CN111258334A - 一种环境污染自动寻源方法 - Google Patents
一种环境污染自动寻源方法 Download PDFInfo
- Publication number
- CN111258334A CN111258334A CN202010206076.5A CN202010206076A CN111258334A CN 111258334 A CN111258334 A CN 111258334A CN 202010206076 A CN202010206076 A CN 202010206076A CN 111258334 A CN111258334 A CN 111258334A
- Authority
- CN
- China
- Prior art keywords
- aerial vehicle
- unmanned aerial
- module
- data
- concentration
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000003912 environmental pollution Methods 0.000 title claims abstract description 30
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 90
- 231100000719 pollutant Toxicity 0.000 claims abstract description 90
- 238000001514 detection method Methods 0.000 claims abstract description 48
- 238000012544 monitoring process Methods 0.000 claims abstract description 26
- 238000004891 communication Methods 0.000 claims abstract description 23
- 230000008569 process Effects 0.000 claims abstract description 16
- 238000007405 data analysis Methods 0.000 claims description 17
- 238000006243 chemical reaction Methods 0.000 claims description 14
- 239000000428 dust Substances 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 11
- 230000008859 change Effects 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 abstract description 5
- 238000009792 diffusion process Methods 0.000 abstract description 3
- 239000007789 gas Substances 0.000 description 32
- 238000012358 sourcing Methods 0.000 description 12
- MWUXSHHQAYIFBG-UHFFFAOYSA-N Nitric oxide Chemical compound O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 4
- 239000004065 semiconductor Substances 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000012806 monitoring device Methods 0.000 description 3
- 238000003915 air pollution Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000000630 rising effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000000149 argon plasma sintering Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000013618 particulate matter Substances 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000003911 water pollution Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/12—Target-seeking control
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种环境污染自动寻源方法,属于自动控制轨迹跟踪技术领域。本发明通过在无人机端搭载检测模块、高精度定位模块和无线通信模块,从而实现对污染物的超视距监控;同时,结合MATLAB软件对无人机采集的数据进行分析处理,通过污染物浓度公式计算出各点污染物的浓度大小,并分析污染物扩散路径,结合浓度梯度信息,对无人机的飞行轨迹进行控制,从而确定污染源的位置信息并反馈,完成自动寻源过程,机动性强,检测范围广,而且不受场地限制。
Description
技术领域
本发明属于自动控制轨迹跟踪技术领域,更具体地说,涉及一种环境污染自动寻源方法。
背景技术
近年来,随着人们对环境质量的关注度越来越高,为了进一步改善我国的空气质量,很多空气污染监测装置也陆续登上市场。其中,扬尘监测、PM2.5监测等各种监测系统已经比较成熟,该种监测设备大多是通过采用相关检测污染物的传感器实现对污染物浓度的监测,然后反馈相关监测数据,并对数据进行处理,最终实现对空气污染的监测。
但是,由于气体污染物不断从污染源中释放后,在风力的作用下会向周围扩散,同时,污染物浓度会受到气体自身的物理特性、地形地貌、建筑物等因素的影响,从而呈现间歇、浓度递减状态分布。然而现有的大气污染监测点位置固定,对于突发事件导致的污染源,很难准确定位其具体的位置。同时,现在的环境污染具有区域范围大、区域间污染物传输量大、污染源种类多、污染因子相对复杂等特点,环境监管难度非常大。此外,由于成本原因及监测的数据和分析系统的大小问题,现有的检测系统无法搭载多个监测器,使得传统的监测装置虽然能够监测大气环境的污染物浓度,但每次只能对一种污染物进行监测,效果显得比较单一。
经检索,中国专利申请号为:201710315977.6,申请日为:2017年05月08日,发明创造名称为:一种无人机排查污染源的方法及污染源排查系统。该申请案公开了一种无风状态下无人机排查污染源的方法,包括以下步骤:(1)无人机升空后,按正六边形飞行,在每个顶点处测量空气中污染气体的含量,根据6个顶点处的污染气体含量,判断污染源方向;(2)无人机朝污染源方向飞行一段距离后,继续按照正六边形飞行,并在每个顶点处测量空气中污染气体的含量,根据6个顶点处的污染气体含量,再次判断污染源方向;直至测量到污染气体含量最高点时,即为所述污染源位置。但是,该申请案中没有考虑风扰动的情况,且在高度上是在一个定点控制无人机垂直上下飞行进行污染气体浓度检测,检测准确性有待进一步提高。
发明内容
1.要解决的问题
本发明的目的在于克服传统污染监测装置难以准确定位污染源的位置、且只能对一种污染物进行检测,效果较为单一的不足,提供了一种环境污染自动寻源方法。采用本发明的技术方案能够实现自动寻源循环过程,最终确切的找到污染源的位置;还可通过多种传感器的搭载实现多种污染物的同时检测。
2.技术方案
为了解决上述问题,本发明所采用的技术方案如下:
本发明的一种环境污染自动寻源方法,包括如下步骤:
步骤一:将主控模块、检测模块、定位模块和无线通信模块搭载到无人机平台;
步骤二:控制无人机在区域内飞行并进行污染物监测,然后将所得数据经地面接收站传输至数据分析模块;
步骤三:数据分析模块对数据进行处理,利用污染物浓度公式计算出区域内最大污染物的浓度并获取其位置坐标;
步骤四:以步骤三中所得最大污染物浓度的位置坐标为参考点构建大气污染物时空变化立体模型,并控制无人机飞往该模型区域,完成一个自动寻源过程;
步骤五:无人机在步骤四中所构建的模型区域内重复步骤二至步骤四操作,最终找出污染源。
更进一步的,步骤二中,无人机进行区域飞行时,设定高度h后,先上升至1/3h的高度并以S型轨迹飞满所在平面,再上升至2/3h的高度以S型轨迹飞满所在平面,直至飞满整个区域,然后将测得的多个污染物浓度及位置坐标的数据经主控模块整合后,由无线通信模块发送回地面接收站;最后由地面接收站的无线通信模块接收后传输至主控模块处理,再由数据转化模块转换成USB数据传输至数据分析模块。
更进一步的,无人机采用APM自动驾驶控制器;所述主控模块采用STM32芯片;所述无线通信模块采用NRF24L01无线模块,且其通过SPI引脚与主控模块相连。
更进一步的,所述NRF24L01无线模块采用SPI通信;步骤二中,所述数据转化模块采用CP2102串口转化模块;所述数据分析模块采用PC端MATLAB软件。
更进一步的,步骤三中,所述污染物浓度公式如下:
C浓度=a×10(-b+c×log(vol/vcc)
其中,a、b、c均为系数值,vol为传感器测得的电压值,vcc为参考电压值。
更进一步的,步骤三中,所述污染物浓度公式如下:
其中,a、b、c、d均为系数值,vol为传感器测得的电压值。
更进一步的,步骤四中,采用MATLAB软件对检测所得数据进行分析处理,建立时空变化立体模型;步骤五中,无人机飞往模型区域后,根据MATLAB软件上生成的3D空间气体分布图,利用污染物浓度梯度变化,控制无人机飞往浓度较大的区域内进行检测,快速找到污染源。
更进一步的,所述检测模块和定位模块均通过引脚与主控模块相连;其中,所述检测模块包括气体传感器、激光粉尘传感器;所述定位模块包括GPS定位装置。
3.有益效果
相比于现有技术,本发明的有益效果为:
(1)本发明的一种环境污染自动寻源方法,通过在无人机端搭载检测模块、高精度定位模块和无线通信模块,实现污染物的超视距监控;同时,结合MATLAB软件对无人机采集的数据进行分析处理,通过污染物浓度公式计算出各点污染物的浓度大小,并分析污染物扩散路径,结合浓度梯度信息,对无人机的飞行轨迹进行控制,从而确定污染源的位置信息并反馈,完成自动寻源过程,机动性强,检测范围广,而且不受场地限制。
(2)本发明的一种环境污染自动寻源方法,通过将无人机与检测模块相结合,并结合定位模块和数据处理模块,利用污染物浓度的梯度变化实现自动寻找污染源的功能,其应用范围较为广泛,不仅可以搭载在无人机监测大气污染并寻找到污染源的位置,实现自动寻源过程,也可以搭载在水下工具上,用于监测水体污染并准确找到相关污染所排放的污染源位置,实行监督并反馈,从而实现自动寻源过程,其应用领域和监测种类较为广泛。
(3)本发明的一种环境污染自动寻源方法,一方面,将各种高精度检测传感器搭载在无人机平台,并且可根据实际检测需求对传感器的种类进行组合和更换,以便更好地用于不同环境的检测,尤其是用于高危环境下的污染精准检测。另一方面,通过对无人机飞行的轨迹和方式进行优化设计,尤其是在某个固定高度下,在该平面内以S型轨迹进行飞行,然后再上升一定高度后,继续在新的平面内以S型轨迹进行飞行,从而有利于确保在监测区域内采集的数据更齐全,进而能够精准定位污染源,较现有检测方法而言,准确性更高。
(4)本发明的一种环境污染自动寻源方法,无人机通过实时监测和数据分析反馈控制,通过不断更换参考点建立大气污染物时空变化立体模型,实现对污染源的定位,与传统环境监测手段相比,该方法中使用的设备简单、成本低、且便于操作;且其适用性广,可应用于野外、城市、尤其是高危等各种不同的环境和场合。同时,使用该方法采集的数据准确、时空分辨率高,另外,通过三维可视化处理,能够直观显示污染物分布(水平分布、垂直分布),有利于快速确定污染源,从而减少了寻找污染源的时间,从而迅速精准的找到污染源。
(5)本发明的一种环境污染自动寻源方法,所使用的无人机采用APM自动驾驶控制器,主控模块采用STM32芯片,无线通信模块采用NRF24L01无线模块,并采用SPI进行通信。数据分析模块采用PC端MATLAB软件,通过使用MATLAB软件对检测所得数据进行分析和处理,构建大气污染物时空变化立体模型,从而实现污染物水平分布、垂直分布、时间分布的直观显示,再结合精密检测仪器,可对污染物的时空分布进行高分辨率检测。
(6)本发明的一种环境污染自动寻源方法,检测模块包括气体传感器、激光粉尘传感器和湿度传感器,通过多种类传感器的设置,各个传感器之间各司其职,能够同时检测多种污染物的浓度数据,尤其是气体传感器采用半导体气敏传感器,一方面能够直接检测对应气体污染物的浓度数据,另一方面,各气体污染物之间不会产生较大影响,有利于保证检测结果的准确性。
附图说明
图1为本发明的一种环境污染自动寻源系统的模块连接框图;
图2为实施例1中无人机端搭载的模块连接框图;
图3为实施例1中无人机端搭载的模块连接电路图;
图4为实施例1中地面接收站的模块连接框图;
图5为实施例1中地面接收站的模块连接电路图;
图6为本发明的激光粉尘传感器进行湿度补偿的原理框图;
图7为本发明的自动寻源系统构建的大气污染物时空变化立体模型及无人机自动寻源流程图。
具体实施方式
针对现在的环境污染具有区域范围大、区域间污染物传输量大、污染源种类多、污染因子相对复杂等问题,现有传统的环境污染自动监测站用地面积大,成本及运营费用较高,很难进行大面积、精密化布点,导致环境监管难度非常大。因此,开发一种快速、高效、大区域监测系统,用来解决人工、视频、监测站等监管存在的问题,从而实现对污染源的精准监控,以满足污染防治需求。采用本发明的自动寻源方法对污染区域进行自动监测,并通过对得到的检测数据进行分析处理,理清污染物的分布、扩散特点,从而实现自动精准定位污染源,一方面能够为环境污染治理提供有效的数据支撑及治理效果反馈,另一方面,进一步降低检测工作人员的工作难度,节约了大量的人力、物力。
此外,本发明的一种环境污染自动寻源方法,一方面,将各种高精度检测传感器搭载在无人机平台,并且可根据实际检测需求对传感器的种类进行组合和更换,以便更好地用于不同环境的检测,尤其是用于高危环境下的污染精准检测。另一方面,通过对无人机飞行的轨迹和方式进行优化设计,尤其是在某个固定高度下,在该平面内以S型轨迹进行飞行,然后再上升一定高度后,继续在新的平面内以S型轨迹进行飞行,从而有利于确保在监测区域内采集的数据更齐全,进而能够精准定位污染源,较现有检测方法而言,准确性更高。
下面结合具体实施例对本发明进一步进行描述。
实施例1
如图1所示,本实施例的一种环境污染自动寻源方法,采用自动寻源系统进行检测,其步骤如下:
步骤一、将各种高精度检测传感器安装在自动寻源系统上,像积木一样搭载于无人机平台,所述检测传感器可根据实际需要检测的污染物种类进行模块化设计,然后将上述传感器、定位模块和无线通信模块均与主控模块进行电路连接。
步骤二、控制步骤一中搭载好的无人机平台在待测污染区域内飞行,先设定高度h(该h为一个变量,具体值的确定根据待测区域的大小进行相关调整,本实施例并不对具体值做任何限定)后,先上升至1/3h的高度并以S型轨迹飞满所在平面,测得1/3h高度处的污染物相关数据;接着再上升至2/3h的高度,再以S型轨迹飞满所在平面,继续采集数据,直至飞满整个高度为h的立体空间待测区域,从而有利于确保在监测区域内采集的数据更齐全,进而能够精准定位污染源,较现有检测方法而言,准确性更高。
然后,将测得的多个污染物浓度及位置坐标的数据经主控模块(采用STM32芯片)整合后,由无线通信模块(NRF24L01无线模块)发送回地面接收站。
最后由地面接收站的无线通信模块接收后传输至主控模块(采用STM32芯片)处理,再由数据转化模块(CP2102串口转化模块)转换成USB数据传输至数据分析模块(PC端MATLAB软件)。
步骤三:PC端MATLAB软件读取串口数据,利用污染物浓度公式计算出区域内最大污染物的浓度并获取其位置坐标,并利用MATLAB中的绘图函数,以气体浓度为纵坐标,时间为横坐标,实时的绘制图像,直观的看出检测区域的污染物浓度分布,然后通过MATLAB软件根据所寻范围,获取污染物浓度最大值及该污染物浓度最大值所对应的位置坐标。
步骤四:以步骤三中所得最大污染物浓度的位置坐标为参考点构建大气污染物时空变化立体模型,同时控制无人机飞往模型区域,完成一个自动寻源过程,即找出步骤一设定的区域内的污染物浓度最大的位置坐标。
步骤五:无人机在步骤四中所构建的模型区域内,继续选择固定高度h为一个新的参考区域,进行步骤二至步骤四的操作,直到找出第一次构建的大气污染物时空变化立体模型内的污染物浓度最大的位置坐标。
具体的,如图7所示,本实施例的方法通过重复上述步骤二至步骤五的操作,每次均以所测区域内的污染物最大浓度点的位置为新的参考点,通过不断缩小污染物的寻找范围,最终找出污染源。本实施例中无人机通过实时监测和数据分析反馈控制,通过不断更换参考点建立大气污染物时空变化立体模型,实现对污染源的定位,与传统环境监测手段相比,该方法中使用的设备简单、成本低、且便于操作;且其适用性广,可应用于野外、城市、尤其是高危等各种不同的环境和场合,不受场地限制。同时,使用该方法采集的数据准确、时空分辨率高,另外,通过三维可视化处理,能够直观显示污染物分布(水平分布、垂直分布),有利于快速确定污染源,从而减少了寻找污染源的时间,从而迅速精准的找到污染源。
实施例2
如图1所示,本实施例的一种环境污染自动寻源方法,采用以下寻源系统实现环境污染的自动寻源过程,该寻源系统包括无人机、地面接收站和数据分析模块,所述无人机上搭载有主控模块、检测模块、定位模块和无线通信模块,所述地面接收站包括无线通信模块、主控模块和数据转化模块,所述无人机通过无线通信模块与地面接收站进行数据交互,地面接收站的数据转化模块输送信息给数据分析模块,数据分析模块对接收数据进行分析,完成环境污染的自动寻源。
具体的,所述无人机采用APM自动驾驶控制器,即为基于APM飞控的开源无人机,主要负责飞行,其上搭载的主控模块采用STM32芯片,APM飞控电源线与电源相连,引脚与STM32芯片管脚相连,STM32通过模拟发送ppm波来控制APM飞控,进而实现无人机的飞行。同时,本实施例的无线通信模块采用NRF24L01无线模块,并通过SPI与单片机进行通信,其目的是为了将气体浓度数据和当前空间位置信息(经度、纬度和高度)无线发送给地面站。具体的,如图1-5所示,通过搭载该NRF24L01无线模块来实现无人机与地面接收站进行信息传递,无人机将检测的数据经STM32芯片初步整合后发送给地面接收站,地面接收站接收后传输至数据分析模块进一步分析处理。
结合图2及图3,所述检测模块包括高精度检测传感器,并将上述传感器的引脚均与STM32芯片端口连接,实现模块化设计。一方面,可根据检测环境的不同来更换不同种类的传感器,另一方面,可根据实际检测的数据种类,对多种不同种类的传感器进行组合,各个传感器之间各司其职,能够同时检测多种污染物的浓度数据。本实施例中具体采用气体传感器和激光粉尘传感器,气体传感器具体包括:二氧化硫传感器、氮氧化物传感器,主要用于检测二氧化硫及氮氧化物等污染气体,且所述气体传感器优选为半导体气敏传感器,在检测污染物浓度时会得到相应污染物浓度所对应的电信号,即不同的浓度对应不同的电阻率,也就是不同的气体浓度对应着不同的电压值,通过STM32上的AD功能,采集模拟电压值,以此来推断气体浓度。采用半导体气敏传感器一方面能够直接检测对应气体污染物的浓度数据,另一方面,各气体污染物之间不会产生较大影响,有利于保证检测结果的准确性。所述激光粉尘传感器具体为pm2.5传感器及pm10传感器,如图6所示,其工作原理为:通过吸入一定体积的空气,利用激光散射得到污染物含量,产生的电信号经滤波放大器处理转化成电信号,进而能够直接得到污染物的浓度。由于空气中的粉尘会引起光的散射,因此选用光敏元件(可采用市面上现有可以直接购买的集成模块)进行检测,其与STM32的串口引脚相连接,并利用串口将数据发送出来。
所述定位模块包括GPS定位装置和位置传感器,二者都是通过串口STM32连接,其目的是为了获取当前无人机的空间位置(包括无人机的经度、纬度和高度),为后续的“自动寻源”提供可能。
由于无人机是通过NRF24L01无线模块发送数据的,但PC端上没有对于的接收硬件,所以需要使用地面接收站将NRF24L01无线模块发送过来的数据接收后,通过USB的方式传给电脑。如图4及图5所示,所述地面接收站主要包括:一块STM32芯片、NRF24L01无线模块、CP2102串口转化模块,其中,NRF24L01无线模块和CP2102串口转化模块的引脚均与STM32芯片相连,该地面接收站的工作原理为:通过NRF24L01无线模块接收无人机传输的数据,将数据整合后利用CP2102串口转化模块将信号转化为USB信号后,再利用串口的形式与PC端进行实时通讯。
所述数据分析模块采用PC端MATLAB软件来处理接受的数据,包括接收到的污染物数据、温度、地理信息等,利用大量实验得出的污染物浓度公式进行计算、统计、分析,实时绘制污染物浓度曲线,并利用地理信息建立立体空间模型,实时显示自动寻源系统当前所在的相对位置,最后将系统检测的各区域污染物浓度数据显示出来,与此同时自动寻源系统MCU计算得出最大污染物浓度,获取其位置坐标(经度、纬度、高度),并控制无人机自动飞往该位置,实现自动寻找污染源功能。
实现自动寻找污染源,采用的污染物浓度公式如下:
C浓度=a×10(-b+c×log(vol/vcc)
其中,a、b、c均为系数值,vol为传感器测得的电压值,vcc为参考电压值。
其中,a、b、c、d均为系数值,vol为传感器测得的电压值,vcc为参考电压值。
其中,vol为传感器测得的电压值。
当检测的污染物为NO(ppm)时,选用公式:C浓度=a×10(-b+c×log(vol/vcc),具体公式如下:
C浓度=2.05×10(-0.77816+1.0002log(vol/vcc)。
其中,vcc为给模块供电的电压(本实施例中为5v),而vol也就是单片机检测到气敏传感器的电压值。
实施例3
本实施例的一种环境污染自动寻源方法,其采用的自动寻源系统的主要结构基本同实施例2,其主要区别在于:所述检测模块还设有湿度传感器,该自动寻源系统各个传感器之间各司其职,检测各个污染物浓度数据,半导体气敏传感器直接检测对应气体污染物浓度数据,各气体污染物之间不会产生较大影响。激光粉尘传感器用于检测大气颗粒物浓度,而大气中水蒸气可能会对颗粒物的检测产生一定的影响,对此,我们可以在检测模块上添加湿度传感器,检测大气湿度,从而对激光粉尘传感器检测数据进行湿度补偿,保证检测数据的准确性。
如图6所示,光散射测量腔体吸入一定体积的空气后,利用激光散射,转化得到对应的电信号,再经滤波放大器处理转化成电信号后,传输至微处理器中进行处理时,通过设置湿度传感器来检测大气的湿度,因此能够对激光粉尘传感器检测的数据进行湿度补偿,从而有利于进一步提高检测数据的准确性。
此外,申请人在进行测试时发现,传感器在风速较高的环境中,其精度和稳定性会受到很大影响,为了解决风的扰动带来的问题,本发明通过将无人机上搭载的所有传感器(包括气体传感器、激光粉尘传感器和湿度传感器)放在一个的盒子中,该盒子上装有一个主动进气的装置,具体的,所述主动进气的装置(类似于电脑散热风机一样的装置)包括一个扇叶较多的螺旋桨和电机,由电机驱动螺旋桨进行转动,当螺旋桨的扇叶旋转起来,一方面可以抵挡外界的空气强制进入,确保没有高流速气体影响传感器的检测,从而保证测量精度和稳定性;另一方面,主动进气的装置的设置也保证了传感器与外界气体交换。
如图2及图3所示,所述定位模块上还设有气压传感器,通过气压传感器的设置,能够补偿GPS传感高度时的较大误差,有利于进一步提高检测数据的准确性,从而实现对污染源的精准定位。
Claims (8)
1.一种环境污染自动寻源方法,其特征在于,包括如下步骤:
步骤一:将主控模块、检测模块、定位模块和无线通信模块搭载到无人机平台;
步骤二:控制无人机在区域内飞行并进行污染物监测,然后将所得数据经地面接收站传输至数据分析模块;
步骤三:数据分析模块对数据进行处理,利用污染物浓度公式计算出区域内最大污染物的浓度并获取其位置坐标;
步骤四:以步骤三中所得最大污染物浓度的位置坐标为参考点构建大气污染物时空变化立体模型,并控制无人机飞往该模型区域,完成一个自动寻源过程;
步骤五:无人机在步骤四中所构建的模型区域内重复步骤二至步骤四操作,最终找出污染源。
2.根据权利要求1所述的一种环境污染自动寻源方法,其特征在于:步骤二中,无人机进行区域飞行时,设定高度h后,先上升至1/3h的高度并以S型轨迹飞满所在平面,再上升至2/3h的高度以S型轨迹飞满所在平面,直至飞满整个区域,然后将测得的多个污染物浓度及位置坐标的数据经主控模块整合后,由无线通信模块发送回地面接收站;最后由地面接收站的无线通信模块接收后传输至主控模块处理,再由数据转化模块转换成USB数据传输至数据分析模块。
3.根据权利要求2所述的一种环境污染自动寻源方法,其特征在于:无人机采用APM自动驾驶控制器;所述主控模块采用STM32芯片;所述无线通信模块采用NRF24L01无线模块,且其通过SPI引脚与主控模块相连。
4.根据权利要求3所述的一种环境污染自动寻源方法,其特征在于:所述NRF24L01无线模块采用SPI通信;步骤二中,所述数据转化模块采用CP2102串口转化模块;所述数据分析模块采用PC端MATLAB软件。
5.根据权利要求4所述的一种环境污染自动寻源方法,其特征在于:步骤三中,所述污染物浓度公式如下:
C浓度=a×10(-b+c×log(vol/vcc)
其中,a、b、c均为系数值,vol为传感器测得的电压值,vcc为参考电压值。
7.根据权利要求5或6所述的一种环境污染自动寻源方法,其特征在于:步骤四中,采用MATLAB软件对检测所得数据进行分析处理,建立时空变化立体模型;步骤五中,无人机飞往模型区域后,根据MATLAB软件上生成的3D空间气体分布图,利用污染物浓度梯度变化,控制无人机飞往浓度较大的区域内进行检测,快速找到污染源。
8.根据权利要求7所述的一种环境污染自动寻源方法,其特征在于:所述检测模块和定位模块均通过引脚与主控模块相连;其中,所述检测模块包括气体传感器、激光粉尘传感器;所述定位模块包括GPS定位装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010206076.5A CN111258334B (zh) | 2020-03-23 | 2020-03-23 | 一种环境污染自动寻源方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010206076.5A CN111258334B (zh) | 2020-03-23 | 2020-03-23 | 一种环境污染自动寻源方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111258334A true CN111258334A (zh) | 2020-06-09 |
CN111258334B CN111258334B (zh) | 2022-03-08 |
Family
ID=70947905
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010206076.5A Active CN111258334B (zh) | 2020-03-23 | 2020-03-23 | 一种环境污染自动寻源方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111258334B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112305163A (zh) * | 2020-10-21 | 2021-02-02 | 西北工业大学 | 基于固定翼无人机的大气污染监测系统及数据处理方法 |
CN112526065A (zh) * | 2020-11-19 | 2021-03-19 | 武汉云衡智能科技有限公司 | 一种基于无人机的自动定位污染源的系统及方法 |
CN112783988A (zh) * | 2020-12-29 | 2021-05-11 | 同济大学 | 一种空调通风系统内部环境参数的监测反馈及分析方法 |
CN112965520A (zh) * | 2021-02-02 | 2021-06-15 | 重庆特斯联智慧科技股份有限公司 | 环境智能监测系统及具有其的机器人 |
CN112985505A (zh) * | 2021-03-02 | 2021-06-18 | 清华大学 | 移动与固定感知结合的室内环境时空分布场生成方法 |
CN113706127A (zh) * | 2021-10-22 | 2021-11-26 | 长视科技股份有限公司 | 一种水域分析报告的生成方法及电子设备 |
CN113848226A (zh) * | 2021-09-22 | 2021-12-28 | 电子科技大学 | 一种智能化空间移动污染物自主溯源系统及溯源方法 |
CN114609899A (zh) * | 2022-03-17 | 2022-06-10 | 华中科技大学 | 一种基于多传感器协同的净化箱环境测控方法及系统 |
CN114878750A (zh) * | 2022-05-13 | 2022-08-09 | 苏州清泉环保科技有限公司 | 一种集大气污染监测及溯源为一体的智能化控制系统和方法 |
CN116360487A (zh) * | 2023-03-14 | 2023-06-30 | 珠海鼎正国信科技有限公司 | 一种基于气体监测数据的走航路线实时动态规划方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106896145A (zh) * | 2017-04-06 | 2017-06-27 | 邹霞 | 有毒有害气体无人机检测系统和检测方法 |
CN107132313A (zh) * | 2017-05-08 | 2017-09-05 | 南京信息工程大学 | 一种无人机排查污染源的方法及污染源排查系统 |
KR20170121858A (ko) * | 2016-04-26 | 2017-11-03 | 주식회사 베터라이프 | 실내 라돈농도 검출 알고리즘을 이용한 환기시스템 및 운용방법 |
CN107941988A (zh) * | 2017-10-16 | 2018-04-20 | 华南理工大学 | 一种检测气体污染源的无人机设备及监测方法 |
CN108535418A (zh) * | 2018-04-12 | 2018-09-14 | 盐城工学院 | 一种污染物溯源方法、装置、监控终端及存储介质 |
CN108826488A (zh) * | 2018-05-07 | 2018-11-16 | 大连理工大学 | 一种自动寻源式的室内污染净化去除装置及方法 |
CN109061049A (zh) * | 2018-06-21 | 2018-12-21 | 河南天腾测绘科技有限公司 | 一种全区域覆盖的气体数据监测方法 |
US20190113445A1 (en) * | 2017-10-16 | 2019-04-18 | Weimin Zhang | Air pollution monitoring system and air pollution monitoring method |
CN110244002A (zh) * | 2019-06-11 | 2019-09-17 | 徐州工业职业技术学院 | 一种基于无人机系统的大气污染源追踪方法 |
CN110610279A (zh) * | 2019-09-27 | 2019-12-24 | 复旦大学 | 一种大气细颗粒物污染源识别方法及其应用 |
KR20200009864A (ko) * | 2018-07-20 | 2020-01-30 | 대한민국 (관리부서 : 환경부 국립환경과학원장) | 드론 및 실시간이동 측정 차량을 이용한 오염원 추적방법 |
CN110763804A (zh) * | 2018-07-27 | 2020-02-07 | 浙江博来航天科技有限公司 | 基于无人机的大气污染源溯源系统及其方法 |
-
2020
- 2020-03-23 CN CN202010206076.5A patent/CN111258334B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20170121858A (ko) * | 2016-04-26 | 2017-11-03 | 주식회사 베터라이프 | 실내 라돈농도 검출 알고리즘을 이용한 환기시스템 및 운용방법 |
CN106896145A (zh) * | 2017-04-06 | 2017-06-27 | 邹霞 | 有毒有害气体无人机检测系统和检测方法 |
CN107132313A (zh) * | 2017-05-08 | 2017-09-05 | 南京信息工程大学 | 一种无人机排查污染源的方法及污染源排查系统 |
CN107941988A (zh) * | 2017-10-16 | 2018-04-20 | 华南理工大学 | 一种检测气体污染源的无人机设备及监测方法 |
US20190113445A1 (en) * | 2017-10-16 | 2019-04-18 | Weimin Zhang | Air pollution monitoring system and air pollution monitoring method |
CN108535418A (zh) * | 2018-04-12 | 2018-09-14 | 盐城工学院 | 一种污染物溯源方法、装置、监控终端及存储介质 |
CN108826488A (zh) * | 2018-05-07 | 2018-11-16 | 大连理工大学 | 一种自动寻源式的室内污染净化去除装置及方法 |
CN109061049A (zh) * | 2018-06-21 | 2018-12-21 | 河南天腾测绘科技有限公司 | 一种全区域覆盖的气体数据监测方法 |
KR20200009864A (ko) * | 2018-07-20 | 2020-01-30 | 대한민국 (관리부서 : 환경부 국립환경과학원장) | 드론 및 실시간이동 측정 차량을 이용한 오염원 추적방법 |
CN110763804A (zh) * | 2018-07-27 | 2020-02-07 | 浙江博来航天科技有限公司 | 基于无人机的大气污染源溯源系统及其方法 |
CN110244002A (zh) * | 2019-06-11 | 2019-09-17 | 徐州工业职业技术学院 | 一种基于无人机系统的大气污染源追踪方法 |
CN110610279A (zh) * | 2019-09-27 | 2019-12-24 | 复旦大学 | 一种大气细颗粒物污染源识别方法及其应用 |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112305163A (zh) * | 2020-10-21 | 2021-02-02 | 西北工业大学 | 基于固定翼无人机的大气污染监测系统及数据处理方法 |
CN112526065A (zh) * | 2020-11-19 | 2021-03-19 | 武汉云衡智能科技有限公司 | 一种基于无人机的自动定位污染源的系统及方法 |
CN112783988A (zh) * | 2020-12-29 | 2021-05-11 | 同济大学 | 一种空调通风系统内部环境参数的监测反馈及分析方法 |
CN112965520A (zh) * | 2021-02-02 | 2021-06-15 | 重庆特斯联智慧科技股份有限公司 | 环境智能监测系统及具有其的机器人 |
CN112985505A (zh) * | 2021-03-02 | 2021-06-18 | 清华大学 | 移动与固定感知结合的室内环境时空分布场生成方法 |
CN113848226A (zh) * | 2021-09-22 | 2021-12-28 | 电子科技大学 | 一种智能化空间移动污染物自主溯源系统及溯源方法 |
CN113848226B (zh) * | 2021-09-22 | 2023-06-13 | 电子科技大学 | 一种智能化空间移动污染物自主溯源系统及溯源方法 |
CN113706127A (zh) * | 2021-10-22 | 2021-11-26 | 长视科技股份有限公司 | 一种水域分析报告的生成方法及电子设备 |
CN114609899A (zh) * | 2022-03-17 | 2022-06-10 | 华中科技大学 | 一种基于多传感器协同的净化箱环境测控方法及系统 |
CN114609899B (zh) * | 2022-03-17 | 2024-05-24 | 华中科技大学 | 一种基于多传感器协同的净化箱环境测控方法及系统 |
CN114878750A (zh) * | 2022-05-13 | 2022-08-09 | 苏州清泉环保科技有限公司 | 一种集大气污染监测及溯源为一体的智能化控制系统和方法 |
CN116360487A (zh) * | 2023-03-14 | 2023-06-30 | 珠海鼎正国信科技有限公司 | 一种基于气体监测数据的走航路线实时动态规划方法 |
CN116360487B (zh) * | 2023-03-14 | 2024-05-28 | 珠海鼎正国信科技有限公司 | 一种基于气体监测数据的走航路线实时动态规划方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111258334B (zh) | 2022-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111258334B (zh) | 一种环境污染自动寻源方法 | |
CN107941988B (zh) | 一种检测气体污染源的无人机设备及监测方法 | |
CN106896145A (zh) | 有毒有害气体无人机检测系统和检测方法 | |
CN112305163B (zh) | 基于固定翼无人机的大气污染监测系统及数据处理方法 | |
CN206709853U (zh) | 一种多旋翼无人机室内同步定位与建图系统 | |
CN107860366B (zh) | 一种移动式温室作物信息测量与诊断系统 | |
CN106873677A (zh) | 一种禽舍环境巡检及调控系统 | |
CN109164214B (zh) | 一种边界污染源快速映射定位及强度反演系统及方法 | |
CN107976220A (zh) | 基于定点不同高度下大气成分同步检测系统及方法 | |
WO2018184162A1 (zh) | 有毒有害气体无人机检测系统和检测方法 | |
CN110006424B (zh) | 一种基于田间的高通量作物表型机器人及其控制系统 | |
CN113848226B (zh) | 一种智能化空间移动污染物自主溯源系统及溯源方法 | |
CN114813493A (zh) | 一种基于无人机联合地面定点部署的扬尘在线监测系统 | |
CN107390699A (zh) | 一种甘蔗种植机的路线规划系统及其路线规划方法 | |
CN113009100A (zh) | 一种基站式无人机流域水环境监测系统 | |
CN211928442U (zh) | 一种环境污染自动寻源系统 | |
CN109502049A (zh) | 无人机抗风性能检测系统及方法 | |
CN115219662A (zh) | 一种多渠道的碳排放量综合监测方法 | |
CN105333900A (zh) | 基于多旋翼平台的烟气监测系统及其方法 | |
CN113375723A (zh) | 基于固定翼无人机的大气污染立体化监控及数据处理方法 | |
CN110244002B (zh) | 一种基于无人机系统的大气污染源追踪方法 | |
CN203912092U (zh) | 一种农林植保无人直升机可视化信息采集装置 | |
CN216160555U (zh) | 无人机空气污染物溯源系统 | |
CN207488262U (zh) | 一种无人机空气质量检测装置 | |
CN215174212U (zh) | 一种天然气管道泄漏无人机巡检系统 |
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 |