CN112213443B - 一种旋翼无人机大气污染物浓度监测值偏差修正方法 - Google Patents
一种旋翼无人机大气污染物浓度监测值偏差修正方法 Download PDFInfo
- Publication number
- CN112213443B CN112213443B CN202010447436.0A CN202010447436A CN112213443B CN 112213443 B CN112213443 B CN 112213443B CN 202010447436 A CN202010447436 A CN 202010447436A CN 112213443 B CN112213443 B CN 112213443B
- Authority
- CN
- China
- Prior art keywords
- aerial vehicle
- unmanned aerial
- pollutant
- value
- monitoring
- 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
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
- G01N33/0006—Calibrating gas analysers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Immunology (AREA)
- Fluid Mechanics (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Medicinal Chemistry (AREA)
- Food Science & Technology (AREA)
- Pathology (AREA)
- Algebra (AREA)
- Computing Systems (AREA)
- Analytical Chemistry (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Combustion & Propulsion (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种旋翼无人机大气污染物浓度监测值偏差修正方法,包括:采用CFD模拟方法建立旋翼无人机流场分析模型,生成不同气象和不同飞行参数与污染物监测传感器邻域空间流场参数的关系函数;针对不同气象参数和不同飞行参数条件,分别采集污染物监测传感器获取到的污染物浓度的测量值和对应的真实值,生成一定量的样本数据;结合样本数据,拟合每个影响因素对应的偏差修正曲线;建立影响因素之间的关系函数,整合所有影响因素的偏差修正曲线,得到综合条件下的多因素偏差修正系数曲线。本发明能够应用于不同环境下的无人机污染物浓度值修正,快速准确完成指定区域的污染物浓度监测任务。
Description
技术领域
本发明涉及污染物监测技术领域,具体而言涉及一种旋翼无人机大气污染物浓度监测值偏差修正方法和装置,以及一种旋翼无人机。
背景技术
随着国内外对污染物排放的治理措施深化以及各行业对保护生态环境意识的加强,对大气污染物浓度监测效率与准确度均亟待提高。利用无人机搭载污染物传感器的技术国内外已有先例,但是均没有考虑到无人机对大气气流环境的扰动作用,进而会影响到传感器周围的污染物浓度值,使测量值与真实值产生相当大的偏差。已有的无人机测量技术通常只考虑将传感器布置于无人机上方即气流扰动较小的位置,或者类似于专利号为CN107804450A的发明专利中提及的一种用于大气环境检测的数据精确的四旋翼无人机,对无人机的结构进行改造,但前述方式也仅仅是减小测量的偏差,测量值与真实值的偏差仍然真实存在且不可忽略。
也有研究从大数据角度进行分析,例如将无人机监测数据与常规监测站、大气环境、在线监控系统等多平台数据比对、校准,并利用大数据平台和相关模型的进行分析解析,但此种方式过度依赖经验数值,需要累积大量历史数据,在场景应用上受限严重,单个修正后的值的精确度也难以掌控,通常会采用针对同一场景采集较多数据进行修正后取平均值等方式以减小误差波动,数据处理量大。
发明内容
本发明目的在于提供一种旋翼无人机大气污染物浓度监测值偏差修正方法和装置,以及一种旋翼无人机,利用对不同条件下的无人机飞行情况进行模拟,通过比较污染物监测传感器邻域空间内原始浓度值与气流扰动后浓度值的差异,绘制出真实值与测量值的偏差曲线,进而拟合出对应的偏差系数曲线。本发明能够应用于不同环境下的无人机污染物浓度值修正,快速准确完成指定区域的污染物浓度监测任务,能针对单个监测数值进行修正,适用性广,运算速度快。
为达成上述目的,结合图1,本发明提出一种旋翼无人机大气污染物浓度监测值偏差修正方法,所述偏差修正方法包括以下步骤:
S1,采用CFD模拟方法建立旋翼无人机流场分析模型,所述旋翼无人机流场分析模型用于对输入的气象参数和无人机的飞行参数进行分析,得到无人机上搭载的污染物监测传感器邻域空间流场参数的变化曲线,生成不同气象和不同飞行参数与污染物监测传感器邻域空间流场参数的关系函数;
S2,针对不同气象参数和不同飞行参数条件,分别采集污染物监测传感器获取到的污染物浓度的测量值和对应的真实值,生成一定量的样本数据,每组样本数据包括影响因素、污染物浓度的测量值和对应的真实值,所述影响因素包括气象参数和飞行参数;
S3,结合样本数据,拟合每个影响因素对应的偏差修正曲线,所述偏差修正曲线用来修正该影响因素对应的污染物浓度的真实值与测量值之间的差异;
S4,建立影响因素之间的关系函数,整合所有影响因素的偏差修正曲线,得到综合条件下的多因素偏差修正系数曲线。
进一步的实施例中,步骤S1中,所述无人机的飞行参数包括无人机的旋翼转速和无人机的飞行速度。
进一步的实施例中,步骤S1中,所述污染物监测传感器邻域空间流场参数包括流场中的风速、风向角、温度和气压。
进一步的实施例中,步骤S1中,所述采用CFD模拟方法建立旋翼无人机流场分析模型的过程包括:
S11,采用非结构化四面体网格划分方式对无人机的叶片进行网格划分;
S12,基于湍流模型,建立旋翼无人机的流场模型:
运输方程为:
式中:ρ为流体密度;k为湍流动能;t为流体计算迭代时间;xi,xj为i,j方向的迭代步长;ui为i方向的流体速度;μ为流体动力黏度;μt为湍流黏性系数;σk为平均速度梯度产生的应变系数;σε为湍流扩散产生的应变系数;ε为湍流扩散率;Gk为平均速度梯度产生的湍动能;Gb为浮力产生的湍动能;YM为可压缩脉动膨胀对总的耗散率的影响;Sk为平均速度梯度产生的应变率;Sε为湍流扩散产生的应变率;C1ε、C2ε和C3ε为经验常数。
采用三维N-S方程进行数值计算:
式中:Q为守恒变矢量;E、F和G分别为x、y和z坐标方向的无粘通量;Ev、Fv和Gv分别为x、y和z坐标方向的粘性通量;
S13,基于MRF旋转模型,将叶片旋转计算域内的流场简化为叶片在全位置的瞬态流场,在惯性坐标系中以科氏力和离心力作稳态问题计算。
进一步的实施例中,步骤S3,所述结合样本数据,拟合每个影响因素对应的偏差修正曲线包括以下步骤:
S31,分析每个影响因素的特性,将其划分为经验影响因子和理论影响因子;
S32,对于理论影响因子,采用数值模拟的方式拟合偏差修正曲线;对于经验影响因子,采用实测法和数值模拟方式相互矫正的方式拟合生成偏差修正曲线。
进一步的实施例中,步骤S32中,针对风场相关参数,对日常大气监测数据和同步气象监测数据进行比对,分析得到不同风场相关参数对污染物浓度的测量值的影响规律,结合分析结果和样本数据拟合生成的对应的偏差修正曲线。
本发明还提及一种旋翼无人机大气污染物浓度监测值偏差修正装置,所述偏差修正装置包括处理器和存储器;
所述存储器存储计算机执行程序;
所述处理器执行所述存储器存储的计算机执行程序,以执行如前述的旋翼无人机大气污染物浓度监测值偏差修正方法。
本发明还提及一种旋翼无人机,所述旋翼无人机包括如前所述的旋翼无人机大气污染物浓度监测值偏差修正装置;
所述旋翼无人机上还搭载有控制模块,以及和控制模块连接的污染物监测传感器、飞控模块、气象监测模块;
所述污染物监测传感器用于获取其所对应的邻域空间的污染物浓度,所述飞控模块用于根据设定的飞行参数控制无人机飞行,所述气象监测模块用于实时采集气象参数;
所述控制模块接收污染物监测传感器采集到的污染物浓度测量值、飞控模块发送的无人机飞行参数和气象监测模块发送的气象参数,调用旋翼无人机大气污染物浓度监测值偏差修正装置对污染物浓度测量值进行修正。
以上本发明的技术方案,与现有相比,其显著的有益效果在于:
(1)本发明能够应用于不同环境下的无人机污染物浓度值修正,快速准确完成指定区域的污染物浓度监测任务,能针对单个监测数值进行修正,适用性广,运算速度快。
(2)与现有技术相比测量数据更加真实可靠,采用无人机实地测量结合数值模拟加以偏差修正的方法,可以更好地减小测量偏差;通过系统内嵌导入无人机,快速得出修正后的测量数据,方便高效,大大提高测量精确度与大气监测工作效率。
(3)通过比较污染物监测传感器邻域空间内原始浓度值与气流扰动后浓度值,快速模拟得到测量值和真实值,在此基础上,改变相关影响参数的取值,快速生成大量样本数据用于拟合每个影响因素对应的偏差修正曲线。
(4)针对不同类型的影响因素,自适应地采用数值模拟、实测法或者数值模拟结合历史经验数据校正的方式拟合生成偏差修正曲线。
应当理解,前述构思以及在下面更加详细地描述的额外构思的所有组合只要在这样的构思不相互矛盾的情况下都可以被视为本公开的发明主题的一部分。另外,所要求保护的主题的所有组合都被视为本公开的发明主题的一部分。
结合附图从下面的描述中可以更加全面地理解本发明教导的前述和其他方面、实施例和特征。本发明的其他附加方面例如示例性实施方式的特征和/或有益效果将在下面的描述中显见,或通过根据本发明教导的具体实施方式的实践中得知。
附图说明
附图不意在按比例绘制。在附图中,在各个图中示出的每个相同或近似相同的组成部分可以用相同的标号表示。为了清晰起见,在每个图中,并非每个组成部分均被标记。现在,将通过例子并参考附图来描述本发明的各个方面的实施例,其中:
图1是本发明的旋翼无人机大气污染物浓度监测值偏差修正方法的流程图。
图2是水平风力3m/s时旋翼污染物浓度云图。
图3是风向角为π/6时旋翼污染物浓度云图。
图4是风向角为π/2时旋翼污染物浓度云图。
图5是模拟结果与真实结果形成的偏差图。
具体实施方式
为了更了解本发明的技术内容,特举具体实施例并配合所附图式说明如下。
具体实施例一
结合图1,本发明提出一种旋翼无人机大气污染物浓度监测值偏差修正方法,所述偏差修正方法包括以下步骤:
S1,采用CFD模拟方法建立旋翼无人机流场分析模型,所述旋翼无人机流场分析模型用于对输入的气象参数和无人机的飞行参数进行分析,得到无人机上搭载的污染物监测传感器邻域空间流场参数的变化曲线,生成不同气象和不同飞行参数与污染物监测传感器邻域空间流场污染物浓度间的关系函数。
S2,针对不同气象参数和不同飞行参数条件,分别采集污染物监测传感器获取到的污染物浓度的测量值和对应的真实值,生成一定量的样本数据,每组样本数据包括影响因素、污染物浓度的测量值和对应的真实值,所述影响因素包括气象参数和飞行参数。
S3,结合样本数据,拟合每个影响因素对应的偏差修正曲线,所述偏差修正曲线用来修正该影响因素对应的污染物浓度的真实值与测量值之间的差异。
S4,建立影响因素之间的关系函数,整合所有影响因素的偏差修正曲线,得到综合条件下的多因素偏差修正系数曲线。
本发明通过对无人机的建模与飞行模拟,依次改变无人机旋翼转速与飞行速度,确定无人机搭载污染物监测传感器周围流场的变化,继而获取污染物监测传感器附近污染物浓度值变化情况,最后通过依次比较各因素下模拟值与实际值的偏差曲线,绘制综合条件下的多因素修正系数曲线。
步骤一、生成不同气象和不同飞行参数与污染物监测传感器邻域空间流场参数的关系函数
在本步骤中,通过CFD模拟方法预先建立旋翼无人机流场分析模型,对输入的气象参数和无人机的飞行参数进行分析,得到无人机上搭载的污染物监测传感器邻域空间流场参数的变化曲线,对流场中的风速、风向角、温度、气压,无人机的旋翼转速、前进速度均进行完整模拟,详细分析每个影响参数对污染物监测传感器邻域空间内污染物浓度的影响。
旋翼无人机流场分析模型的创建过程包括以下步骤:
1、网格划分。无人机叶片为空间翼型,结构较为复杂,故采用非结构化四面体网格划分方案。
2、湍流模型。旋翼无人机的周围流场较复杂,Realizable k-ε模型广泛应用于转均匀剪切流、边界层流动、带有分离的流动,采用该模型模拟无人机流场更为准确。
运输方程为:
式中:ρ为流体密度;k为湍流动能;t为流体计算迭代时间;xi,xj为i,j方向的迭代步长;ui为i方向的流体速度;μ为流体动力黏度;μt为湍流黏性系数;σk为平均速度梯度产生的应变系数;σε为湍流扩散产生的应变系数;ε为湍流扩散率;Gk为平均速度梯度产生的湍动能;Gb为浮力产生的湍动能;YM为可压缩脉动膨胀对总的耗散率的影响;Sk为平均速度梯度产生的应变率;Sε为湍流扩散产生的应变率;C1ε、C2ε和C3ε为经验常数。
3、数值计算方法。采用三维N-S方程:
式中:Q为守恒变矢量;E、F和G分别为x、y和z坐标方向的无粘通量;Ev、Fv和Gv分别为x、y和z坐标方向的粘性通量。
4、旋转模型。选择MRF旋转模型,将叶片旋转计算域内的流场简化为叶片在全位置的瞬态流场,在惯性坐标系中以科氏力和离心力作稳态问题计算。
步骤二、生成样本数据
生成的样本数据用于后续偏差修正曲线拟合,每组样本数据均包括影响因素、污染物浓度的测量值和对应的真实值,所述影响因素包括气象参数和飞行参数。
优选的,通过比较污染物监测传感器邻域空间内原始浓度值与气流扰动后浓度值,快速模拟得到测量值和真实值,在此基础上,改变相关影响参数的取值,快速生成大量样本数据用于拟合每个影响因素对应的偏差修正曲线。
步骤三、偏差拟合
首先拟合每个影响因素对应的偏差修正曲线,具体的,通过比较真实值与测量值间的差异拟合成对应的偏差曲线,每个影响因素均能形成一种偏差修正曲线。
在偏差修正曲线拟合过程中,可以采用下述方式以提高拟合效率:
首先分析每个影响因素的特性,将其划分为经验影响因子、理论影响因子和混合影响因子;在此基础上,对于理论影响因子,采用数值模拟的方式拟合偏差修正曲线;对于经验影响因子,采用实测法的方式拟合偏差修正曲线;对于混合影响因子,采用数值模拟方式拟合生成初始偏差修正曲线后,结合历史经验数据对初始偏差修正曲线进行校正。
例如,针对风场相关参数,可以根据日常大气监测数据及同步气象监测数据作对比分析,通过长时间数据积累得到基本规律,再应用至数值模拟过程中。在实际拟合过程中,实测法与数值模拟的方法相互矫正,可以使测量结果更加接近实际。
图2-图4分别模拟了不同风力条件、不同风向角条件和不同旋翼转速条件下无人机搭载污染物监测传感器邻域空间污染物浓度的变化情况,记录相应的真实值和测量值之间的差异。
图5是整合前述不同影响因素对应的真实浓度和模拟浓度之间的偏差修正曲线,拟合生成的多因素偏差修正系数曲线。
具体实施例二
本发明还提及一种旋翼无人机大气污染物浓度监测值偏差修正装置,所述偏差修正装置包括处理器和存储器;
所述存储器存储计算机执行程序;
所述处理器执行所述存储器存储的计算机执行程序,以执行如前述的旋翼无人机大气污染物浓度监测值偏差修正方法。
在实际应用中,将整合的偏差修正函数曲线嵌入无人机测量系统,结合配套的执行程序,即可快速完成对测量值的修正,准确完成大气环境污染物浓度监测任务。
具体实施例三
本发明还提及一种旋翼无人机,所述旋翼无人机包括如前所述的旋翼无人机大气污染物浓度监测值偏差修正装置;
所述旋翼无人机上还搭载有控制模块,以及和控制模块连接的污染物监测传感器、飞控模块、气象监测模块;
所述污染物监测传感器用于获取其所对应的邻域空间的污染物浓度,所述飞控模块用于根据设定的飞行参数控制无人机飞行,所述气象监测模块用于实时采集气象参数;
所述控制模块接收污染物监测传感器采集到的污染物浓度测量值、飞控模块发送的无人机飞行参数和气象监测模块发送的气象参数,调用旋翼无人机大气污染物浓度监测值偏差修正装置对污染物浓度测量值进行修正。
应当理解,本发明采用的修正方法和现有的结构类方向的改进可以同步进行,以获取更为精确的测量值。
在本公开中参照附图来描述本发明的各方面,附图中示出了许多说明的实施例。本公开的实施例不必定义在包括本发明的所有方面。应当理解,上面介绍的多种构思和实施例,以及下面更加详细地描述的那些构思和实施方式可以以很多方式中任意一种来实施,这是因为本发明所公开的构思和实施例并不限于任何实施方式。另外,本发明公开的一些方面可以单独使用,或者与本发明公开的其他方面的任何适当组合来使用。
虽然本发明已以较佳实施例揭露如上,然其并非用以限定本发明。本发明所属技术领域中具有通常知识者,在不脱离本发明的精神和范围内,当可作各种的更动与润饰。因此,本发明的保护范围当视权利要求书所界定者为准。
Claims (7)
1.一种旋翼无人机大气污染物浓度监测值偏差修正方法,其特征在于,所述偏差修正方法包括以下步骤:
S1,采用CFD模拟方法建立旋翼无人机流场分析模型,所述旋翼无人机流场分析模型用于对输入的气象参数和无人机的飞行参数进行分析,得到无人机上搭载的污染物监测传感器邻域空间流场参数的变化曲线,生成不同气象和不同飞行参数与污染物监测传感器邻域空间流场参数的关系函数;
S2,针对不同气象参数和不同飞行参数条件,分别采集污染物监测传感器获取到的污染物浓度的测量值和对应的真实值,生成一定量的样本数据,每组样本数据包括影响因素、污染物浓度的测量值和对应的真实值,所述影响因素包括气象参数和飞行参数;
S3,结合样本数据,拟合每个影响因素对应的偏差修正曲线,所述偏差修正曲线用来修正该影响因素对应的污染物浓度的真实值与测量值之间的差异;
S4,建立影响因素之间的关系函数,整合所有影响因素的偏差修正曲线,得到综合条件下的多因素偏差修正曲线;
步骤S1中,所述采用CFD模拟方法建立旋翼无人机流场分析模型的过程包括:
S11,采用非结构化四面体网格划分方式对无人机的叶片进行网格划分;
S12,基于湍流模型,建立旋翼无人机的流场模型:
运输方程为:
式中:ρ为流体密度;k为湍流动能;t为流体计算迭代时间;xi,xj为i,j方向的迭代步长;ui为i方向的流体速度;μ为流体动力黏度;μt为湍流黏性系数;σk为平均速度梯度产生的应变系数;σε为湍流扩散产生的应变系数;ε为湍流扩散率;Gk为平均速度梯度产生的湍动能;Gb为浮力产生的湍动能;YM为可压缩脉动膨胀对总的耗散率的影响;Sk为平均速度梯度产生的应变率;Sε为湍流扩散产生的应变率;C1ε、C2ε和C3ε为经验常数;
采用三维N-S方程进行计算:
式中:Q为守恒变矢量;E、F和G分别为x、y和z坐标方向的无粘通量;Ev、Fv和Gv分别为x、y和z坐标方向的粘性通量;
S13,基于MRF旋转模型,将叶片旋转计算域内的流场简化为叶片在全位置的瞬态流场,在惯性坐标系中以科氏力和离心力作稳态问题计算。
2.根据权利要求1所述的旋翼无人机大气污染物浓度监测值偏差修正方法,其特征在于,步骤S1中,所述无人机的飞行参数包括无人机的旋翼转速和无人机的飞行速度。
3.根据权利要求1所述的旋翼无人机大气污染物浓度监测值偏差修正方法,其特征在于,步骤S1中,所述污染物监测传感器邻域空间流场参数包括流场中的风速、风向角、温度和气压。
4.根据权利要求1所述的旋翼无人机大气污染物浓度监测值偏差修正方法,其特征在于,步骤S3,所述结合样本数据,拟合每个影响因素对应的偏差修正曲线包括以下步骤:
S31,分析每个影响因素的特性,将其划分为经验影响因子和理论影响因子;
S32,对于理论影响因子,采用数值模拟的方式拟合偏差修正曲线;对于经验影响因子,采用实测法和数值模拟方式相互矫正的方式拟合生成偏差修正曲线。
5.根据权利要求4所述的旋翼无人机大气污染物浓度监测值偏差修正方法,其特征在于,步骤S32中,针对风场相关参数,对日常大气监测数据和同步气象监测数据进行比对,分析得到不同风场相关参数对污染物浓度的测量值的影响规律,结合分析结果和样本数据拟合生成对应的偏差修正曲线。
6.一种旋翼无人机大气污染物浓度监测值偏差修正装置,其特征在于,所述偏差修正装置包括处理器和存储器;
所述存储器存储计算机执行程序;
所述处理器执行所述存储器存储的计算机执行程序,以执行如权利要求1-5任意一项中所述的旋翼无人机大气污染物浓度监测值偏差修正方法。
7.一种旋翼无人机,其特征在于,所述旋翼无人机包括如权利要求6所述的旋翼无人机大气污染物浓度监测值偏差修正装置;
所述旋翼无人机上还搭载有控制模块,以及和控制模块连接的污染物监测传感器、飞控模块、气象监测模块;
所述污染物监测传感器用于获取其所对应的邻域空间的污染物浓度,所述飞控模块用于根据设定的飞行参数控制无人机飞行,所述气象监测模块用于实时采集气象参数;
所述控制模块接收污染物监测传感器采集到的污染物浓度测量值、飞控模块发送的无人机飞行参数和气象监测模块发送的气象参数,调用旋翼无人机大气污染物浓度监测值偏差修正装置对污染物浓度测量值进行修正。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010447436.0A CN112213443B (zh) | 2020-05-25 | 2020-05-25 | 一种旋翼无人机大气污染物浓度监测值偏差修正方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010447436.0A CN112213443B (zh) | 2020-05-25 | 2020-05-25 | 一种旋翼无人机大气污染物浓度监测值偏差修正方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112213443A CN112213443A (zh) | 2021-01-12 |
CN112213443B true CN112213443B (zh) | 2021-05-14 |
Family
ID=74059391
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010447436.0A Active CN112213443B (zh) | 2020-05-25 | 2020-05-25 | 一种旋翼无人机大气污染物浓度监测值偏差修正方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112213443B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020206006A1 (en) | 2019-04-05 | 2020-10-08 | Seekops Inc. | Analog signal processing for a lightweight and compact laser-based trace gas sensor |
US11988598B2 (en) | 2019-12-31 | 2024-05-21 | Seekops Inc. | Optical cell cleaner |
WO2021195394A1 (en) | 2020-03-25 | 2021-09-30 | Seekops Inc. | Logarithmic demodulator for laser wavelength-modulaton spectroscopy |
US11748866B2 (en) | 2020-07-17 | 2023-09-05 | Seekops Inc. | Systems and methods of automated detection of gas plumes using optical imaging |
CN113371183B (zh) * | 2021-06-08 | 2023-10-10 | 陕西省环境科学研究院 | 基于多旋翼无人机的高架点源污染物排放监测系统及方法 |
CN113375723A (zh) * | 2021-06-26 | 2021-09-10 | 西北工业大学 | 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 |
CN113533644A (zh) * | 2021-06-26 | 2021-10-22 | 西北工业大学 | 基于无人机的对面源常规大气污染物的监测方法 |
CN113625760B (zh) * | 2021-08-26 | 2024-05-07 | 江苏省环境工程技术有限公司 | 一种无人机大气污染巡查系统及方法 |
CN114780905B (zh) * | 2022-06-21 | 2022-09-13 | 四川大学华西医院 | 一种比对样本的确定方法及装置、存储介质、电子设备 |
WO2023164185A1 (en) * | 2022-02-25 | 2023-08-31 | Seekops Inc. | Measurement-corrected wind profile for increased accuracy of wind flow field |
CN116631530B (zh) * | 2023-05-29 | 2024-02-13 | 智感技术(天津)有限公司 | 污染物扩散风险识别方法、装置及设备 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1077375A1 (en) * | 1997-03-21 | 2001-02-21 | Ngk Spark Plug Co., Ltd | Method and apparatus for measuring NOx gas concentration |
WO2009090745A1 (ja) * | 2008-01-17 | 2009-07-23 | Fujitsu Limited | 二酸化炭素濃度補正装置、二酸化炭素濃度補正方法および二酸化炭素濃度補正プログラム |
CN104008229A (zh) * | 2014-04-30 | 2014-08-27 | 北京大学 | 一种街区污染物浓度分布模型建立方法 |
CN108956864A (zh) * | 2018-05-23 | 2018-12-07 | 广东容祺智能科技有限公司 | 一种基于无人机的气体浓度检测标识系统及其检测标识方法 |
CN109444350A (zh) * | 2018-12-27 | 2019-03-08 | 中山大学 | 一种基于无人机的大气污染物监测传感器的布局方法 |
CN110208155A (zh) * | 2019-05-08 | 2019-09-06 | 北京雪迪龙科技股份有限公司 | 一种大气颗粒物无人机监测系统 |
CN110514788A (zh) * | 2019-08-20 | 2019-11-29 | 上海畅制电子科技有限公司 | 一种气体传感器的标定方法、装置、设备和存储介质 |
WO2019237160A1 (en) * | 2018-06-15 | 2019-12-19 | Atamo Pty Ltd | A system, apparatus and method of measuring concentrations of analytes |
-
2020
- 2020-05-25 CN CN202010447436.0A patent/CN112213443B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1077375A1 (en) * | 1997-03-21 | 2001-02-21 | Ngk Spark Plug Co., Ltd | Method and apparatus for measuring NOx gas concentration |
WO2009090745A1 (ja) * | 2008-01-17 | 2009-07-23 | Fujitsu Limited | 二酸化炭素濃度補正装置、二酸化炭素濃度補正方法および二酸化炭素濃度補正プログラム |
CN104008229A (zh) * | 2014-04-30 | 2014-08-27 | 北京大学 | 一种街区污染物浓度分布模型建立方法 |
CN108956864A (zh) * | 2018-05-23 | 2018-12-07 | 广东容祺智能科技有限公司 | 一种基于无人机的气体浓度检测标识系统及其检测标识方法 |
WO2019237160A1 (en) * | 2018-06-15 | 2019-12-19 | Atamo Pty Ltd | A system, apparatus and method of measuring concentrations of analytes |
CN109444350A (zh) * | 2018-12-27 | 2019-03-08 | 中山大学 | 一种基于无人机的大气污染物监测传感器的布局方法 |
CN110208155A (zh) * | 2019-05-08 | 2019-09-06 | 北京雪迪龙科技股份有限公司 | 一种大气颗粒物无人机监测系统 |
CN110514788A (zh) * | 2019-08-20 | 2019-11-29 | 上海畅制电子科技有限公司 | 一种气体传感器的标定方法、装置、设备和存储介质 |
Non-Patent Citations (5)
Title |
---|
Advances in large eddy simulation methodology for complex flows;Parviz Moin;《International Journal of Heat and Fluid Flow》;20021231;第23卷;全文 * |
An Unmanned Aerial Vehicle-Based Gas Sampling;Chaoqun Li etal;《Sensors》;20200215;第20卷;全文 * |
大气环境无人机监测方法研究;李志强等;《环境监测管理与技术》;20170228;第29卷(第1期);全文 * |
无人机监测在城市环境大气污染物扩散数值模拟中的应用;张晓旭等;《环境监测管理与技术》;20190430;第31卷(第2期);全文 * |
螺旋桨无人机三维流场数值模拟;汪卫华等;《红外技术》;20120531;第34卷(第5期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112213443A (zh) | 2021-01-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112213443B (zh) | 一种旋翼无人机大气污染物浓度监测值偏差修正方法 | |
CN105716826B (zh) | 一种零升阻力系数的雷诺数效应修正方法 | |
CN109444350B (zh) | 一种基于无人机的大气污染物监测传感器的布局方法 | |
CN103400035B (zh) | 一种高可信度快速预测飞行器滚转动导数的方法 | |
Nichols | Addition of a local correlation-based boundary layer transition model to the CREATETM-AV Kestrel unstructured flow solver | |
CN109960823B (zh) | 风力发电机组的等效风速确定方法和设备 | |
CN111159941A (zh) | 一种用于汽车液力变矩器内流场瞬态数值模拟的方法 | |
CN115422654B (zh) | 基于cfd/csd技术的跨/超声速飞行器高效高精度颤振时域分析方法 | |
CN109540459A (zh) | 一种气动特性数值计算结果修正方法 | |
CN112711815B (zh) | 飞行器建模与模型特性分析系统 | |
Raveh et al. | Wind-tunnel study of the ARMA flutter prediction method | |
Reinert et al. | Oscillating airfoil icing tests in the NASA Glenn research center icing research tunnel | |
CN116451606A (zh) | 一种基于神经网络模型的三维超声速边界层转捩预测方法 | |
Cummings et al. | Overview of stability and control estimation methods from NATO STO task group AVT-201 | |
Hu et al. | Unsteady aerodynamic models for maneuvering aircraft | |
CN106372307B (zh) | 一种基于气动模型的民机气流角估计方法 | |
Hadidoolabi et al. | Computational investigation of vortex structure and breakdown over a delta wing at supersonic pitching maneuver | |
CN105093933B (zh) | 一种确定lpv变增益控制器的方法 | |
Pueyo | Efficient 3D artificial ice shapes simulations with 2D ice accretion codes using a 3-level correction | |
Polivanov et al. | Comparison of a quadcopter and an airplane as a means of measuring atmospheric parameters | |
Hartung et al. | A Practical Approach for Evaluation of Equivalent Linear Damping From Measurements of Mistuned and/or Non-Linear Stages and Forced Response Validation | |
CN112880966A (zh) | 一种基于cfd数值仿真计算的荧光油膜厚度获取方法 | |
Amini et al. | Performance of low-cost air-data sensors for airspeed and angle of attack measurements in a flapping-wing robot | |
CN108303897B (zh) | 飞行器颤振分析网格模型拉盖尔建模方法 | |
CN111523219A (zh) | 一种典型风扇、压气机转静干涉宽频噪声特影响参数计算方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |