CN111060653A - 一种基于数字孪生的大气污染实时监测预警无人机 - Google Patents
一种基于数字孪生的大气污染实时监测预警无人机 Download PDFInfo
- Publication number
- CN111060653A CN111060653A CN201911359568.1A CN201911359568A CN111060653A CN 111060653 A CN111060653 A CN 111060653A CN 201911359568 A CN201911359568 A CN 201911359568A CN 111060653 A CN111060653 A CN 111060653A
- Authority
- CN
- China
- Prior art keywords
- aerial vehicle
- unmanned aerial
- main controller
- vehicle main
- information
- 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
- 239000007789 gas Substances 0.000 claims abstract description 65
- 239000013618 particulate matter Substances 0.000 claims abstract description 48
- 238000012544 monitoring process Methods 0.000 claims abstract description 39
- 238000004891 communication Methods 0.000 claims abstract description 28
- 238000013500 data storage Methods 0.000 claims abstract description 19
- MWUXSHHQAYIFBG-UHFFFAOYSA-N nitrogen oxide Inorganic materials O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 claims abstract description 18
- 238000006243 chemical reaction Methods 0.000 claims description 27
- 238000001914 filtration Methods 0.000 claims description 27
- 230000003321 amplification Effects 0.000 claims description 26
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 26
- 239000002245 particle Substances 0.000 claims description 11
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 claims description 10
- 238000010248 power generation Methods 0.000 claims description 7
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 claims description 3
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 claims description 3
- 229910000037 hydrogen sulfide Inorganic materials 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 7
- 239000003344 environmental pollutant Substances 0.000 abstract description 7
- 231100000719 pollutant Toxicity 0.000 abstract description 7
- 238000012545 processing Methods 0.000 abstract description 6
- 238000013473 artificial intelligence Methods 0.000 abstract description 5
- 238000003062 neural network model Methods 0.000 description 10
- 238000000034 method Methods 0.000 description 9
- 230000007613 environmental effect Effects 0.000 description 6
- 238000003915 air pollution Methods 0.000 description 5
- 230000005611 electricity Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 239000000443 aerosol Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 239000005427 atmospheric aerosol Substances 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000006866 deterioration Effects 0.000 description 2
- 238000009792 diffusion process Methods 0.000 description 2
- 239000000428 dust Substances 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012876 topography Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 241000282414 Homo sapiens Species 0.000 description 1
- 239000000809 air pollutant Substances 0.000 description 1
- 231100001243 air pollutant Toxicity 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
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, e.g. intermittent, or the display, e.g. digital
- G01N33/0063—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method, e.g. intermittent, or the display, e.g. digital using a threshold to release an alarm or displaying 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
- 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
- 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
- G01N33/0027—General constructional details of gas analysers, e.g. portable test equipment concerning the detector
- G01N33/0036—Specially adapted to detect a particular component
- G01N33/0037—Specially adapted to detect a particular component for NOx
-
- 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
- G01N33/0027—General constructional details of gas analysers, e.g. portable test equipment concerning the detector
- G01N33/0036—Specially adapted to detect a particular component
- G01N33/0042—Specially adapted to detect a particular component for SO2, SO3
-
- 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
- G01N33/0027—General constructional details of gas analysers, e.g. portable test equipment concerning the detector
- G01N33/0036—Specially adapted to detect a particular component
- G01N33/0044—Specially adapted to detect a particular component for H2S, sulfides
-
- 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
- G01N33/0027—General constructional details of gas analysers, e.g. portable test equipment concerning the detector
- G01N33/0036—Specially adapted to detect a particular component
- G01N33/0054—Specially adapted to detect a particular component for ammonia
-
- G01N33/0068—
-
- 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
- G01N33/0073—Control unit therefor
- G01N33/0075—Control unit therefor for multiple spatially distributed sensors, e.g. for environmental monitoring
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
- B64U2101/00—UAVs specially adapted for particular uses or applications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A50/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE in human health protection, e.g. against extreme weather
- Y02A50/20—Air quality improvement or preservation, e.g. vehicle emission control or emission reduction by using catalytic converters
Abstract
本发明公开了一种基于数字孪生的大气污染实时监测预警无人机,包括无人机终端、服务器组和监控终端;所述无人机终端包括摄像头、有害气体浓度传感器、颗粒物浓度传感器、温度传感器、湿度传感器、风速传感器、风向传感器、高度计、无人机主控制器、数据存储装置、定位装置、无线通信装置、供电系统。本发明针对传统大气污染监测技术装备智能化水平较低、数据处理分析效率不够高等问题,本方案基于大数据、物联网、人工智能和5G通信等技术,建立城市环境的数字孪生模型,开展大气污染数据的处理分析及自动监测预警,实现对PM2.5、SO2、氮氧化物等大气污染物实时监测和预警。
Description
技术领域
本发明属于大气污染程度预测技术领域,具体涉及一种基于数字孪生的大气污染实时监测预警无人机。
背景技术
大工业时代虽然经济高速发展,但这种高速发展是以牺牲环境为代价的,在倡导环保的时代,环境保护的重要性日益凸显出来。在过去的十几年中,因为资源的开采造成的雾霾、沙尘暴、环境污染、生态退化、水土流失等问题严重影响着人类的生存,这都是人与自然发展不和谐的插曲。
近年来,各个盆地的空气质量问题逐渐显现,例如:川渝地区被称为中国第4大大气重污染区。由于四川盆地的盆底地势低(海拔200-750M),周围山地海拔高(1000-3000M),封闭的环境使盆底内边界层大气层稳定度高于同纬度其他地区,盆地内静风频率高,污染物扩散受阻,使得污染物持续累积。
为了防控盆地内的大气污染,主要通过污染物减排、联防联控、精准管理和预报预警。其中,大气污染的预报预警工作具有十分重要的意义。随着中国经济社会不断发展,经济规模迅速扩大和城市化进程日渐加快,由多种有害气体引起的大气气溶胶污染日趋严重,由气溶胶颗粒物造成能见度恶化时间也越来越多,大气污染(灰霾)天气已经成为一种常见环境灾害和污染事件。
因此,现阶段急需要提供一种基于数字孪生的大气污染实时监测预警无人机,来实现对PM2.5、SO2、氮氧化物等大气污染物实时监测和预警。
发明内容
本发明目的在于提供一种基于数字孪生的大气污染实时监测预警无人机,用于解决现有技术中存在的技术问题,比如:近年来,各个盆地的空气质量问题逐渐显现,例如:川渝地区被称为中国第4大大气重污染区。由于四川盆地的盆底地势低(海拔200-750M),周围山地海拔高(1000-3000M),封闭的环境使盆底内边界层大气层稳定度高于同纬度其他地区,盆地内静风频率高,污染物扩散受阻,使得污染物持续累积。由多种有害气体引起的大气气溶胶污染日趋严重,由气溶胶颗粒物造成能见度恶化时间也越来越多,大气污染(灰霾)天气已经成为一种常见环境灾害和污染事件。
为实现上述目的,本发明所采用的技术方案是:
一种基于数字孪生的大气污染实时监测预警无人机,包括无人机终端、服务器组和监控终端;
如图2所示,所述无人机终端包括摄像头、有害气体浓度传感器、颗粒物浓度传感器、温度传感器、湿度传感器、风速传感器、风向传感器、高度计、无人机主控制器、数据存储装置、定位装置、无线通信装置、供电系统;
所述摄像头与所述无人机主控制器连接,用于在所述无人机主控制器的控制下,采集无人机周边环境的视频图像信息并将所述视频图像信息发送至所述无人机主控制器;
所述有害气体浓度传感器与所述无人机主控制器连接,用于在所述无人机主控制器的控制下,采集无人机周边环境的有害气体浓度信息并将所述有害气体浓度信息发送至所述无人机主控制器;
所述颗粒物浓度传感器与所述无人机主控制器连接,用于在所述无人机主控制器的控制下,采集无人机周边环境的颗粒物浓度信息并将所述颗粒物浓度信息发送至所述无人机主控制器;
所述温度传感器与所述无人机主控制器连接,用于在所述无人机主控制器的控制下,采集无人机周边环境的温度信息并将所述温度信息发送至所述无人机主控制器;
所述湿度传感器与所述无人机主控制器连接,用于在所述无人机主控制器的控制下,采集无人机周边环境的湿度信息并将所述湿度信息发送至所述无人机主控制器;
所述风速传感器与所述无人机主控制器连接,用于在所述无人机主控制器的控制下,采集无人机周边环境的风速信息并将所述风速信息发送至所述无人机主控制器;
所述风向传感器与所述无人机主控制器连接,用于在所述无人机主控制器的控制下,采集无人机周边环境的风向信息并将所述风向信息发送至所述无人机主控制器;
所述高度计与所述无人机主控制器连接,用于在所述无人机主控制器的控制下,采集无人机的高度信息并将所述高度信息发送至所述无人机主控制器;
所述定位装置与所述无人机主控制器连接,用于在所述无人机主控制器的控制下,采集无人机的地理位置信息并将所述地理位置信息发送至所述无人机主控制器;
所述数据存储装置与所述无人机主控制器连接,用于存储所述无人机主控制器发送的各类信息,还用于存储有害气体阈值浓度信息和颗粒物阈值浓度信息;
所述无线通信装置用于建立所述无人机主控制器与所述服务器组之间的网络通信;
所述供电系统用于给整个所述无人及终端供电;
所述无人机主控制器用于:控制所述有害气体浓度传感器和所述颗粒物浓度传感器动作;
当所述有害气体浓度传感器采集的有害气体浓度信息到达所述有害气体阈值浓度信息或所述颗粒物浓度传感器采集的颗粒物浓度信息到达所述颗粒物阈值浓度信息时,所述控制器控制所述摄像头、温度传感器、湿度传感器、风速传感器、风向传感器、高度计和定位装置动作,当所述有害气体浓度传感器采集的有害气体浓度信息没有到达所述有害气体阈值浓度信息且所述颗粒物浓度传感器采集的颗粒物浓度信息没有到达所述颗粒物阈值浓度信息时,所述控制器控制所述摄像头、温度传感器、湿度传感器、风速传感器、风向传感器、高度计和定位装置不动作,对各类电子器件的优化控制,有利于无人机的续航,因为无人机本身携带的能源有限,光伏发电也要视情况而定,所以最根本的续航手段是从自身用电量出发,合理优化无人机自身用电规范,从而有效提升无人机的续航能力,相关实验数据表明,采用这样的电子器件优化控制,可增加无人机20%左右的续航能力,并且,相应的减少了无人机主控制器运行内存压力和数据存储装置的数据存储压力,并将采集的各类信息通过所述无线通信装置发送至所述服务器组,此处各类信息即为上述各个电子器件所采集到的信息;
所述服务器组用于:获取上一时间周期的有害气体浓度信息和颗粒物浓度信息,对获取的有害气体浓度信息和颗粒物浓度信息进行修正,同时对该时间周期内的大气污染程度进行划分;确定神经网络的输入和输出数据;从而建立elman神经网络模型;对修正后的有害气体浓度信息和颗粒物浓度信息进行归一化处理,进而代入所述elman神经网络模型进行训练,将所述elman神经网络模型的预测误差控制在预设范围内;获取预测日前一时间周期的有害气体浓度信息和颗粒物浓度信息,并将其作为所述elman神经网络模型的输入,进而预测输出的大气污染程度;所述服务器组将该预测输出的大气污染程度发送至所述监控终端。
本方案解决了传统大气污染监测技术装备智能化水平较低、数据处理分析效率不够高等问题,基于大数据、物联网、人工智能和5G通信等技术,建立城市环境的数字孪生模型;只需获取预测日前一时间周期的有害气体浓度信息和颗粒物浓度信息,并将其作为所述elman神经网络模型的输入,进而就可得到预测输出的大气污染程度;进一步的,所述服务器组将该预测输出的大气污染程度发送至所述监控终端,从而完整数字孪生的映射过程。
在本实施例中进一步的,所述摄像头与所述无人机主控制器之间依次连接有第一信号放大模块、第一信号滤波模块和第一模数转换模块,摄像头采集的视频图像信息准确度和精度得以提高;所述有害气体浓度传感器与所述无人机主控制器之间依次连接有第二信号放大模块、第二信号滤波模块和第二模数转换模块,有害气体浓度信息的准确度和精度得以提高;所述颗粒物浓度传感器与所述无人机主控制器之间连接有第三信号放大模块、第三信号滤波模块和第三模数转换模块,颗粒物浓度信息的准确度和精度得以提高;所述温度传感器与所述无人机主控制器之间依次连接有第四信号放大模块、第四信号滤波模块和第四模数转换模块,温度信息的准确度和精度得以提高;所述湿度传感器与所述无人机主控制器之间依次连接有第五信号放大模块、第五信号滤波模块和第五模数转换模块,湿度的准确度和精度得以提高;所述风速传感器与所述无人机主控制器之间依次连接有第六信号放大模块、第六信号滤波模块和第六模数转换模块,风速信息的准确度和精度得以提高;所述风向传感器与所述无人机主控制器之间依次连接有第七信号放大模块、第七信号滤波模块和第七模数转换模块,风向信息的准确度和精度得以提高;所述高度计与所述无人机主控制器依次连接有第八信号放大模块、第八信号滤波模块和第八模数转换模块,高度信息的准确度和精度得以提高;所述定位装置与所述无人机主控制器之间依次连接有第九信号放大模块、第九信号滤波模块和第九模数转换模块,地理位置信息的准确度和精度得以提高。
在本实施例中进一步的,所述供电系统包括蓄电池供电系统、光伏发电供电系统和汽油发电机供电系统中的一种或多种。主要以蓄电池供电系统给无人机终端供电,但是在此过程中,光伏发电供电系统为蓄电池供电系统充电,同时,汽油发电机供电系统也为蓄电池供电系统充电,从而进一步增强无人机的续航能力。
在本实施例中进一步的,所述有害气体浓度传感器包括氨气浓度传感器、硫化氢浓度传感器、二氧化硫浓度传感器、氮氧化物浓度传感器中的一种或多种。当然,本文的有害气体浓度传感器的种类不仅仅只有上述几种,本文只是列出几种较为典型的例子,此处就不在赘述其他不常用的传感器了。
在本实施例中进一步的,所述无人机终端还包括自动留样装置,所述自动留样装置与所述无人机主控制器连接。无人机可携带回留样的样本,为相关工作人员的分析奠定了基础,同时,也是对预测结果的一种核实,避免出现预测误差偏大直接导致预测错误的情况。
在本实施例中进一步的,所述数据存储装置为数据储存卡。便于后续对于数据的整流拷贝,数据储存卡拆卸比较方便,跟换维护也简单快捷。
在本实施例中进一步的,所述无线通信装置为4G通信或5G通信。由于无人机工作环境较为恶劣,并且与监控终端的距离相对较远,所以选择4G或5G是比较合理的,而其他WiFi或蓝牙等通信方式都有较大的局限,不适于此处。
在本实施例中进一步的,所述供电系统对所述无人机终端的供电由所述无人机主控制器控制,当无人机终端飞行到目标位置时,所述无人机主控制器才启动所述有害气体浓度传感器和所述颗粒物浓度传感器。进一步对无人机的电子器件进行了供电优化控制,从而更深层次的增强了无人机的续航能力。
本发明的有益技术效果是:本发明针对传统大气污染监测技术装备智能化水平较低、数据处理分析效率不够高等问题,本方案基于大数据、物联网、人工智能和5G通信等技术,建立城市环境的数字孪生模型,开展大气污染数据的处理分析及自动监测预警,实现对PM2.5、SO2、氮氧化物等大气污染物实时监测和预警;涉及大气污染监测系统、数据信息处理及人工智能等领域,可应用于大气污染的防治工作,具有很强的实用性。
设置了摄像头、有害气体浓度传感器和颗粒物浓度传感器,可利用无人机进行特殊区域的大气监测,使用的时候,利用摄像头将采集的图像发送到无人机主控制器、服务器组、监控终端,可以看到现场情况,进行大气监测,由于无人机处于高位,对排放气体监测,有较大的优势,可以满足各类用户的使用需求。
针对大气采样、气象监测、污染预警检测、紧急侦察等方面的需求研制而成的一款无人机,不仅可用于环保,还可用于消防救援、安监等领域,实现了一机多用;具有实时监测并传输数据、响应速度快、应用范围广的优点,为突发污染事件的取证、决策、指挥、现场监测、控制等其他应急管理提供辅助决策。有着广阔的市场需求,易于推广应用。
附图说明
图1显示为本发明的实施例的结构示意图。
图2显示为本发明的实施例的无人机终端电路结构示意图。
图3显示为本发明的实施例的各类传感器部分电路结构示意图。
具体实施方式
下面结合本发明的附图1-3,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例:
如图1所示,一种基于数字孪生的大气污染实时监测预警无人机,包括无人机终端、服务器组和监控终端;
如图2所示,所述无人机终端包括摄像头、有害气体浓度传感器、颗粒物浓度传感器、温度传感器、湿度传感器、风速传感器、风向传感器、高度计、无人机主控制器、数据存储装置、定位装置、无线通信装置、供电系统;
所述摄像头与所述无人机主控制器连接,用于在所述无人机主控制器的控制下,采集无人机周边环境的视频图像信息并将所述视频图像信息发送至所述无人机主控制器;
所述有害气体浓度传感器与所述无人机主控制器连接,用于在所述无人机主控制器的控制下,采集无人机周边环境的有害气体浓度信息并将所述有害气体浓度信息发送至所述无人机主控制器;
所述颗粒物浓度传感器与所述无人机主控制器连接,用于在所述无人机主控制器的控制下,采集无人机周边环境的颗粒物浓度信息并将所述颗粒物浓度信息发送至所述无人机主控制器;
所述温度传感器与所述无人机主控制器连接,用于在所述无人机主控制器的控制下,采集无人机周边环境的温度信息并将所述温度信息发送至所述无人机主控制器;
所述湿度传感器与所述无人机主控制器连接,用于在所述无人机主控制器的控制下,采集无人机周边环境的湿度信息并将所述湿度信息发送至所述无人机主控制器;
所述风速传感器与所述无人机主控制器连接,用于在所述无人机主控制器的控制下,采集无人机周边环境的风速信息并将所述风速信息发送至所述无人机主控制器;
所述风向传感器与所述无人机主控制器连接,用于在所述无人机主控制器的控制下,采集无人机周边环境的风向信息并将所述风向信息发送至所述无人机主控制器;
所述高度计与所述无人机主控制器连接,用于在所述无人机主控制器的控制下,采集无人机的高度信息并将所述高度信息发送至所述无人机主控制器;
所述定位装置与所述无人机主控制器连接,用于在所述无人机主控制器的控制下,采集无人机的地理位置信息并将所述地理位置信息发送至所述无人机主控制器;
所述数据存储装置与所述无人机主控制器连接,用于存储所述无人机主控制器发送的各类信息,还用于存储有害气体阈值浓度信息和颗粒物阈值浓度信息;
所述无线通信装置用于建立所述无人机主控制器与所述服务器组之间的网络通信;
所述供电系统用于给整个所述无人及终端供电;
所述无人机主控制器用于:控制所述有害气体浓度传感器和所述颗粒物浓度传感器动作;
当所述有害气体浓度传感器采集的有害气体浓度信息到达所述有害气体阈值浓度信息或所述颗粒物浓度传感器采集的颗粒物浓度信息到达所述颗粒物阈值浓度信息时,所述控制器控制所述摄像头、温度传感器、湿度传感器、风速传感器、风向传感器、高度计和定位装置动作,当所述有害气体浓度传感器采集的有害气体浓度信息没有到达所述有害气体阈值浓度信息且所述颗粒物浓度传感器采集的颗粒物浓度信息没有到达所述颗粒物阈值浓度信息时,所述控制器控制所述摄像头、温度传感器、湿度传感器、风速传感器、风向传感器、高度计和定位装置不动作,对各类电子器件的优化控制,有利于无人机的续航,因为无人机本身携带的能源有限,光伏发电也要视情况而定,所以最根本的续航手段是从自身用电量出发,合理优化无人机自身用电规范,从而有效提升无人机的续航能力,相关实验数据表明,采用这样的电子器件优化控制,可增加无人机20%左右的续航能力,并且,相应的减少了无人机主控制器运行内存压力和数据存储装置的数据存储压力,并将采集的各类信息通过所述无线通信装置发送至所述服务器组,此处各类信息即为上述各个电子器件所采集到的信息;
所述服务器组用于:获取上一时间周期的有害气体浓度信息和颗粒物浓度信息,对获取的有害气体浓度信息和颗粒物浓度信息进行修正,同时对该时间周期内的大气污染程度进行划分;确定神经网络的输入和输出数据;从而建立elman神经网络模型;对修正后的有害气体浓度信息和颗粒物浓度信息进行归一化处理,进而代入所述elman神经网络模型进行训练,将所述elman神经网络模型的预测误差控制在预设范围内;获取预测日前一时间周期的有害气体浓度信息和颗粒物浓度信息,并将其作为所述elman神经网络模型的输入,进而预测输出的大气污染程度;所述服务器组将该预测输出的大气污染程度发送至所述监控终端。
本方案解决了传统大气污染监测技术装备智能化水平较低、数据处理分析效率不够高等问题,基于大数据、物联网、人工智能和5G通信等技术,建立城市环境的数字孪生模型;只需获取预测日前一时间周期的有害气体浓度信息和颗粒物浓度信息,并将其作为所述elman神经网络模型的输入,进而就可得到预测输出的大气污染程度;进一步的,所述服务器组将该预测输出的大气污染程度发送至所述监控终端,从而完整数字孪生的映射过程。
如图3所示,在本实施例中进一步的,所述摄像头与所述无人机主控制器之间依次连接有第一信号放大模块、第一信号滤波模块和第一模数转换模块,摄像头采集的视频图像信息准确度和精度得以提高;所述有害气体浓度传感器与所述无人机主控制器之间依次连接有第二信号放大模块、第二信号滤波模块和第二模数转换模块,有害气体浓度信息的准确度和精度得以提高;所述颗粒物浓度传感器与所述无人机主控制器之间连接有第三信号放大模块、第三信号滤波模块和第三模数转换模块,颗粒物浓度信息的准确度和精度得以提高;所述温度传感器与所述无人机主控制器之间依次连接有第四信号放大模块、第四信号滤波模块和第四模数转换模块,温度信息的准确度和精度得以提高;所述湿度传感器与所述无人机主控制器之间依次连接有第五信号放大模块、第五信号滤波模块和第五模数转换模块,湿度的准确度和精度得以提高;所述风速传感器与所述无人机主控制器之间依次连接有第六信号放大模块、第六信号滤波模块和第六模数转换模块,风速信息的准确度和精度得以提高;所述风向传感器与所述无人机主控制器之间依次连接有第七信号放大模块、第七信号滤波模块和第七模数转换模块,风向信息的准确度和精度得以提高;所述高度计与所述无人机主控制器依次连接有第八信号放大模块、第八信号滤波模块和第八模数转换模块,高度信息的准确度和精度得以提高;所述定位装置与所述无人机主控制器之间依次连接有第九信号放大模块、第九信号滤波模块和第九模数转换模块,地理位置信息的准确度和精度得以提高。
在本实施例中进一步的,所述供电系统包括蓄电池供电系统、光伏发电供电系统和汽油发电机供电系统中的一种或多种。主要以蓄电池供电系统给无人机终端供电,但是在此过程中,光伏发电供电系统为蓄电池供电系统充电,同时,汽油发电机供电系统也为蓄电池供电系统充电,从而进一步增强无人机的续航能力。
在本实施例中进一步的,所述有害气体浓度传感器包括氨气浓度传感器、硫化氢浓度传感器、二氧化硫浓度传感器、氮氧化物浓度传感器中的一种或多种。当然,本文的有害气体浓度传感器的种类不仅仅只有上述几种,本文只是列出几种较为典型的例子,此处就不在赘述其他不常用的传感器了。
在本实施例中进一步的,所述无人机终端还包括自动留样装置,所述自动留样装置与所述无人机主控制器连接。无人机可携带回留样的样本,为相关工作人员的分析奠定了基础,同时,也是对预测结果的一种核实,避免出现预测误差偏大直接导致预测错误的情况。
在本实施例中进一步的,所述数据存储装置为数据储存卡。便于后续对于数据的整流拷贝,数据储存卡拆卸比较方便,跟换维护也简单快捷。
在本实施例中进一步的,所述无线通信装置为4G通信或5G通信。由于无人机工作环境较为恶劣,并且与监控终端的距离相对较远,所以选择4G或5G是比较合理的,而其他WiFi或蓝牙等通信方式都有较大的局限,不适于此处。
在本实施例中进一步的,所述供电系统对所述无人机终端的供电由所述无人机主控制器控制,当无人机终端飞行到目标位置时,所述无人机主控制器才启动所述有害气体浓度传感器和所述颗粒物浓度传感器。进一步对无人机的电子器件进行了供电优化控制,从而更深层次的增强了无人机的续航能力。
在本发明的描述中,需要理解的是,术语“逆时针”、“顺时针”“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
Claims (8)
1.一种基于数字孪生的大气污染实时监测预警无人机,其特征在于,包括摄像头、有害气体浓度传感器、颗粒物浓度传感器、温度传感器、湿度传感器、风速传感器、风向传感器、高度计、无人机主控制器、数据存储装置、定位装置、无线通信装置、供电系统;
所述摄像头与所述无人机主控制器连接,用于在所述无人机主控制器的控制下,采集无人机周边环境的视频图像信息并将所述视频图像信息发送至所述无人机主控制器;
所述有害气体浓度传感器与所述无人机主控制器连接,用于在所述无人机主控制器的控制下,采集无人机周边环境的有害气体浓度信息并将所述有害气体浓度信息发送至所述无人机主控制器;
所述颗粒物浓度传感器与所述无人机主控制器连接,用于在所述无人机主控制器的控制下,采集无人机周边环境的颗粒物浓度信息并将所述颗粒物浓度信息发送至所述无人机主控制器;
所述温度传感器与所述无人机主控制器连接,用于在所述无人机主控制器的控制下,采集无人机周边环境的温度信息并将所述温度信息发送至所述无人机主控制器;
所述湿度传感器与所述无人机主控制器连接,用于在所述无人机主控制器的控制下,采集无人机周边环境的湿度信息并将所述湿度信息发送至所述无人机主控制器;
所述风速传感器与所述无人机主控制器连接,用于在所述无人机主控制器的控制下,采集无人机周边环境的风速信息并将所述风速信息发送至所述无人机主控制器;
所述风向传感器与所述无人机主控制器连接,用于在所述无人机主控制器的控制下,采集无人机周边环境的风向信息并将所述风向信息发送至所述无人机主控制器;
所述高度计与所述无人机主控制器连接,用于在所述无人机主控制器的控制下,采集无人机的高度信息并将所述高度信息发送至所述无人机主控制器;
所述定位装置与所述无人机主控制器连接,用于在所述无人机主控制器的控制下,采集无人机的地理位置信息并将所述地理位置信息发送至所述无人机主控制器;
所述数据存储装置与所述无人机主控制器连接,用于存储所述无人机主控制器发送的各类信息,还用于存储有害气体阈值浓度信息和颗粒物阈值浓度信息;
所述无线通信装置用于建立所述无人机主控制器与所述服务器组之间的网络通信;
所述供电系统用于给整个所述无人及终端供电;
所述无人机主控制器用于:控制所述有害气体浓度传感器和所述颗粒物浓度传感器动作;
当所述有害气体浓度传感器采集的有害气体浓度信息到达所述有害气体阈值浓度信息或所述颗粒物浓度传感器采集的颗粒物浓度信息到达所述颗粒物阈值浓度信息时,所述控制器控制所述摄像头、温度传感器、湿度传感器、风速传感器、风向传感器、高度计和定位装置动作,并将采集的各类信息通过所述无线通信装置发送至服务器组和监控终端。
2.根据权利要求1所述的一种基于数字孪生的大气污染实时监测预警无人机,其特征在于,所述摄像头与所述无人机主控制器之间依次连接有第一信号放大模块、第一信号滤波模块和第一模数转换模块;所述有害气体浓度传感器与所述无人机主控制器之间依次连接有第二信号放大模块、第二信号滤波模块和第二模数转换模块;所述颗粒物浓度传感器与所述无人机主控制器之间连接有第三信号放大模块、第三信号滤波模块和第三模数转换模块;所述温度传感器与所述无人机主控制器之间依次连接有第四信号放大模块、第四信号滤波模块和第四模数转换模块;所述湿度传感器与所述无人机主控制器之间依次连接有第五信号放大模块、第五信号滤波模块和第五模数转换模块;所述风速传感器与所述无人机主控制器之间依次连接有第六信号放大模块、第六信号滤波模块和第六模数转换模块;所述风向传感器与所述无人机主控制器之间依次连接有第七信号放大模块、第七信号滤波模块和第七模数转换模块;所述高度计与所述无人机主控制器依次连接有第八信号放大模块、第八信号滤波模块和第八模数转换模块;所述定位装置与所述无人机主控制器之间依次连接有第九信号放大模块、第九信号滤波模块和第九模数转换模块。
3.根据权利要求1所述的一种基于数字孪生的大气污染实时监测预警无人机,其特征在于,所述供电系统包括蓄电池供电系统、光伏发电供电系统和汽油发电机供电系统中的一种或多种。
4.根据权利要求1所述的一种基于数字孪生的大气污染实时监测预警无人机,其特征在于,所述有害气体浓度传感器包括氨气浓度传感器、硫化氢浓度传感器、二氧化硫浓度传感器、氮氧化物浓度传感器中的一种或多种。
5.根据权利要求1所述的一种基于数字孪生的大气污染实时监测预警无人机,其特征在于,所述无人机终端还包括自动留样装置,所述自动留样装置与所述无人机主控制器连接。
6.根据权利要求1所述的一种基于数字孪生的大气污染实时监测预警无人机,其特征在于,所述数据存储装置为数据储存卡。
7.根据权利要求1所述的一种基于数字孪生的大气污染实时监测预警无人机,其特征在于,所述无线通信装置为4G通信或5G通信。
8.根据权利要求1所述的一种基于数字孪生的大气污染实时监测预警无人机,其特征在于,所述供电系统对所述无人机终端的供电由所述无人机主控制器控制,当无人机终端飞行到目标位置时,所述无人机主控制器才启动所述有害气体浓度传感器和所述颗粒物浓度传感器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911359568.1A CN111060653A (zh) | 2019-12-25 | 2019-12-25 | 一种基于数字孪生的大气污染实时监测预警无人机 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911359568.1A CN111060653A (zh) | 2019-12-25 | 2019-12-25 | 一种基于数字孪生的大气污染实时监测预警无人机 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111060653A true CN111060653A (zh) | 2020-04-24 |
Family
ID=70303548
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911359568.1A Pending CN111060653A (zh) | 2019-12-25 | 2019-12-25 | 一种基于数字孪生的大气污染实时监测预警无人机 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111060653A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113477688A (zh) * | 2021-06-25 | 2021-10-08 | 岩土科技股份有限公司 | 一种喷洒装置及使用方法与应用 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106546703A (zh) * | 2016-11-17 | 2017-03-29 | 广州正虹科技发展有限公司 | 大气质量监测系统、方法及装置 |
CN206741671U (zh) * | 2017-06-02 | 2017-12-12 | 中国科学院城市环境研究所 | 一种基于飞行器的大气污染物监测与预警系统 |
CN207007576U (zh) * | 2016-12-16 | 2018-02-13 | 常州市环境监测中心 | 一种用于大气采样及有毒有害气体监测的无人机 |
CN207072438U (zh) * | 2017-04-17 | 2018-03-06 | 山东翔鸿电子科技有限公司 | 混合动力无人机 |
CN207395109U (zh) * | 2017-10-09 | 2018-05-22 | 王梓先 | 一种室内空气监控及净化系统 |
CN207631503U (zh) * | 2017-11-28 | 2018-07-20 | 北京正兴弘业科技有限公司 | 一种长航时无人机油电混合动力系统 |
CN109738239A (zh) * | 2019-03-04 | 2019-05-10 | 环境保护部华南环境科学研究所 | 一种基于无人机的多点空气采集和空气检测装置 |
CN109855685A (zh) * | 2019-02-22 | 2019-06-07 | 滨州学院 | 无人机环境监测装置 |
CN110208468A (zh) * | 2019-06-28 | 2019-09-06 | 南京威赛环保科技有限公司 | 一种基于无人飞行器的空气检测系统及其污染源检测方法 |
-
2019
- 2019-12-25 CN CN201911359568.1A patent/CN111060653A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106546703A (zh) * | 2016-11-17 | 2017-03-29 | 广州正虹科技发展有限公司 | 大气质量监测系统、方法及装置 |
CN207007576U (zh) * | 2016-12-16 | 2018-02-13 | 常州市环境监测中心 | 一种用于大气采样及有毒有害气体监测的无人机 |
CN207072438U (zh) * | 2017-04-17 | 2018-03-06 | 山东翔鸿电子科技有限公司 | 混合动力无人机 |
CN206741671U (zh) * | 2017-06-02 | 2017-12-12 | 中国科学院城市环境研究所 | 一种基于飞行器的大气污染物监测与预警系统 |
CN207395109U (zh) * | 2017-10-09 | 2018-05-22 | 王梓先 | 一种室内空气监控及净化系统 |
CN207631503U (zh) * | 2017-11-28 | 2018-07-20 | 北京正兴弘业科技有限公司 | 一种长航时无人机油电混合动力系统 |
CN109855685A (zh) * | 2019-02-22 | 2019-06-07 | 滨州学院 | 无人机环境监测装置 |
CN109738239A (zh) * | 2019-03-04 | 2019-05-10 | 环境保护部华南环境科学研究所 | 一种基于无人机的多点空气采集和空气检测装置 |
CN110208468A (zh) * | 2019-06-28 | 2019-09-06 | 南京威赛环保科技有限公司 | 一种基于无人飞行器的空气检测系统及其污染源检测方法 |
Non-Patent Citations (1)
Title |
---|
郝永超 等: "基于神经网络的邢台市空气质量预测模型构建研究", 《电脑与信息技术》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113477688A (zh) * | 2021-06-25 | 2021-10-08 | 岩土科技股份有限公司 | 一种喷洒装置及使用方法与应用 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111060654A (zh) | 一种基于数字孪生的无人机大气污染实时监测预警平台 | |
CN201707324U (zh) | 有毒有害气体应急监测无人机系统 | |
CN110531029B (zh) | 一种基于环保物联网大数据预测空气质量趋势的装置 | |
WO2019025906A1 (zh) | 一种提高大气污染物监测数据客观性的方法及系统 | |
CN104459830A (zh) | 分布式室外环境监测系统 | |
GB2580217A (en) | Method of determining false negative rate of mobile monitoring and requisite number of mobile monitoring vehicles | |
CN104656719A (zh) | 一种降尘系统 | |
CN111811572A (zh) | 一种基于大数据的船舶废气排放实时监测方法 | |
CN113804598A (zh) | 基于大数据的施工环境监测系统及监测方法 | |
CN207751964U (zh) | 一种企业生产空气污染质量监测系统 | |
CN113125683B (zh) | 一种船用燃料油含硫量移动监测装置及方法 | |
CN101493680A (zh) | 一种尾矿库数字化安全监测系统方法及装置 | |
CN107797161A (zh) | 北斗扬尘监控终端 | |
CN107231127A (zh) | 分布式光伏系统智能诊断与线下清洁服务SaaS平台 | |
CN204666608U (zh) | 基于北斗定位的空气污染监控系统 | |
CN106546703A (zh) | 大气质量监测系统、方法及装置 | |
CN111060653A (zh) | 一种基于数字孪生的大气污染实时监测预警无人机 | |
CN209560085U (zh) | 基于激光雷达的四步闭环大气污染溯源系统 | |
CN103533673B (zh) | 一种基于无线传感器网络的风沙监测系统 | |
CN208077010U (zh) | 一种新型水文气象观测系统 | |
CN114056498A (zh) | 一种模块化智能水上无人作业平台 | |
CN116679011A (zh) | 一种监测碳排放源的无人机设备及监测方法 | |
CN109186677A (zh) | 一种水气一体化在线监测系统 | |
CN113625760B (zh) | 一种无人机大气污染巡查系统及方法 | |
CN104750010A (zh) | 一种太阳能电站用环境监控仪及控制方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200424 |