 spectrophotometry method Methods 0.000 description 2
- 235000019640 taste Nutrition 0.000 description 2
- 230000032258 transport Effects 0.000 description 2
- NQPDZGIKBAWPEJ-UHFFFAOYSA-N valeric acid Chemical compound CCCCC(O)=O NQPDZGIKBAWPEJ-UHFFFAOYSA-N 0.000 description 2
- MVOSYKNQRRHGKX-UHFFFAOYSA-N 11-Undecanolactone Chemical compound O=C1CCCCCCCCCCO1 MVOSYKNQRRHGKX-UHFFFAOYSA-N 0.000 description 1
- TWADJGWUKGOPFG-UHFFFAOYSA-N 2-methoxy-5-methyl-1,3-diphenylbenzene Chemical compound COC1=C(C=2C=CC=CC=2)C=C(C)C=C1C1=CC=CC=C1 TWADJGWUKGOPFG-UHFFFAOYSA-N 0.000 description 1
- 241000894006 Bacteria Species 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- 206010021703 Indifference Diseases 0.000 description 1
- XOLBLPGZBRYERU-UHFFFAOYSA-N SnO2 Inorganic materials O=[Sn]=O XOLBLPGZBRYERU-UHFFFAOYSA-N 0.000 description 1
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 description 1
- 239000005864 Sulphur Substances 0.000 description 1
- 244000269722 Thea sinensis Species 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000003915 air pollution Methods 0.000 description 1
- 150000001299 aldehydes Chemical class 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004587 chromatography analysis Methods 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 239000000356 contaminant Substances 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 230000001627 detrimental effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000007865 diluting Methods 0.000 description 1
- 238000012850 discrimination method Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 235000013332 fish product Nutrition 0.000 description 1
- 239000000796 flavoring agent Substances 0.000 description 1
- 235000019634 flavors Nutrition 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 229910001872 inorganic gas Inorganic materials 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000008267 milk Substances 0.000 description 1
- 210000004080 milk Anatomy 0.000 description 1
- 235000013336 milk Nutrition 0.000 description 1
- 210000003928 nasal cavity Anatomy 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 231100000252 nontoxic Toxicity 0.000 description 1
- 230000003000 nontoxic effect Effects 0.000 description 1
- 230000001473 noxious effect Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 239000003921 oil Substances 0.000 description 1
- 235000019198 oils Nutrition 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 239000005416 organic matter Substances 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 231100000572 poisoning Toxicity 0.000 description 1
- 230000000607 poisoning effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 235000019633 pungent taste Nutrition 0.000 description 1
- 239000003566 sealing material Substances 0.000 description 1
- 210000000697 sensory organ Anatomy 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 235000013599 spices Nutrition 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000000638 stimulation Effects 0.000 description 1
- 235000013616 tea Nutrition 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 239000002341 toxic gas Substances 0.000 description 1
- 229940005605 valeric acid Drugs 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- 239000002351 wastewater Substances 0.000 description 1
- PHXATPHONSXBIL-UHFFFAOYSA-N xi-gamma-Undecalactone Chemical compound CCCCCCCC1CCC(=O)O1 PHXATPHONSXBIL-UHFFFAOYSA-N 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
- G01N33/0001—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00 by organoleptic means
-
- 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
- G01N1/00—Sampling; Preparing specimens for investigation
- G01N1/02—Devices for withdrawing samples
- G01N1/22—Devices for withdrawing samples in the gaseous state
- G01N1/2273—Atmospheric sampling
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N1/00—Sampling; Preparing specimens for investigation
- G01N1/02—Devices for withdrawing samples
- G01N1/22—Devices for withdrawing samples in the gaseous state
- G01N1/24—Suction devices
-
- 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
-
- 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
Landscapes
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Immunology (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Medicinal Chemistry (AREA)
- Food Science & Technology (AREA)
- Combustion & Propulsion (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Sampling And Sample Adjustment (AREA)
Abstract
本发明涉及一种恶臭气体多点集中式电子鼻仪器在线监测方法,其中,气敏传感器阵列由金属氧化物半导体型、电化学型、光离子型气敏元件组成,呈环形布置;恶臭监测点与电子鼻仪器之间通过不锈钢管道相连接,气体采样探头可固定和移动布置,可高可低;外置真空泵在1分钟内将2.2km之外的监测点的恶臭气体抽吸到电子鼻仪器内;内置微型真空泵只在顶空采样阶段抽吸气体缓冲室的恶臭气体,使之流经气敏传感器阵列环形工作腔。电子鼻仪器可实现不大于4km2工业园区、垃圾与污水处理区、养殖场及周边居民区等特定区域10个监测点的循环在线监测,并利用机器学习模型实现这些监测点多种恶臭污染物浓度控制指标值的循环在线估计与预测。
Description
技术领域
本发明—一种恶臭气体多点集中式在线监测与分析系统及方法,面向环境保护与管理部门的市场监管需求,面向(a)石油化工、香料香精、制药、涂料、酿造等工业园区;(b)垃圾转运、填埋与焚烧、污水处理等垃圾与污水处理区;(c)养殖场;(d)邻近居民生活区等恶臭污染区域的在线监测与分析需求,涉及环境保护、分析化学、计算机、人工智能、大数据、自动控制、精密测量等技术领域,主要解决电子鼻仪器自动化、集成化与小型化,恶臭污染区域多种恶臭污染物在线监测与预测。
背景技术
我国社会现阶段主要矛盾为人民日益增长的美好生活需要和不平衡不充分发展之间的矛盾,环境大气污染与美好生活需要之间当然是矛盾的。2015.01.01日起施行的《中华人民共和国环境保护法》第四十二条将恶臭气体与废气、废水等并列为环境污染物和公害。
“恶臭”特指难闻的臭味,是一切刺激人的嗅觉感官,损害人类生活环境、令人难以忍受或不愉快的气味的通称,有时称“异味”。恶臭污染物特指一切恶臭气体物质,泛指一切散发恶臭气味的物质。恶臭污染物广泛存在于石油化工、垃圾与污水处理、制药、养殖等一切有废气排放的企业及邻近居民区,分布很广,影响范围很大。我国恶臭污染现状是,排放源众多,臭气成分复杂,国家标准滞后,居民投诉频发。
恶臭作为一种扰民和危害人体健康的污染已成为比较突出的环境公害问题。随着人们生活水平的提高和环保意识的增强,一些国家或地区的恶臭污染投诉占环境投诉的比例越来越高。据不完全统计,恶臭投诉占环境投诉的比例,美国50%以上,澳大利亚高达91.3%,日本每年数万件。据人民日报报道,2017年全国环保举报平台共接到618,856件举报[1]。其中,涉大气污染举报最多,占56.7%;而恶臭/异味污染举报占涉气举报的30.6%,又是最多!这就是说,恶臭/异味污染举报占2017年环保举报数的17.35%。
恶臭污染评价对象是恶臭气体,评价方法分为嗅辨法和仪器分析法。GB14554-93《恶臭污染物排放标准》规定,恶臭污染物排放控制指标包括1种定性的无量纲臭气浓度和8种定量的单一成分浓度,即三甲胺(C3H9N)、苯乙烯(C8H8)、硫化氢(H2S)、甲硫醇(CH4S)、甲硫醚(C2H6S)、二甲二硫(C2H6S2)、氨(NH3)、二硫化碳(CS2)。此外,GB/T18883-2002《室内空气质量标准》特别推荐了二氧化硫(SO2)和总挥发性有机化合物(Total volatile organiccompound,TVOC)浓度这2种定量控制指标。现阶段,恶臭污染评价指标体系主要由上述10种定量指标和1种定性指标构成。GB14554规定,测定臭气浓度用三点比较式臭袋法,测定C3H9N、C8H8、H2S、CH4S、C2H6S、C2H6S2浓度用气相色谱法,测定NH3和CS2浓度采用分光光度法;GB/T18883规定,测定TVOC浓度采用气相色谱法;GB/T15262规定,测定SO2采用分光光度法。
“臭气浓度”是指现场采集的臭气样品在实验室用无臭清洁空气连续稀释至嗅辨 员嗅觉阈值的稀释倍数,欧盟标准EN17325-2003用OU(odor unit)值度量。目前,臭气浓度的标准鉴别方法主要靠嗅辨员的鼻子[2]!我国、欧美、日韩等国家和地区均是如此。实施已25年的国标GB/T14675-93《环境空气-恶臭的测定-三点比较式臭袋法》规范了嗅辨员选拔、恶臭气体样品采集和样品人工稀释与嗅辨测定等三个环节。欧美、澳大利亚、新西兰等国家用动态嗅觉仪稀释臭气样品[3]。
GB/T14675和HJ905规定,恶臭气体样品先由工作人员在现场用采样瓶或无臭气袋(例如10L)采集,然后运回到嗅辨室,再用注射器按一定比例抽吸移至无臭气袋(例如3L)并用无臭清洁空气稀释,最后由嗅辨小组成员嗅辨。三点比较式臭袋法核心之一是:臭气样品稀释一次后,一个嗅辨员需嗅闻3只3L气袋,其中1只为稀释后的有臭气袋,另2只为无臭气袋,并能从中鉴别出有臭气袋。
“选对选错全靠嗅辨员嗅闻后的主观判断”。尽管GB/T14675已施行25年,但现状是,许多恶臭物质
表1,中国和日本对几种典型恶臭物质的嗅觉阈值测定结果(V/V,ppm)[4]
要么没有嗅阈值,要么不同国家或组织给出的嗅阈值差别很大。2015年,天津环科院国家环境保护恶臭污染控制重点实验室从更具有统计意义的期望出发,组织30名嗅辨员(男13人,女17人)对40种恶臭物质进行了嗅觉阈值测定,表1为其中10种恶臭物质嗅辨结果与日本嗅辨值的比较[4]。根据表1,NH3嗅觉阈值与日本相差5倍,H2S相差近3倍,三甲胺相差28.12倍,正戊酸相差65.67倍,等等。上述结果至少说明两个问题:(1)确定臭气浓度的嗅辨过程很复杂,嗅评一次代价很大;(2)各国各单位给出的恶臭物质嗅觉阈值本身不客观,不具备重复性。
GB/T14675规定的三点比较式臭袋法尽管可体现普通人感受,但可操作性极差,做一次嗅辨测试需要大量采样和嗅辨人员,成本很高,特别不适于低浓度和有毒物质的嗅辨[2,4-5]。三点比较式臭袋法的嗅评结果好坏受①现场采样点选择;②采样装置;③实验室条件;④嗅辨员能力与状态;⑤臭气浓度与初始稀释倍数;⑥嗅辨时间与疲劳等诸多因素影响,其中的人工采样、人工稀释和人工嗅辨方法存在很多局限性。
广东省环境监测中心高级工程师肖文深有感触地说[2]:“深圳、惠州交界处的垃圾填埋场臭味扰民遭到周边老百姓频繁投诉,去年(注:2016)开始每个月我们都要监测一次,每次都很头大,采样要5个人,实验室分析要8个人。但结果很难说清楚,有时现场很臭,但实验室测不出来;有时反之。”国家环保部前总工程师万本太呼吁[2],“监测恶臭气体不能再靠鼻子去闻,就像靠舌头舔鉴别有无毒害一样,这不是要命吗?要研究在线自动仪器监测方法,…。”
人的嗅觉能感觉到的致臭成分有4,000多种,其中对人体健康危害较大的有几十种,实际生活中闻到的臭味往往含有数十、数百种致臭成分[4]。例如,H2S散发臭鸡蛋味;胺(Amines)类物质散发腐臭鱼味;氨类和醛类成分散发刺鼻味,等等[5]。
近年来,我国环保部门尤其高度重视恶臭气体污染的在线监测与治理[1,6-9],这是建设智慧城市的要求。根据《国家环境保护标准“十三五”发展规划》,2019年将发布GB14554和GB/T14675修订版,亦将发布《恶臭污染物环境监测技术规范》和《环境空气和废气恶臭气体在线监测技术规范》。我们注意到,行业标准HJ905-2017《恶臭污染环境监测技术规范》已于2017.12.29发布,2018.03.01日正式实施。
由于嗅辨法和常规仪器分析法时效性差,代价高;还由于嗅辨法对人体有害,嗅辨结果不客观,嗅觉模拟—电子鼻技术与仪器因此特别引人注目[2,9]。嗅觉是鼻腔大量嗅细胞的复杂感觉。嗅觉模拟方法利用性能重叠的多个气敏传感器组成阵列,实现气味快速检测和定性定量分析,引起人们的高度重视[10]。例如,电子鼻技术可以通过气敏传感器阵列对气味的多元感知响应来确定呈味物质类别、强度、质量等级、真假、新鲜程度,控制生产过程,调整配方与生产工艺,等等。电子鼻方法现在主要用于复杂气味定性定量分析,例如,酒[11]、茶[12]、牛奶[13]、粮油质量[14];水果成熟度[15];鱼肉制品新鲜程度[16];水与环境空气监测[17-18];疾病诊断[19];细菌气味感知;等等。
电子鼻技术应用前景广阔,发展趋势之一是,发展高灵敏度、高选择性的气敏器件,以实现气味的定性定量检测与分析。令人鼓舞的是,SnO2半导体气敏器件灵敏度已达10-9V/V(ppb)数量级[10],对气味直接产生V级电压响应,不需二次放大,这对恶臭污染物的在线监测是很有吸引力的。电子鼻技术发展趋势之二是,以具有必要灵敏度的多个不同类型气敏元件组成阵列,着重利用数据分析方法来提高对检测对象的选择性,实现气味的识别、强度估计和关键成分预测。
电子鼻理论与应用研究相关检索结果如下:(1)文献。1990年以前仅60多篇,2000年前累计500多篇,现在累计已达6,000余篇,说明电子鼻研究近几年广泛展开。(2)专利。500余项国际发明专利和100余项国内发明专利大多是近5年公开和授权的,显示电子鼻知识产权保护已受到重视。(3)技术标准。国际标准数据库HIS尚无与电子鼻有关的产品技术标准。(4)应用。国内绝大多数工作以国外商品化电子鼻进行实验室研究[12,15]。法国FOX型电子鼻2007年进入我国市场,价格昂贵(100多万元RMB),主要用于实验室离线检测,不可能用于恶臭污染过程在线检测。上述结果说明,电子鼻应用研究亟待深入。
ISI数据库查询结果表明,电子鼻方法应用于环境恶臭气体过程检测与分析的文献不多,仅130余篇,不到电子鼻文献总数的2%,且大多为室内空气、水、土气味的离线检测和实验室数据处理;尚未发现恶臭污染物现场电子鼻在线监测报道,尚无成熟的恶臭电子鼻仪器商品[17-18]。
我国的恶臭污染电子鼻监测应用工作走在世界前面。在政府环保管理部门主导下,国内一些化工园区、垃圾填埋场、污水处理厂等污染源排放单位通过招标采用了德国Airsense公司和法国alpha MOS公司的商品化电子鼻[20]。这两款产品由4个金属氧化物半导体(Metal Oxide Semiconductor,MOS)、4个电化学(Electrochemical,EC)、1个光离子(Photoionization Detector,PID)气敏元件为阵列,是专门针对中国市场开发的,实际应用过程中存在监测标准不一致、分析模型不适用、稳定性与一致性差、设备和运行费用高昂等一系列问题。国内拓扑智鑫公司的恶臭监测系统用1个PID和8个EC气敏元件组成阵列,关注重点放在简单的偏最小二乘(partial least squares,PLS)算法和数据云端传输,企图依据被测样品与标准样品的比较来做判断,没有考虑恶臭气体成分复杂性和环境多变性[21]。
现有电子鼻监测系统都采用一个监测点一台电子鼻即“一点一鼻”的布点方式,这显然受监控摄像头安装方式的影响。电子鼻与摄像头二者作用有相似之处,但使用条件完全不同。电子鼻直接安装在监控现场会产生一系列问题:例如,电子鼻仪器尤其是核心元件—气敏传感器长期经受风吹日晒雨淋而影响寿命;气敏传感器长时间接触恶臭气体极易产生疲劳与“中毒”效应;不同监测点同型号气敏传感器会产生一致性问题;电子鼻仪器一经安装将很难再移动;不能随风向变化而变化;布点过密不仅影响市容,而且成本高;配备“零气”会导致电子鼻仪器体积庞大和安全问题;与嗅辨和色质谱结果差别大;等等。
安装了4台alpha MOS电子鼻的上海老港垃圾填埋场和耗资1483.5万元安装了115台Airsense电子鼻的天津大港工业区仍分列2017年环保举报次数第1和第3位[22]。这一事实充分说明,现在所谓的“臭气电子鼻”只是传感器级的初级应用。
为了将电子鼻技术与仪器用于恶臭气体在线监测与分析,我们必须解决以下问题:
1,气敏传感器阵列设计问题
恶臭气体的特点是,(1)组成成分众多且复杂。除H2S、NH3、CS2、SO2等少数无机物外,大多数为有机物,即所谓“挥发性有机化合物”;(2)有些恶臭物质嗅觉阈值很低,但对臭气浓度贡献度却很大;反之亦然;(3)有些物质无毒无害,对臭气浓度贡献度很小,气敏传感器却很敏感。
气敏传感器选择要综合考虑灵敏度、选择性、响应速度、稳定性、商品化、小型化、寿命、成本等因素。MOS型气敏传感器灵敏度高,优点明显,缺点是选择性不够理想,应成为阵列组成单元首选。与MOS型相比,EC型气敏元件的优点是选择性较好,缺点是灵敏度比前者低1-2个数量级,寿命较短(一般为1-2年),尺寸大,稳定性较差,主要用于H2S、NH3、CS2、SO2等有毒气体检测[10,20]。PID型气敏元件的特点是对正己烷~正十六烷之间的VOCs较敏感,但并不唯一,还存在尺寸大、寿命短、价格高等缺点。我们应深入理解不同敏感元件的性能和特点,设计出小型气敏传感器阵列模块,解决其长期稳定性差、噪声消除、温湿度补偿、性能无差别更换等问题[23]。
2,标准适用性问题和与感官、常规仪器分析结果一致性问题
Airsense和alpha MOS电子鼻依据的是欧盟标准EN13725。该标准规定,用动态嗅辨仪对臭气进行任意倍数的连续稀释(最大2×106倍),以0.04×10-6(V/V)正丁醇作为标准物质,指定该标准气体对人的嗅器官作用为臭气浓度基本单位(OUE),“任何混合气味的嗅觉阈值等同于标准气体对人的刺激量”,量值符合ISO量纲体系,具有自动测试特征。比较而言,GB/T14675属于嗅觉静态测定法,是手工测试方法,可操作性和科学性要比EN17325差[24]。
臭气组成成分及浓度是时刻变化的。在单个气敏元件选择性较差的情况下,如何将气敏传感器阵列响应转化为与臭气嗅辨浓度、色质谱等常规仪器分析相一致的结果,这既是一个涉及计算机和分析化学的理论问题,更是一个涉及恶臭污染源类型的实践问题[5]。
3,恶臭电子鼻仪器集成化、自动化与智能化问题
恶臭污染源众多,恶臭气体组成成分众多,环境变化多端,恶臭污染物排放形式众多。我们应摒弃“一点一鼻”的分散式监测方式,研究气敏传感器阵列优化与融合,多点集中式精密自动进样系统模块化与小型化;将气敏传感器阵列模块、恶臭气体自动进样模块、驱动与控制电路模块、计算机等集成在一个测试箱内,发明和研制尺寸小、重量轻、操作简便的新型恶臭电子鼻仪器;优化仪器内部工作条件,以内部的“不变”应对外部的“万变”。理想情况是,一台恶臭电子鼻仪器能实现特定区域(例如,面积4km2以内)多个观测点的同时在线监测,即可固定点监测,也可移动点监测,当然是以月乃至年为单位的每天24小时连续监测;提出简单有效的机器学习模型与算法实现对前述10+1种恶臭污染物浓度的24小时连续估计和预测,并利用无线WIFI技术,实时把监控数据和分析结果传输到监控中心及各种终端,实现基于Internet网的恶臭污染远程控制。
参考文献
[1]赵艳红,环保部:2017年接到环保举报60余万件,大气举报占近六成,人民网,2018.01.23,politics.people.com.cn/n1/2018/0123/c1001-29782203.html
[2]杜娟,面对恶臭污染只靠鼻子闻?专家建议尽早实现24小时监测,广州日报,2016.07.06.
[3]李伟芳,耿静,翟增秀,闫凤越,恶臭物质的嗅觉阈值与致臭机理研究概况与展望,安全与环境学报,2015,15(3):327–330.
[4]王亘,翟增秀,耿静,韩萌,鲁富蕾,40种典型恶臭物质嗅阈值测定,安全与环境学报,2015,15(6):348–351.
[5]王亘,翟增秀,韩萌,荆博宇,鲁富蕾,孟洁,恶臭污染排放源指纹谱编制及初步应用,环境科学研究,2017,30(12):1944–1953.
[6]王金南,蒋洪强,刘年磊,关于国家环境保护“十三五”规划的战略思考,中国环境管理,2015,7(2):1–8.
[7]詹志明,尹文君,环保大数据及其在环境污染防治管理创新中的应用,环境保护,2016,06:44–48.
[8]程春明,李蔚,宋旭,生态环境大数据建设的思考,中国环境管理,2015,7(6):9–13.
[9]滕建礼,王玉红,我国环境监测仪器行业发展现状及展望,中国环保产业,2017,12:19–24.
[10]P.Boeker,On'Electronic Nose'methodology,Sensors&Actuators B:Chemical,2014,204:2–17.
[11]M.Paknahad,A.Ahmadi,J.Rousseau,H.R.Nejad,M.Hoorfar,On-chipelectronic nose for wine tasting:a digital microfluidic approach,IEEE SensorsJournal,2017,17(14):4322–4329.
[12]J.C.Zhu,F.Chen,L.Y.Wang,Y.Niu,Z.B Xiao,Evaluation of thesynergism among volatile compounds in Oolong tea infusion by odour thresholdwith sensory analysis and E-nose,Food Chemistry,2017,221:1484–1490.
[13]V.F.Pais,M.I.S.Veríssimo,J.A.B.P.Oliveira,et al.,Using acousticwave sensors to follow milk coagulation and to separate the cheeses accordingto the milk origin,Sensors&Actuators B:Chemical,2015,207:1121–1128.
[14]R.Upadhyay,S.Sehwag,H.N.Mishra,Electronic nose guideddetermination of frying disposal time of sunflower oil using fuzzy logicanalysis,Food Chemistry,2017,221:379–385.
[15]S.Jiang,J.Wang,Internal quality detection of Chinese pecans(Caryacathayensis)during storage,Postharvest Biology&Technology,2016,118:17–25.
[16]W.Wojnowski,T.Majchrzak,T.Dymerski,J.Gebicki,J.Namiesnik,Electronic noses:Powerful tools in meat quality assessment,Meat Science,2017,131:119–131.
[17]P.Schneider,N.Castell,M.Vogt,F.R.Dauge,W.A.Lahoz,A.Bartonova,Mapping urban air quality in near real-time using observations from low-costsensors and model information,Environment International,2017,106:234–247.
[18]A.Blanco-Rodríguez,V.F.Camara,F.Campo,L.Becherán,A.R.Garcia-Ramirez,Development of an electronic nose to characterize odors emitted fromdifferent stages in a wastewater treatment plant,Water Research,2018,134:92–100.
[19]G.Suarez-Cuartin,J.Giner,J.L.Merino,A.Rodrigo-Troyano,O.Sibila,Identification of pseudomonas aeruginosa and airway bacterial colonization byan electronic nose in bronchiectasis,Respiratory Medicine,2018,136:111–117.
[20]苏爱华,周俊杰,电子鼻在垃圾填埋场的恶臭在线监测系统中的应用,环境与可持续发展,2017,42(4):129–131.
[21]郭勇辉、樊喜来、霍金芳、耿利华,环境恶臭污染定量监测方法,发明专利,ZL2013100985244,2016.03.16授权。
[22]中华环保联合会VOCs污染防治专业委员会,11月全国“12369”共接环保举报5万余件其中涉及大气、噪声污染的举报最多,www.acef-vocs.com.cn/sv_view.aspx?FId=t8:36:8&Id=521&TypeId=36.
[23]J.Fonollosa,L.Fernandez,A.Gutierrez-Galvez,R.Huerta,S.Marco,Calibration transfer and drift counteraction in chemical sensor arrays usingDirect Standardization,Sensors&Actuators B:Chemical,2016,236:1044–1053.
[24]王同健,田秀华,王琳,恶臭监测嗅觉测试方法的比较分析,中国环境监测,2013,29(5):169–172.
发明内容
本发明是在现有发明专利《一种机器嗅觉装置及其嗅觉模拟测试方法》(参见专利申请号:02111046.8)、《一种基于模块化组合神经网络的机器嗅觉气味识别方法》(参见专利申请号:03141537.7)、《一种嗅觉模拟仪器与多种气味定性定量分析方法》(参见专利申请号:201010115026.2)、和《一种多通道集成嗅觉模拟仪器和生物发酵过程在线分析方法》(参见申请号:201310405315.X)的基础上,发明一种恶臭气体多点集中式在线监测与分析系统及方法,以解决恶臭污染区域多个监测点的长期在线监测和多种恶臭气体浓度控制指标的在线预测问题。
为了实现上述目的,本发明的恶臭气体多点集中式在线监测与分析系统包括恶臭电子鼻仪器I、气体采样探头II、外置真空泵III、环境空气净化装置IV、洁净空气瓶V、气体管道、电子温湿度计VI、中央控制室VII以及多个固定/移动终端VIII,实现恶臭污染区域10个监测点的长期在线监测和多种恶臭污染物浓度控制指标值的在线估计与预测。
恶臭电子鼻仪器I包括气敏传感器阵列恒温工作室I(a)、多点集中式恶臭气体自动进样系统I(b)、计算机控制与数据分析系统I(c)三大组成部分。气敏传感器阵列恒温工作室I(a)由气敏传感器阵列及其环形工作腔I-1,隔热层I-2,电阻加热丝I-3,风扇I-4组成。气敏传感器阵列I-1由16个气敏元件构成,均布于中径φ140mm、断面尺寸21mm×17mm的密封腔内,形成气敏传感器阵列环形工作腔I-1,处于55±0.1℃的恒温工作室内,位于恶臭电子鼻仪器I右上方。多点集中式恶臭气体自动进样系统I(b)包括内置微型真空泵I-14、14个二位二通电磁阀(I-5,I-6-1~I-6-10,I-8,I-10,I-13)、节流阀I-11、流量计I-12、真空压力表I-7、气体缓冲室I-9,位于恶臭电子鼻仪器I右下方。计算机控制与数据分析系统I(c)包括计算机主板I-15、数据采集卡I-16、显示器I-17、驱动与控制电路模块I-18、精密线性与开关电源模块I-19、硬盘、网卡、显卡,位于恶臭电子鼻仪器I左侧。
多点集中式恶臭气体自动进样系统I(b)对单个监测点恶臭气体采样周期为T0=180-300s,默认值T0=240s,气敏传感器阵列I-1因此对该监测点产生一个16维响应向量。计算机控制与数据分析系统I(c)依据这一响应向量,用机器学习模型对该监测点的臭气嗅感浓度、GB14554指定的氨NH3、硫化氢H2S、二硫化碳CS2、三甲胺C3H9N、甲硫醇CH4S、甲硫醚C2H6S、二甲二硫醚C2H6S2、苯乙烯C8H8等8种化合物,GB/T18883指定的二氧化硫SO2与总挥发性有机化合物共10+1项恶臭污染物浓度控制指标值进行实时分析和预测,并将监测数据和预测结果通过无线Internet网远程传送到中央控制室VII和指定的固定/移动终端VIII。
恶臭电子鼻仪器I每单周期T0得到一个16维的响应向量,储存在计算机硬盘的一个数据文件里;并用10个二位二通电磁阀I-6-1~I-6-10依次控制4km2区域内10个监测点恶臭气体的通与断,以T=10T0的恶臭气体循环采样周期实现10个监测点恶臭气体的循环在线监测,并将监测数据依次储存在10个数据文件里。这些数据是恶臭电子鼻仪器I预测恶臭污染物多种浓度的数值基础,并据此实现对10+1项恶臭污染物浓度控制指标值的循环在线预测。
恶臭气体单采样周期T0包括:气敏传感器阵列I-1初步恢复(95-215s)、洁净空气精确标定(30s)、平衡(5s)、恶臭气体顶空采样(30s)、环境空气冲洗(20s)共5个阶段。在单周期T0内,在计算机控制下,对应监测点的二位二通电磁阀I-6-k导通,其余9个监测点的二位二通电磁阀断开,内置微型真空泵I-14以流量1,000mL/min抽吸气体缓冲室I-8内的恶臭气体,使之流经气敏传感器阵列环形工作腔,掠过传感器敏感膜表面,气敏传感器阵列I-1因此产生敏感响应,持续30s。自平衡状态开始之刻起,计算机控制与数据分析系统I(c)持续记录敏感响应数据,包括平衡(5s)、恶臭气体顶空采样(30s)、环境空气冲洗(前10s)这3个阶段共45s的气敏传感器阵列I-1响应数据,并临时存储在一个文本文件里;单周期T0其它时间的响应数据不记录。
在时长45s的响应数据内,单个气敏传感器响应曲线的稳态最大值和最小值之差值被提取为响应分量,气敏传感器阵列I-1因此产生一个16维的响应向量。在数据记录结束后的10s内,即环境空气冲洗阶段后10s,计算机控制与数据分析系统I(c)依据这一响应向量预测10+1项恶臭污染物浓度控制指标值。
气敏传感器阵列I-1由11个金属氧化物半导体型、4个电化学型和1个光离子型气敏元件组成。其中,11个金属氧化物型气敏元件用于检测多种有机/无机化合物;4个电化学型气敏元件用于检测NH3、H2S、CS2、SO2等4种无机化合物;1个光离子型气敏元件用于检测总挥发性有机化合物。
恶臭气体多点集中式在线监测与分析系统最大监测区域为2km*2km=4km2,可布置10个监测点;其中,9个固定监测点,1个移动监测点。恶臭电子鼻仪器I位于室内,通过内径φ10mm的不锈钢管道与各室外监测点相连接。气体采样探头采用水龙头形式,与商用除尘去湿净化部件IV连接,随用随换。改变监测点位置只需重新铺设不锈钢管道,楼上楼下,可高可低,安装和移动气体采样探头到指定位置即可,就像铺设水管或电缆线一样简便。
8个或更多监测点绕监测区域边界设置,恶臭电子鼻仪器I和10个监测点位置设置以不锈钢气体管道最短为目标。对路径可达的化工园区、居民小区等区域,恶臭电子鼻仪器I布置在监测区域中心的某个室内;对无路可达的垃圾填埋场、污水处理厂等区域,恶臭电子鼻仪器I布置在监测区域边界的某个室内。
外置真空泵III抽气速率250-280L/min,极限真空度100-120mbar,长期连续工作,可通过内径φ10mm不锈钢管道在1min之内将直线距离达2.5km的一个监测点的恶臭气体抽吸到恶臭电子鼻仪器I内。在单周期T0内,除恶臭气体顶空采样(30s)这一阶段外,其余阶段被抽吸到恶臭电子鼻仪器I内的恶臭气体并不流经气敏传感器阵列环形工作腔I-1,而是被直接排出到室外。
恶臭电子鼻仪器I内部设置有一个尺寸为φ40mm*5mm的气体缓冲室I-8,恶臭气体在此处的流速较内径φ10mm不锈钢管道骤降16倍;只有在恶臭气体顶空采样(30s)这一阶段,内置微型真空泵I-14才将气体缓冲室I-8内的恶臭气体抽吸到气敏传感器阵列环形工作腔,气敏传感器阵列I-1因此产生敏感响应。内置微型真空泵I-14抽吸到的都是新鲜恶臭气体。
在恶臭气体顶空采样前,1,000ml/min洁净空气精确标定环节(30)使得气敏传感器阵列I-1对恶臭气体的多次感知在同一基线上进行。12~15Mpa压缩气体钢瓶V标准容积为40L,转换到常温常压为6m3;当单周期T0=3、4和5min时,这样1瓶40L压缩洁净空气分别可用25、33和41天。恶臭电子鼻仪器I所处室外的环境空气先用商品化空气净化器净化,然后被用来冲洗气敏传感器阵列I-1,使之初步恢复到基准状态,以降低运行费用。
恶臭气体大数据集包括:(1)气敏传感器阵列I-1对垃圾填埋场、污水处理厂、化工园区(包括香精香料厂)、制药厂、养殖场、邻近居民区等大量恶臭污染物现场的在线检测数据;(2)气敏传感器阵列I-1对大量恶臭标准样品顶空挥发气的实验室离线检测数据,其中包括GB/T14675指定的β-苯乙醇、异戊酸、甲基环戊酮、γ-十一烷酸内酯、β-甲基吲哚这5种标准臭液;GB14554指定的C3H9N、C8H8、H2S、CH4S、C2H6S、C2H6S2、NH3、CS2与GB/T18883指定的SO2共9种单一成分恶臭污染物配制的不同浓度标准恶臭样品,还包括不同浓度多种单一化合物配制的混合成分标准恶臭样品;(3)GB/T14675和HJ 905-2017规定的真空瓶和臭气袋在大量恶臭污染物现场采样,并立即运回嗅辨室而得到的无量纲臭气浓度离线嗅辨数据;(4)GB/T18883规定的Tenax GC/TA吸附管恶臭污染物现场采样,气相色谱仪实验室离线检测得到的总挥发性有机化合物数据和分光光度仪实验室离线检测得到的SO2数据;(5)GB/T14676-14680规定的恶臭污染物现场采样,8种恶臭成分的气相色谱仪、质谱仪和分光光度仪实验室离线检测数据;(6)恶臭污染源邻近区域居民投诉数据。
恶臭电子鼻仪器I对恶臭污染区域多个监测点长期在线监测和多种恶臭污染物浓度控制指标值的在线预测,包括以下步骤:
(1)开机:仪器预热30min;单击屏幕菜单的“空气净化器开”选项,空气净化器IV开始对恶臭电子鼻仪器I所处的室内空气净化,长期持续工作直至操作人员单击“空气净化器关”选项为止。
在内置微型真空泵I-14的抽吸作用下,净化环境空气以6,500mL/min的流量依次流经二位二通电磁阀I-5、气敏传感器阵列环形工作腔I-1、二位二通电磁阀I-10,然后被排出到室外;气敏传感器阵列环形工作腔I-1内的温度从室温达到恒定的55±0.1℃。
单击屏幕菜单的“外置真空泵开”选项;外置真空泵III以250-280L/min的抽气速率和100-120mbar的极限真空度,通过内径φ10mm不锈钢管道在1min内将直线距离达2.5km的某个监测点恶臭气体抽吸到恶臭电子鼻仪器I内,依次流过对应的二位二通电磁阀、真空压力表I-7和气体缓冲室I-8,然后直接排出到室外;外置真空泵III持续抽吸恶臭气体,直到操作人员单击屏幕菜单的“外置真空泵关”选项为止,
修改屏幕菜单“单采样周期T0”设置,默认值T0=4min;10个监测点恶臭气体循环采样周期为T=10T0。
(2)恶臭气体循环采样周期开始:点击屏幕菜单的“开始检测”按钮,恶臭电子鼻仪器I依次对10个监测点进行循环监测,计算机控制与数据分析系统I(c)在指定文件夹自动生成10个文本文件,以存储气敏传感器阵列I-1对10个监测点恶臭气体的响应数据。
(3)监测点k(=1,2,…,10)恶臭气体单采样周期开始。以T0=4min为例:
(3.1)气敏传感器阵列初步恢复:单周期T0第0-155s,在内置微型真空泵I-14的抽吸作用下,净化环境空气以6,500mL/min的流量依次流经二位二通电磁阀I-5、气敏传感器阵列环形工作腔I-1、二位二通电磁阀I-10,然后被排出到室外。在6,500mL/min净化环境空气的作用下,气敏传感器阵列环型工作腔I-1内积聚的热量被带走,粘附在气敏传感器敏感膜表面和管道内壁的恶臭气体分子被初步冲走,气敏传感器阵列I-1初步恢复到基准状态,历时155s。
10个二位二通电磁阀I-6-1~I-6-10只有I-6-k导通,其余9个断开,外置真空泵III持续抽吸。
(3.2)洁净空气精确标定:在单周期T0第156-185s,二位二通电磁阀I-13导通,二位二通电磁阀I-5、I-8和I-10断开,二位二通电磁阀I-6-1~I-6-10保持步骤(3.1)的状态。在内置微型真空泵I-14的抽吸作用下,洁净空气以1,000ml/min的流量依次流经二位二通电磁阀I-13、气体管道、气敏传感器阵列环形工作腔I-1、节流阀I-11、流量计I-12、微型真空泵I-14,然后被排出到室外。洁净空气使气敏传感器阵列I-1精确恢复到基准状态,历时30s。外置真空泵III持续抽吸。
(3.3)平衡:在单周期T0第186-190s,二位二通电磁阀I-5、I-8、I-10、I-13断开,二位二通电磁阀I-6-1~I-6-10保持步骤(3.1)的状态;气敏传感器阵列环形工作腔I-1内无气体流动。自单周期T0第186s即平衡状态开始之刻起,计算机控制与数据分析系统I(c)开始记录气敏传感器阵列I-1实时响应数据,并存储在指定的临时文本文件“temp.txt”里;历时5s。外置真空泵III持续抽吸。
(3.4)监测点k恶臭气体顶空采样:在单周期T0第190-220s,二位二通电磁阀I-8导通,3个二位二通电磁阀I-5、I-13和I-10断开,二位二通电磁阀I-6-1~I-6-10保持步骤(3.1)的状态。在内置微型真空泵I-14抽吸作用下,气体缓冲室I-8内的恶臭气体以流量1,000ml/min依次流过气敏传感器阵列环形工作腔I-1、节流阀I-11、流量计I-12、内置微型真空泵I-14,最后排出到室外。气敏传感器阵列I-1因此产生的敏感响应继续记录在临时文件“temp”里;历时30s。外置真空泵III持续抽吸。
(3.5)气敏传感器阵列冲洗:在单周期T0第221-240s,二位二通电磁阀I-5和I-10导通,二位二通电磁阀I-8和I-13断开,在微型真空泵I-14抽吸作用下,流量6,500ml/min的净化环境空气以依次流经二位二通电磁阀I-5、气敏传感器阵列环形工作腔I-1、二位二通电磁阀I-10,然后被排出到室外。与此同时,若k<10,则二位二通电磁阀I-6-k+1导通,10个二位二通电磁阀I-6-1~I-6-10的其余9个断开,外置真空泵转而抽吸监测点k+1的恶臭气体。若k=10,则令k+1=1,转入下一个恶臭气体循环采样周期,外置真空泵转而抽吸监测点k=1的恶臭气体。由于净化环境空气的作用,气敏传感器阵列环型工作腔内积聚的热量被带走,粘附在气敏传感器敏感膜表面和管道内壁的恶臭气体分子被初步冲走,气敏传感器阵列I-1逐步恢复到基准状态;历时20s。其中:
(a)在单周期T0第221-230s,气敏传感器阵列响应数据继续记录在临时文件“temp”里,历时10s。至第230s末,计算机控制与数据分析系统I(c)停止记录气敏传感器阵列响应数据。
(b)在单周期T0第231-240s,计算机控制与数据分析系统I(c)与此进行以下三项操作:
(b1)特征提取:自第231s之刻起,并从时长45s的临时文件“temp”里提取各个气敏传感器的最大和最小稳态响应值,以最大响应值与最小响应值之差作为各个气敏传感器当前时刻t对监测点k恶臭气体的响应特征分量xi(t)(i=1,2,…,16),并记录在对应的数据文件里。
(b2)气敏传感器阵列响应预测:机器学习级联模型第一级—16*3个卷积神经网络依据当前时刻t以前[t-18,t]、[t-19,t-1]和[t-20,t-2]时间段内已发生的气敏传感器阵列时间序列响应向量,实现在线自学习,并据此预测未来T、2T和3T时刻气敏传感器阵列I-1的响应。
(b3)恶臭气体浓度控制指标值预测:机器学习级联模型第二级—10+1个深度神经网络依据级联模型第一级的16*3个卷积神经网络预测的气敏传感器阵列响应值,进一步预测监测点k的10+1项恶臭污染物浓度控制指标值,通过显示器显示出来,并将监测和预测结果通过Internet网络传送到中央控制室VII和多个固定/移动终端VIII。
(3.6)监测点k恶臭气体单采样周期结束:回到步骤(3.1),监测点k+1恶臭气体单采样周期开始。若k+1>10,则转入下一个恶臭气体循环采样周期的监测点k=1开始。
(4)重复步骤(3.1)~(3.6),恶臭电子鼻仪器I实现对10个监测点恶臭气体的循环在线监测、识别和10+1项恶臭污染物控制指标值的预测。
附图说明
图1是本发明—一种恶臭气体多点集中式在线监测与分析系统及方法—恶臭电子鼻仪器和恶臭污染区域多点集中式监测与分析系统工作原理示意图。
图2是本发明—一种恶臭气体多点集中式在线监测与分析系统及方法—恶臭电子鼻仪器工作原理示意图(恶臭气体顶空采样状态)。
图3是本发明—一种恶臭气体多点集中式在线监测与分析系统及方法—恶臭电子鼻仪器和多个监测点相互位置示意图;(a)有路可达区域,(b)无路可达区域。
图4是本发明—一种恶臭气体多点集中式在线监测与分析系统及方法—气敏传感器阵列布置及其环形工作腔示意图;(a)气敏传感器阵列布置图,(b)气敏传感器阵列环形工作腔示意图。
图5是本发明—一种恶臭气体多点集中式在线监测与分析系统及方法—恶臭气体缓冲室示意图。
图6是本发明—一种恶臭气体多点集中式在线监测与分析系统及方法—恶臭气体单采样周期为T0(=240s),循环采样周期为T=10T0时,14个二位二通电磁阀通断变化情况(单位:s)。
图7是本发明—一种恶臭气体多点集中式在线监测与分析系统及方法—恶臭电子鼻仪器外观立体示意图。
图8是本发明—一种恶臭气体多点集中式在线监测与分析系统及方法—恶臭电子鼻仪器背面示意图。
具体实施方式
下面结合附图对本发明作进一步的详细描述。
恶臭气体大数据包括:(1)恶臭电子鼻仪器I的气敏传感器阵列I-1对大量恶臭标准样品顶空挥发气的实验室离线检测数据,其中包括,β-苯乙醇、异戊酸、甲基环戊酮、γ-十一烷酸内酯、β-甲基吲哚等5种标准臭液和C3H9N、C8H8、H2S、CH4S、C2H6S、C2H6S2、NH3、CS2、SO2等9种恶臭化合物配制的不同浓度单一成分标准恶臭样品,还包括由不同浓度多种单一化合物配制的混合成分标准恶臭样品;(2)气敏传感器阵列I-1对大量恶臭污染物现场的在线检测数据;(3)大量恶臭污染物的臭气浓度实验室离线嗅辨数据;(4)大量恶臭污染物的气相色谱仪、质谱仪和分光光度仪实验室离线检测得到的TVOC和上述9种恶臭成分检测数据;(5)恶臭污染源邻近区域居民投诉数据。
图1是恶臭电子鼻仪器和恶臭污染区域多点集中式监测与分析系统工作原理示意图。恶臭污染区域多点集中式监测与分析系统包括恶臭电子鼻仪器I、10个室外监测点及其气体采样探头II-1~II-10、外置真空泵III、环境空气净化装置IV、洁净空气V、电子温湿度计VI、中央控制室VII及其多个固定/移动终端VIII,实现恶臭污染区域10个监测点的长期在线监测和恶臭气体多种浓度控制指标值的在线预测。此时的气路和电磁阀的位置为第一个监测点II-1恶臭气体被抽吸到恶臭电子鼻仪器I,气敏传感器阵列I-1因此产生敏感响应的工作状态。
图2是恶臭电子鼻仪器I工作原理示意图。其组成单元包括:
(a)气敏传感器阵列恒温工作室I(a):气敏传感器阵列及其环形工作腔I-1,隔热层I-2,电阻加热丝I-3,风扇I-4,位于恶臭电子鼻仪器右上方。
(b)多点集中式恶臭气体自动进样系统I(b):控制净化环境空气通断的二位二通电磁阀I-5,控制10个监测点恶臭气体通断的10个二位二通电磁阀I-6-1~I-6-10,显示外置真空泵III工作状态的真空压力表I-7,控制恶臭气体流入气敏传感器阵列环形工作腔I-1的二位二通电磁阀I-8,气体缓冲室I-9,控制气敏传感器阵列环形工作腔I-1内恶臭气体和洁净空气6,500ml/min与1,000ml/min流量转换的二位二通电磁阀I-10,节流阀I-11,流量表I-12,控制洁净空气通断的二位二通电磁阀I-13,内置微型真空泵I-14,位于恶臭电子鼻仪器右下方。
(c)计算机控制与数据分析系统Ic:计算机主板I-15,数据采集卡即A/D板I-16,显示器I-17,驱动与控制电路模块I-18,多路直流电源I-19,位于恶臭电子鼻仪器左侧。
图3是恶臭电子鼻仪器I和10个监测点II-1~II-10相互位置示意图。对图3(a)所示的路径可达区域,例如化工园区和居民小区,恶臭电子鼻仪器I应布置在监测中央的某个室内;对图3(b)所示的无路可达区域,恶臭电子鼻仪器I应布置在监测区域边界的某个室内。恶臭电子鼻仪器I位置确定以其与各监测点的直线距离最短为原则。外置真空泵III、环境空气净化装置IV、洁净空气V、电子温湿度计VI布置在恶臭电子鼻仪器I附近。
假设最大监测区域为2km*2km=4km2,连接恶臭电子鼻仪器I与各个监测点的不锈钢管道内径为d=φ10mm。考虑最不利情况:气体最长管道出现在图3(b)所示的无路可达区域,最大直线长度为lmax=再假设外置真空泵流量Q=280L/min,最大真空压力为p=-100mbar,则恶臭气体流速υ=4Q/(πd2)=59.42m/s=3.57km/min,恶臭气体从最远采样点II-3或II-9被抽吸到恶臭电子鼻仪器I只需tmax=lmax/υ=37.63s。注意:当lmax=2.24km且d=φ10mm时,管道最大容积约为Umax=lmax*πd2/4=176L,小于外置真空泵1min可抽吸的最大气体容积Q=250-280L,再考虑泄漏因素,意味着监测点气体被抽吸到恶臭电子鼻仪器I的时间仅为1min左右。在如此短的时间内,恶臭气体来不及发生变质和吸附效应。
绝大多数需要监测的工业园区、垃圾与污水处理区、养殖场、邻近居民生活区等污染区域面积在1km2之内。假设最大监测区域为1km*1km=1km2,连接恶臭电子鼻仪器I与各个监测点的气体管道绕边界布置。仍考虑最不利情况:气体最长管道为lmax=0.5+1+0.5=2km。外置真空泵III可在1min内将监测点气体抽吸到恶臭电子鼻仪器I内。本发明的恶臭电子鼻仪器和恶臭污染区域多点集中式监测与分析系统特别适合应用于生产车间、污水池、养殖场等场合。
图4是本发明的气敏传感器阵列I-1布置及其环形工作腔示意图。图4(a)表明了一个具体实例:气敏传感器阵列共由3种类型16个型号的气敏元件组成,包括MOS型的11个(4个TGS2000系列I-1-1,3个塑料外壳TGS800系列I-1-2,4个不锈钢外壳TGS800系列I-1-3),4个EC型I-1-4和1个PID型I-1-5。MOS型气敏传感器灵敏度高,寿命长,对有机和无机成分均敏感;EC型气敏元件选择性较好,主要用于检测无机气体;PID型气敏传感器对正己烷~正十六烷之间的VOCs较敏感。机器学习级联模型依据11个MOS型与4个EC型气敏传感器的共同响应确定H2S、NH3、SO2、CS2等无机成分浓度,依据11个MOS型与1个PID型气敏传感器的共同响应确定恶臭气体TVOC浓度,嗅感浓度OU值和C3H9N、C8H8、CH4S、C2H6S、C2H6S2等有机成分浓度。
根据图4(a)和4(b),气敏传感器阵列环形工作腔I-1由不锈钢底座I-1-6、密封圈I-1-7、不锈钢盖I-1-8、隔板I-1-9以及气敏传感器插座、密封材料、螺钉组成,形成密封的环形工作腔。顶空采样时,恶臭气体从进气孔被吸入,然后绕环型工作腔依次掠过4个TGS2000系列气敏传感器I-1-1,3个塑料外壳TGS800系列气敏传感器I-1-2,4个不锈钢外壳TGS800系列气敏传感器I-1-3,4个EC型气敏传感器I-1-4和1个PID型气敏传感器I-1-5,最后从出气孔流出,气敏传感器因此产生敏感响应。
图5是本发明的恶臭气体缓冲室I-9示意图。该气体缓冲室位于恶臭电子鼻仪器I内,内径φ40mm。由于与连接恶臭电子鼻仪器I和10个监测点II-1~II-10的气体管道内径之比为4:1,气体流速在此缓冲室内骤降16倍,内置微型真空泵I-14因此能从这里抽吸到足够量的恶臭气体。
图6是当恶臭气体单采样周期为T0,循环采样周期为T=10T0时,多点集中式恶臭气体自动进样系统的14个二位二通电磁阀通断变化情况及其相互关系。在循环采样周期T内,控制10个监测点恶臭气体通断的10个二位二通电磁阀I-6-1~I-6-10只通断1次,在任一单周期T0内的任一时刻,有且仅有一个导通,其余9个均断开。
与此相比较,在循环采样周期T内,控制净化环境空气通断的二位二通电磁阀I-5,控制恶臭气体流入气敏传感器阵列环形工作腔的二位二通电磁阀I-8和控制洁净空气通断的二位二通电磁阀I-13均通断10次,控制流量转换的二位二通电磁阀I-10通断20次。
请参见图6,以循环采样周期T=10T0内的第一个单采样周期T0=240s为例,有下列几种情况:
(a)整个单采样周期T0=240s。二位二通电磁阀I-6-1一直导通,其余9个二位二通电磁阀I-6-2~I-6-10断开,在外置真空泵III的抽吸作用下,恶臭气体以250-280L/min的流量依次流过第一个监测点采样头II-1、气体管道、二位二通电磁阀I-6-1、气体缓冲室I-9、外置真空泵III,最后被排除到室外。
(b)单采样周期T0第0-175s。尽管外置真空泵III将第一个监测点II-1的恶臭气体抽吸到恶臭电子鼻仪器I内,但由于二位二通电磁阀I-8断开,此时的恶臭气体并不流经气敏传感器阵列环形工作腔I-1,而是由外置真空泵III直接排出到室外。这175s时间段又可分为2小段:(b1)气敏传感器阵列初步恢复的155s;(b2)气敏传感器阵列冲洗的20s。在这2小段,二位二通电磁阀I-13断开,二位二通电磁阀I-5和I-10导通,在内置微型真空泵I-14的抽吸作用下,经装置IV净化的环境空气以6,500ml/min的流量依次流经二位二通电磁阀I-5、气体管道、气敏传感器阵列环形工作腔I-1、二位二通电磁阀I-10、微型真空泵I-14,然后被排出到室外。
(c)单采样周期T0=240s第176-205s。3个二位二通电磁阀I-5、I-8和I-10断开,二位二通电磁阀I-13导通,在洁净空气瓶V的气体压力作用下,洁净空气以1,000ml/min的流量依次流经二位二通电磁阀I-13、气体管道、气敏传感器阵列环形工作腔I-1、流量计I-12、微型真空泵I-14,然后被排出到室外。
(d)单采样周期T0=240s第211-240s。3个二位二通电磁阀I-5、I-13和I-10断开,二位二通电磁阀I-8导通,在内置微型真空泵I-14的抽吸作用下,恶臭气体以1,000ml/min的流量依次流经二位二通电磁阀I-13、气体管道、气敏传感器阵列环形工作腔I-1、流量计I-12、微型真空泵I-14,然后被排出到室外。
图7是恶臭电子鼻仪器立体示意图。气敏传感器阵列I-1位于恶臭电子鼻仪器I右上部;我们由正面外观图可以看到显示器I-17、真空压力表I-7和流量表I-12。图8是恶臭电子鼻仪器背面示意图。恶臭电子鼻仪器设置了外接显示器接口、2个USB接口、鼠标接口、键盘接口、Internet接口、净化环境空气和洁净空气入口、10个监测点恶臭气体入口、外置真空泵III出口、以及废气排出口。
Claims (8)
1.一种恶臭气体多点集中式在线监测与分析系统,其特征是,包括恶臭电子鼻仪器、气体采样探头、外置真空泵、环境空气净化装置、洁净空气瓶、气体管道、电子温湿度计、中央控制室以及多个固定/移动终端,实现恶臭污染区域10个监测点的长期在线监测和多种恶臭污染物浓度控制指标值的在线估计与预测;
所述的恶臭电子鼻仪器包括气敏传感器阵列恒温工作室、多点集中式恶臭气体自动进样系统、计算机控制与数据分析系统三大组成部分;气敏传感器阵列恒温工作室由气敏传感器阵列及其环形工作腔,隔热层,电阻加热丝,风扇组成;气敏传感器阵列由16个气敏元件构成,均布于中径φ140mm、断面尺寸21mm×17mm的密封腔内,形成气敏传感器阵列环形工作腔,处于55±0.1℃的恒温工作室内,位于恶臭电子鼻仪器右上方;多点集中式恶臭气体自动进样系统包括内置微型真空泵、14个二位二通电磁阀I-5,I-6-1~I-6-10,I-8,I-10与I-13、节流阀、流量计、真空压力表、气体缓冲室,位于恶臭电子鼻仪器右下方;计算机控制与数据分析系统包括计算机主板、数据采集卡、显示器、驱动与控制电路模块、精密线性与开关电源模块、硬盘、网卡、显卡,位于恶臭电子鼻仪器左侧;
多点集中式恶臭气体自动进样系统对单个监测点恶臭气体采样周期为T0=180-300s,默认值T0=240s,气敏传感器阵列因此对该监测点产生一个16维响应向量;计算机控制与数据分析系统依据这一响应向量,用机器学习模型对该监测点的臭气嗅感浓度、GB14554指定的氨NH3、硫化氢H2S、二硫化碳CS2、三甲胺C3H9N、甲硫醇CH4S、甲硫醚C2H6S、二甲二硫醚C2H6S2、苯乙烯C8H8共8种化合物,GB/T18883指定的二氧化硫SO2与总挥发性有机化合物共10+1项恶臭污染物浓度控制指标值进行实时分析和预测,并将监测数据和预测结果通过无线Internet网远程传送到中央控制室和指定的固定/移动终端;
恶臭电子鼻仪器每单周期T0得到一个16维的响应向量,储存在计算机硬盘的一个数据文件里;恶臭气体单采样周期T0包括:气敏传感器阵列初步恢复95-215s、洁净空气精确标定30s、平衡5s、恶臭气体顶空采样30s、环境空气冲洗20s共5个阶段;在单周期T0内,在计算机控制下,对应监测点k的二位二通电磁阀I-6-k导通,k=1,2,…,10,其余9个监测点的二位二通电磁阀断开,内置微型真空泵以流量1,000mL/min抽吸气体缓冲室内的恶臭气体,使之流经气敏传感器阵列环形工作腔,掠过传感器敏感膜表面,气敏传感器阵列因此产生敏感响应,持续30s;自平衡状态开始之刻起,计算机控制与数据分析系统持续记录敏感响应数据,包括平衡5s、恶臭气体顶空采样30s、环境空气冲洗的前10s这3个阶段共45s的气敏传感器阵列响应数据,并临时存储在一个文本文件里;单周期T0其它时间的响应数据不记录;
在时长45s的响应数据内,单个气敏传感器响应曲线的稳态最大值和最小值之差值被提取为响应分量,气敏传感器阵列因此产生一个16维的响应向量;在数据记录结束后的10s内,即环境空气冲洗阶段的后10s,计算机控制与数据分析系统依据这一响应向量预测10+1项恶臭污染物浓度控制指标值;
用10个二位二通电磁阀I-6-1~I-6-10依次控制4km2区域内10个监测点恶臭气体的通与断,以T=10T0的恶臭气体循环采样周期实现10个监测点恶臭气体的循环在线监测,并将监测数据依次储存在10个数据文件里;这些数据是恶臭电子鼻仪器预测恶臭污染物多种浓度的数值基础,据此实现对10+1项恶臭污染物浓度控制指标值的循环在线预测。
2.根据权利要求1所述的恶臭气体多点集中式在线监测与分析系统,其特征是,气敏传感器阵列由11个金属氧化物半导体型、4个电化学型和1个光离子型气敏元件组成;其中,11个金属氧化物型气敏元件用于检测多种有机/无机化合物;4个电化学型气敏元件用于检测NH3、H2S、CS2、SO2这4种无机化合物;1个光离子型气敏元件用于检测总挥发性有机化合物。
3.根据权利要求1所述的恶臭气体多点集中式在线监测与分析系统,其特征是,恶臭气体多点集中式在线监测与分析系统最大监测区域为2km*2km=4km2,可布置10个监测点,其中,9个固定监测点,1个移动监测点;恶臭电子鼻仪器位于室内,通过内径φ10mm的不锈钢管道与各室外监测点相连接;气体采样探头采用水龙头形式,与环境空气净化装置连接,随用随换;改变监测点位置只需重新铺设不锈钢管道,安装和移动气体采样探头到指定位置即可。
4.根据权利要求1所述的恶臭气体多点集中式在线监测与分析系统,其特征是,8个或更多监测点绕监测区域边界设置,恶臭电子鼻仪器和10个监测点位置设置以不锈钢气体管道最短为目标;对路径可达的化工园区、居民小区区域,恶臭电子鼻仪器布置在监测区域中心的某个室内;对无路可达的垃圾填埋场、污水处理厂区域,恶臭电子鼻仪器布置在监测区域边界的某个室内。
5.根据权利要求1所述的恶臭气体多点集中式在线监测与分析系统,其特征是,外置真空泵抽气速率250-280L/min,极限真空度100-120mbar,长期连续工作,可通过内径φ10mm不锈钢管道在1min之内将直线距离达2.5km的一个监测点的恶臭气体抽吸到恶臭电子鼻仪器内;在单周期T0内,除恶臭气体顶空采样30s这一阶段外,其余阶段被抽吸到恶臭电子鼻仪器内的恶臭气体并不流经气敏传感器阵列环形工作腔,而是被直接排出到室外。
6.根据权利要求1所述的恶臭气体多点集中式在线监测与分析系统,其特征是,恶臭电子鼻仪器内部设置有一个尺寸为φ40mm*5mm的气体缓冲室,恶臭气体在此处的流速较内径φ10mm不锈钢管道骤降16倍;只有在恶臭气体顶空采样30s这一阶段,内置微型真空泵才将气体缓冲室内的恶臭气体抽吸到气敏传感器阵列环形工作腔,气敏传感器阵列因此产生敏感响应;内置微型真空泵抽吸到的都是新鲜恶臭气体。
7.根据权利要求1所述的恶臭气体多点集中式在线监测与分析系统,其特征是,在恶臭气体顶空采样前,1,000ml/min洁净空气精确标定环节30s使得气敏传感器阵列对恶臭气体的多次感知在同一基线上进行;12~15Mpa压缩气体钢瓶标准容积为40L,转换到常温常压为6m3;当单周期T0=3min、4min和5min时,这样1瓶40L压缩洁净空气分别可用25天、33天和41天;恶臭电子鼻仪器所处室外的环境空气先用环境空气净化装置净化,然后被用来冲洗气敏传感器阵列,使之初步恢复到基准状态。
8.一种应用权利要求1-7任一所述的恶臭气体多点集中式在线监测与分析系统的方法,其特征是,恶臭电子鼻仪器对恶臭污染区域多个监测点长期在线监测和多种恶臭污染物浓度控制指标值的在线预测,包括以下步骤:
(1)开机:仪器预热30min;单击屏幕菜单的“空气净化器开”选项,空气净化器开始对恶臭电子鼻仪器所处的室内空气净化,长期持续工作直至操作人员单击“空气净化器关”选项为止;
在内置微型真空泵的抽吸作用下,净化环境空气以6,500mL/min的流量依次流经二位二通电磁阀I-5、气敏传感器阵列环形工作腔、二位二通电磁阀I-10,然后被排出到室外;气敏传感器阵列环形工作腔内的温度从室温达到恒定的55±0.1℃;
单击屏幕菜单的“外置真空泵开”选项;外置真空泵以250-280L/min的抽气速率和100-120mbar的极限真空度,通过内径φ10mm不锈钢管道在1min内将直线距离达2.5km的某个监测点恶臭气体抽吸到恶臭电子鼻仪器内,依次流过对应的二位二通电磁阀、真空压力表和气体缓冲室,然后直接排出到室外;外置真空泵持续抽吸恶臭气体,直到操作人员单击屏幕菜单的“外置真空泵关”选项为止;
修改屏幕菜单恶臭气体“单采样周期T0”设置,默认值T0=240s;10个监测点恶臭气体循环采样周期为T=10T0;
(2)恶臭气体循环采样周期开始:点击屏幕菜单的“开始检测”按钮,恶臭电子鼻仪器依次对10个监测点进行循环监测,计算机控制与数据分析系统在指定文件夹自动生成10个文本文件,以存储气敏传感器阵列对10个监测点恶臭气体的响应数据;
(3)监测点k的恶臭气体单采样周期开始;这里,k=1,2,…,10,取T0=240s:
(3.1)气敏传感器阵列初步恢复:单周期T0第0-155s,在内置微型真空泵的抽吸作用下,净化环境空气以6,500mL/min的流量依次流经二位二通电磁阀I-5、气敏传感器阵列环形工作腔、二位二通电磁阀I-10,然后被排出到室外;在6,500mL/min净化环境空气的作用下,气敏传感器阵列环形工作腔内积聚的热量被带走,粘附在气敏传感器敏感膜表面和管道内壁的恶臭气体分子被初步冲走,气敏传感器阵列初步恢复到基准状态,历时155s;外置真空泵持续抽吸;
10个二位二通电磁阀I-6-1~I-6-10只有I-6-k导通,其余9个断开,外置真空泵持续抽吸;
(3.2)洁净空气精确标定:在单周期T0第156-185s,二位二通电磁阀I-13导通,二位二通电磁阀I-5、I-8和I-10断开,二位二通电磁阀I-6-1~I-6-10保持步骤(3.1)的状态;在内置微型真空泵的抽吸作用下,洁净空气以1,000ml/min的流量依次流经二位二通电磁阀I-13、气体管道、气敏传感器阵列环形工作腔、节流阀、流量计、微型真空泵,然后被排出到室外;洁净空气使气敏传感器阵列精确恢复到基准状态;历时30s;外置真空泵持续抽吸;
(3.3)平衡:在单周期T0第186-190s,二位二通电磁阀I-5、I-8、I-10、I-13断开,二位二通电磁阀I-6-1~I-6-10保持步骤(3.1)的状态;气敏传感器阵列环形工作腔内无气体流动;自单周期T0第186s即平衡状态开始之刻起,计算机控制与数据分析系统开始记录气敏传感器阵列实时响应数据,并存储在指定的临时文件“temp.txt”里;历时5s;外置真空泵持续抽吸;
(3.4)监测点k恶臭气体顶空采样:在单周期T0第190-220s,二位二通电磁阀I-8导通,3个二位二通电磁阀I-5、I-13和I-10断开,二位二通电磁阀I-6-1~I-6-10保持步骤(3.1)的状态;在内置微型真空泵抽吸作用下,气体缓冲室内的恶臭气体以流量1,000ml/min依次流过气敏传感器阵列环形工作腔、节流阀、流量计、内置微型真空泵,最后排出到室外;气敏传感器阵列因此产生的敏感响应继续记录在临时文件“temp.txt”里,外置真空泵持续抽吸;历时30s;
(3.5)气敏传感器阵列冲洗:在单周期T0第221-240s,二位二通电磁阀I-5和I-10导通,二位二通电磁阀I-8和I-13断开,在微型真空泵抽吸作用下,流量6,500ml/min的净化环境空气以依次流经二位二通电磁阀I-5、气敏传感器阵列环形工作腔、二位二通电磁阀I-10,然后被排出到室外;与此同时,若k<10,则二位二通电磁阀I-6-k+1导通,10个二位二通电磁阀I-6-1~I-6-10的其余9个断开,外置真空泵转而抽吸监测点k+1的恶臭气体;若k=10,则令k+1=1,转入下一个恶臭气体循环采样周期,外置真空泵转而抽吸监测点k=1的恶臭气体;由于净化环境空气的作用,气敏传感器阵列环形工作腔内积聚的热量被带走,粘附在气敏传感器敏感膜表面和管道内壁的恶臭气体分子被初步冲走,气敏传感器阵列逐步恢复到基准状态;历时20s;其中:
(a)在单周期T0第221-230s,气敏传感器阵列响应数据继续记录在临时文件“temp.txt”里,历时10s;至第230s末,计算机控制与数据分析系统停止记录气敏传感器阵列响应数据;
(b)在单周期T0第231-240s,计算机控制与数据分析系统与此进行以下三项操作:
(b1)特征提取:自第231s之刻起,并从时长45s的临时文件“temp.txt”里提取各个气敏传感器的最大和最小稳态响应值,以最大响应值与最小响应值之差作为各个气敏传感器当前时刻t对监测点k恶臭气体的响应特征分量xi(t),i=1,2,…,16,并记录在对应的数据文件里;
(b2)气敏传感器阵列响应预测:机器学习模型依据已发生的气敏传感器阵列时间序列响应向量,实现在线自学习,并据此预测未来T、2T和3T时刻气敏传感器阵列的响应;
(b3)恶臭气体浓度控制指标值预测:机器学习模型依据气敏传感器阵列响应值预测监测点k的10+1项恶臭污染物浓度控制指标值,通过显示器显示出来,并将监测和预测结果通过Internet网络传送到中央控制室和多个固定/移动终端;
(3.6)监测点k恶臭气体单采样周期结束:回到步骤(3.1),监测点k+1恶臭气体单采样周期开始;若k+1>10,则转入下一个恶臭气体循环采样周期的监测点k=1开始;
(4)重复步骤(3.1)~(3.6),恶臭电子鼻仪器实现对10个监测点恶臭气体的循环在线监测、识别和10+1项恶臭污染物控制指标值的预测。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810471613.1A CN108709955B (zh) | 2018-05-17 | 2018-05-17 | 一种恶臭气体多点集中式在线监测与分析系统及方法 |
US16/642,531 US10948467B2 (en) | 2018-05-17 | 2018-05-30 | Online centralized monitoring and analysis method for multi-point malodorous gases using electronic nose instrument |
PCT/CN2018/088913 WO2019218395A1 (zh) | 2018-05-17 | 2018-05-30 | 一种恶臭气体多点集中式电子鼻仪器在线监测与分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810471613.1A CN108709955B (zh) | 2018-05-17 | 2018-05-17 | 一种恶臭气体多点集中式在线监测与分析系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108709955A CN108709955A (zh) | 2018-10-26 |
CN108709955B true CN108709955B (zh) | 2019-04-19 |
Family
ID=63869172
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810471613.1A Active CN108709955B (zh) | 2018-05-17 | 2018-05-17 | 一种恶臭气体多点集中式在线监测与分析系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108709955B (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109752495A (zh) * | 2019-03-20 | 2019-05-14 | 广州质量监督检测研究院 | 木质家具气味的检测方法 |
CN109946402A (zh) * | 2019-04-08 | 2019-06-28 | 山东省农业科学院畜牧兽医研究所 | 一种测定畜禽排泄物臭气的装置及方法 |
CN110186724A (zh) * | 2019-05-09 | 2019-08-30 | 清华大学 | 气体检测换气装置及其使用方法 |
CN110954572B (zh) * | 2019-11-28 | 2021-06-25 | 吉林大学 | 一种基于热裂解和人工嗅觉的土壤养分检测装置 |
CN111443159B (zh) * | 2020-01-23 | 2021-02-12 | 湖州老恒和酿造有限公司 | 一种气敏-气相色谱多源感知和电子鼻仪器在线检测方法 |
CN111443160B (zh) * | 2020-01-23 | 2021-02-12 | 湖州老恒和酿造有限公司 | 一种气敏-气相色谱信息融合和电子鼻仪器在线分析方法 |
US20230152287A1 (en) * | 2020-01-23 | 2023-05-18 | East China University Of Science And Technology | Gas-sensitive-gas-chromatographic electronic nose instrument and online analysis method of multiple state parameters of fermentation and malodorous pollutant processes |
CN111426801B (zh) * | 2020-05-09 | 2022-08-02 | 上海宁和环境科技发展有限公司 | 电子鼻学习驯化方法及其设备 |
CN112285312A (zh) * | 2020-10-30 | 2021-01-29 | 浙江大学 | 一种基于电子鼻检测饮用水异嗅等级的方法 |
CN113358702A (zh) * | 2021-06-08 | 2021-09-07 | 无锡时和安全设备有限公司 | 基于传感器阵列模块化的污染源监测系统 |
CN113970622A (zh) * | 2021-09-08 | 2022-01-25 | 复凌科技(上海)有限公司 | 一种连续性检测仪器快速检测算法 |
CN114544731A (zh) * | 2021-10-19 | 2022-05-27 | 重庆邮电大学 | 一种多用途智能网联空气检测装置 |
CN117035562B (zh) * | 2023-10-10 | 2024-01-30 | 云境商务智能研究院南京有限公司 | 基于电力大数据的环保智慧监测方法及数据分析设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201984064U (zh) * | 2011-03-29 | 2011-09-21 | 杭州旭东升科技有限公司 | 一种厂界挥发性有机污染物多点采样在线监测装置 |
CN202092981U (zh) * | 2011-04-01 | 2011-12-28 | 深圳市安鑫宝科技发展有限公司 | 基于电子鼻技术的恶臭检测仪 |
CN103760863A (zh) * | 2014-01-21 | 2014-04-30 | 杭州电子科技大学 | 基于传感器网络的恶臭类气体和VOCs监测系统 |
GB2532088A (en) * | 2014-11-10 | 2016-05-11 | Optosci Ltd | Multipoint gas sensing apparatus |
CN205920103U (zh) * | 2016-06-27 | 2017-02-01 | 郑州跃创电子科技有限公司 | 一种多气体多点位气体浓度检测装置 |
US9651531B2 (en) * | 2013-06-28 | 2017-05-16 | Aircuity, Inc. | Air sampling system providing compound discrimination via comparative PID approach |
CN107782855A (zh) * | 2017-11-27 | 2018-03-09 | 上海大族富创得科技有限公司 | 多点气体监测装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5342885A (en) * | 1976-09-30 | 1978-04-18 | Toshiba Corp | Manufacturing apparatus of simulated malodorous gas |
-
2018
- 2018-05-17 CN CN201810471613.1A patent/CN108709955B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201984064U (zh) * | 2011-03-29 | 2011-09-21 | 杭州旭东升科技有限公司 | 一种厂界挥发性有机污染物多点采样在线监测装置 |
CN202092981U (zh) * | 2011-04-01 | 2011-12-28 | 深圳市安鑫宝科技发展有限公司 | 基于电子鼻技术的恶臭检测仪 |
US9651531B2 (en) * | 2013-06-28 | 2017-05-16 | Aircuity, Inc. | Air sampling system providing compound discrimination via comparative PID approach |
CN103760863A (zh) * | 2014-01-21 | 2014-04-30 | 杭州电子科技大学 | 基于传感器网络的恶臭类气体和VOCs监测系统 |
GB2532088A (en) * | 2014-11-10 | 2016-05-11 | Optosci Ltd | Multipoint gas sensing apparatus |
CN205920103U (zh) * | 2016-06-27 | 2017-02-01 | 郑州跃创电子科技有限公司 | 一种多气体多点位气体浓度检测装置 |
CN107782855A (zh) * | 2017-11-27 | 2018-03-09 | 上海大族富创得科技有限公司 | 多点气体监测装置 |
Also Published As
Publication number | Publication date |
---|---|
CN108709955A (zh) | 2018-10-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108709955B (zh) | 一种恶臭气体多点集中式在线监测与分析系统及方法 | |
WO2019218395A1 (zh) | 一种恶臭气体多点集中式电子鼻仪器在线监测与分析方法 | |
CN108896706B (zh) | 大数据驱动的恶臭气体多点集中式电子鼻仪器在线分析方法 | |
Brown et al. | Relationships between socioeconomic and lifestyle factors and indoor air quality in French dwellings | |
Reiss et al. | Measurement of organic acids, aldehydes, and ketones in residential environments and their relation to ozone | |
Jo et al. | Indoor and outdoor bioaerosol levels at recreation facilities, elementary schools, and homes | |
Fischer et al. | Analysis of airborne microorganisms, MVOC and odour in the surrounding of composting facilities and implications for future investigations | |
Curren et al. | Identification and quantification of nuisance odors at a trash transfer station | |
Lim et al. | Characteristics and emission rates of odor from commercial swine nurseries | |
CN110763775A (zh) | 复合气体的气味浓度计算方法 | |
Bastl et al. | Is there an advantage to staying indoors for pollen allergy sufferers? Composition and quantitative aspects of the indoor pollen spectrum | |
Bereznicki et al. | Odor and odorous chemical emissions from animal buildings: Part 1. Project overview, collection methods, and quality control | |
CN209841839U (zh) | 一种用于不同恶臭源厂家之间的厂界型监测仪 | |
Jacobson et al. | Quality assured measurements of animal building emissions: Odor concentrations | |
Wojnarowska et al. | Identifying the location of odour nuisance emitters using spatial GIS analyses | |
Negrin et al. | Study of bioaerosols and site influence in the La Plata area (Argentina) using conventional and DNA (fingerprint) based methods | |
Morgenstern et al. | Lack of spatial variation of endotoxin in ambient particulate matter across a German metropolitan area | |
Cheong et al. | Intervention study of airborne fungal spora in homes with portable HEPA filtration units | |
Barczak et al. | Olfactometric methods application for odour nuisance assessment of wastewater treatment facilities in Poland | |
Goodarzi et al. | A scoping review of indoor air quality assessment in refurbished buildings | |
Karageorgos et al. | Characterization and dispersion modeling of odors from a piggery facility | |
Chatzidiakou et al. | Indoor Air Quality and Ventilation Measurement | |
Dorling | Measurement of odour intensity in farming situations | |
Lehtinen | Odorous volatile organic compounds in waste and wastewater management | |
Joo et al. | Field application of cost-effective sensors for the monitoring of NH3, H2S, and TVOC in environmental treatment facilities and the estimation of odor intensity |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |