CN112326882B - 空气质量传感器处理方法和装置 - Google Patents
空气质量传感器处理方法和装置 Download PDFInfo
- Publication number
- CN112326882B CN112326882B CN202011137947.9A CN202011137947A CN112326882B CN 112326882 B CN112326882 B CN 112326882B CN 202011137947 A CN202011137947 A CN 202011137947A CN 112326882 B CN112326882 B CN 112326882B
- Authority
- CN
- China
- Prior art keywords
- data
- temperature
- humidity
- voltage signal
- value
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 24
- 238000009499 grossing Methods 0.000 claims abstract description 62
- 238000012545 processing Methods 0.000 claims abstract description 54
- 239000011159 matrix material Substances 0.000 claims abstract description 49
- 238000000034 method Methods 0.000 claims abstract description 28
- 238000004590 computer program Methods 0.000 claims description 13
- 239000003570 air Substances 0.000 description 30
- 238000010586 diagram Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000012360 testing method Methods 0.000 description 5
- 239000007789 gas Substances 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000012163 sequencing technique Methods 0.000 description 3
- 239000000809 air pollutant Substances 0.000 description 2
- 231100001243 air pollutant Toxicity 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 239000004215 Carbon black (E152) Substances 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 239000002386 air freshener Substances 0.000 description 1
- 239000012080 ambient air Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 229930195733 hydrocarbon Natural products 0.000 description 1
- 150000002576 ketones Chemical class 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- -1 oxygen hydrocarbon Chemical class 0.000 description 1
- 125000001997 phenyl group Chemical class [H]C1=C([H])C([H])=C(*)C([H])=C1[H] 0.000 description 1
- 238000000746 purification Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
- 239000012855 volatile organic compound Substances 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
-
- G01N33/0068—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- 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
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B30/00—Energy efficient heating, ventilation or air conditioning [HVAC]
- Y02B30/70—Efficient control or regulation technologies, e.g. for control of refrigerant flow, motor or heating
Abstract
本申请涉及一种空气质量传感器处理方法和装置。所述方法包括：获取连续采集的第一电压信号，对所述第一电压信号的数据进行线性平滑处理，获得所述第一电压信号的换算浓度值；获取所在环境的温度和湿度，基于预设的温度和湿度与补偿系数的对应关系，获得所述温度和湿度对应的温湿度补偿系数矩阵；基于所述温湿度补偿系数矩阵对所述换算浓度值进行温湿度补偿，获得真实浓度值。采用本申请实施例方法能够提高TVOC传感器测量数据的准确性，减小误差。
Description
技术领域
本申请涉及空气质量传感器技术领域，特别是涉及一种空气质量传感器处理方法和装置。
背景技术
随着空气质量传感器技术的发展，空气质量传感器被广泛的运用于空气清新机、空气净化器、空气调节器、通风设备、环境监控设备等产品中。空气质量传感器作为前端感知的重要组成部分，可靠稳定精准的检测才能联动设备进行预警及净化，保证环境空气的健康。然而，当环境的温湿度发生变化时，传感器的测量数据会失真和偏离，产生较大误差。特别是，TVOC是空气污染物，主要包含苯系物、有机酮、氧烃等挥发性有机化合物，传统的TVOC传感器只采集当前电压信号并将其转化为浓度值，使得测量数据产生失真和偏离，产生较大误差。
发明内容
基于此，有必要针对上述技术问题，提供一种空气质量传感器处理方法和装置，以提高TVOC传感器测量数据的准确性，减小误差。
一种空气质量传感器处理方法，所述方法包括：
获取连续采集的第一电压信号，对所述第一电压信号的数据进行线性平滑处理，获得所述第一电压信号的换算浓度值；
获取所在环境的温度和湿度，基于预设的温度和湿度与补偿系数的对应关系，获得所述温度和湿度对应的温湿度补偿系数矩阵；
基于所述温湿度补偿系数矩阵对所述换算浓度值进行温湿度补偿，获得真实浓度值。
在其中一个实施例中，在所述获取连续采集的第一电压信号之前，还包括：对所述传感器进行线性标定。
在其中一个实施例中，所述对所述传感器进行线性标定，包括：
获取传感器在各标准浓度环境时，连续采集的第二电压信号；
对各所述第二电压信号分别进行线性平滑处理，分别获得各标准浓度对应的电压值；
基于各所述标准浓度对应的电压值，对所述各所述标准浓度的零点值进行线性标定。
在其中一个实施例中，所述对所述第一电压信号的数据进行线性平滑处理，包括：
累加所述连续采集的第一电压信号的数据，获得累加电压信号数据；
将所述累加电压信号数据除以第一预定值，获得第一平滑数据；
将所述第一平滑数据进行预定次数的累加后除以第二预定值，获得第二平滑数据；
对所述第二次平滑数据按照数据大小进行排序，将排序处于预定排序范围的第二平滑数据进行累加，获得第三平滑数据；
将所述第三平滑数据除以第三预定值，获得最终平滑数据。
在其中一个实施例中，包括下述各项中的至少一项：
所述连续采集的第一电压信号的数据的个数为150-200个；
所述第一预定值的范围为48-70；
所述预定次数为950-1100次，所述第二预定值的范围为230-270；
所述第三预定值的范围为12-20。
所述预定排序范围为最大值前的预定数目。
在其中一个实施例中，在所述对所述第一电压信号的数据进行线性平滑处理之后，获得所述电压信号的换算浓度值之前，还包括：对所述线性平滑处理后的数据进行零点校准。
在其中一个实施例中，对所述线性平滑处理后的数据进行零点校准，包括：
将所述线性平滑处理后的数据对应的零点值与标准零点值进行比较；
若所述零点值小于所述标准零点值，更新所述零点值为标准零点值。
在其中一个实施例中，基于预设的温度和湿度与补偿系数的对应关系，获得所述温度和湿度对应的温湿度补偿系数矩阵，包括：
获取所在环境的温度和湿度，分别得到所述温度和湿度数据对应的一维数组，基于预设的温度和湿度与补偿系数的对应关系和所述一维数组生成所述温度和湿度数据对应的二维系数矩阵。
在其中一个实施例中，所述基于所述温湿度补偿系数矩阵对所述换算浓度值进行温湿度补偿，获得真实浓度值，包括：
将所述换算浓度值乘以所述二维系数矩阵进行温湿度补偿，获得真实浓度值。
一种空气质量传感器处理装置，所述装置包括：
线性平滑处理模块，用于获取连续采集的第一电压信号，对所述第一电压信号的数据进行线性平滑处理，获得所述第一电压信号的换算浓度值；
温湿度数据处理模块，用于获取所在环境的温度和湿度，基于预设的温度和湿度与补偿系数的对应关系，获得所述温度和湿度对应的温湿度补偿系数矩阵；
温湿度补偿模块，用于基于所述温湿度补偿系数矩阵对所述换算浓度值进行温湿度补偿，获得真实浓度值。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
获取连续采集的第一电压信号，对所述第一电压信号的数据进行线性平滑处理，获得所述第一电压信号的换算浓度值；
获取所在环境的温度和湿度，基于预设的温度和湿度与补偿系数的对应关系，获得所述温度和湿度对应的温湿度补偿系数矩阵；
基于所述温湿度补偿系数矩阵对所述换算浓度值进行温湿度补偿，获得真实浓度值。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
获取连续采集的第一电压信号，对所述第一电压信号的数据进行线性平滑处理，获得所述第一电压信号的换算浓度值；
获取所在环境的温度和湿度，基于预设的温度和湿度与补偿系数的对应关系，获得所述温度和湿度对应的温湿度补偿系数矩阵；
基于所述温湿度补偿系数矩阵对所述换算浓度值进行温湿度补偿，获得真实浓度值。
上述空气质量传感器处理方法和装置，通过获取连续采集的第一电压信号，对所述第一电压信号的数据进行线性平滑处理，获得所述第一电压信号的换算浓度值；获取所在环境的温度和湿度，基于预设的温度和湿度与补偿系数的对应关系，获得所述温度和湿度对应的温湿度补偿系数矩阵；基于所述温湿度补偿系数矩阵对所述换算浓度值进行温湿度补偿，获得真实浓度值。采用本申请实施例方法能够提高TVOC传感器测量数据的准确性，减小误差。
附图说明
图1为一个实施例中空气质量传感器处理方法的应用环境图；
图2为一个实施例中空气质量传感器处理方法的流程示意图；
图3为一个实施例中空气质量传感器处理方法线性平滑处理的流程示意图；
图4为一个实施例中空气质量传感器处理方法线性标定的流程示意图；
图5为一个实施例中空气质量传感器处理方法零点校准的流程示意图；
图6为一个实施例中空气质量传感器处理方法温湿度补偿的流程示意图；
图7为一个实施例中空气质量传感器处理装置的结构框图；
图8为一个实施例中空气质量传感器处理计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的空气质量传感器处理方法，可以应用于如图1所示的应用环境中。其中，传感器102通过网络与终端设备104进行通信，传感器102通过获取连续采集的第一电压信号，对第一电压信号的数据进行线性平滑处理，获得第一电压信号的换算浓度值，通过获取所在环境的温度和湿度，基于预设的温度和湿度与补偿系数的对应关系，获得温度和湿度对应的温湿度补偿系数矩阵，最后基于温湿度补偿系数矩阵对换算浓度值进行温湿度补偿，获得真实浓度值。传感器102将真实浓度值通过网络发送到终端设备104，传感器102可以但不限于是各种空气质量传感器，如TVOC传感器、PM2.5传感器、CO2传感器等，终端设备104可以但不限于与各种空气质量监测设备，如工业环境监测设备、室内环境监测仪、户外环境监测终端等，终端设备104还可以是具有报警功能的监测设备，当传感器102测量得到的某种空气污染物浓度高于阈值时进行报警，以提示用户进行安全防护。
在其中一个实施例中，如图2所示，提供了一种空气质量传感器处理方法，以该方法应用于图1中的传感器102为例进行说明，该实施例中的空气质量传感器处理方法包括：
步骤S202，获取连续采集的第一电压信号，对所述第一电压信号的数据进行线性平滑处理，获得所述第一电压信号的换算浓度值。
在其中一个实施例中，传感器102为TVOC传感器，具体地，TVOC传感器获取环境中的TVOC气体浓度的电压信号，电压信号称为第一电压信号，第一电压信号采集方式为连续采集，需根据实际情况确定采集个数，当采集的第一电压信号满足波动较小或者噪声影响较弱中的至少一项时停止采集。通常情况下，连续采集个数为150-200个。
在其中一个最佳实施例中，连续采集的第一电压信号个数为185个。
其中，由于连续采集得到的第一电压信号可能存在波动或者噪声，为了减小可能存在的波动或者噪声的影响，对第一电压信号的数据进行线性平滑处理，线性平滑处理就是用不断获得的实际数据和原测试数据给以加权平均，使测试结果更接近于实际情况的方法，能够减小数据波动或噪声对测试数据产生的影响。获得第一电压信号的最终平滑数据后，获得第一电压信号的换算浓度值，有效减小误差。
在其中一个实施例中，对第一电压信号的数据进行线性平滑处理，如图3所示，包括：
步骤S302，累加所述连续采集的第一电压信号的数据，获得累加电压信号数据。
其中，连续采集的第一电压信号N1的数据的个数为150-200个，具体地，将连续采集的第一电压信号N1的数据进行累加，获得累加电压信号数据N2。
步骤S304，将所述累加电压信号数据除以第一预定值，获得第一平滑数据。
其中，第一预定值根据第一电压信号N1的采集个数确定，当第一电压信号N1采集个数为150时，第一预定值为48，当第一电压信号采集N1个数为200时，第一预定值为70，具体地，第一预定值的范围为48-70，将累加电压信号数据N2除以第一预定值，获得第一平滑数据N3。
步骤S306，将所述第一平滑数据进行预定次数的累加后除以第二预定值，获得第二平滑数据。
其中，预定次数根据第一平滑数据N3确定，至少为950次，至多为110次，第二预定值根据第一平滑数据N3的累加次数确定，至少为230，至多为270，具体地，预定次数为950-1100次，第二预定值的范围为230-270，将第一平滑数据N3进行预定次数累加后除以第二预定值，获得第二平滑数据N4。
步骤S308，对所述第二次平滑数据按照数据大小进行排序，将排序处于预定排序范围的第二平滑数据进行累加，获得第三平滑数据。
其中，将第二平滑数据N4放入队列中，将队列按照从小到大的顺序进行排序。将排序处于预定排序范围的第二平滑数据N4进行累加。线性平滑过程中，队列两端的最小值和最大值数据会对实际结果产生影响，预定排序范围为最接近实际情况的波动较小的一组数据值，数据值的个数根据第一电压信号N1的采集个数确定。具体地，预定排序范围为最大值前的预定数目，预定范围为除了最大值之外的，最大值前的20个值。
步骤S310，将所述第三平滑数据除以第三预定值进行压缩，获得最终平滑数据。
其中，第三预定值根据第三平滑数据N4确定，至少为12，至多为20，具体地，第三预定值的范围为12-20。
在其中一个最佳实施例中，累加连续采集的185个第一电压信号的数据，获得累加电压信号数据N1，将累加电压信号数据N1除以64，获得第一平滑数据N2，将第一平滑数据N2进行1000次的累加后除以256，获得第二平滑数据N3，对第二次平滑数据N3按照数据大小进行排序，若N3排在第35位，则将排序处于第12到第34位的第二平滑数据N3进行累加，获得第三平滑数据N4，将第三平滑数据N4除以，获得最终平滑数据N5，获得第一电压信号的换算浓度值Y0。
在其中一个实施例中，获取连续采集的第一电压信号之前，还包括：对传感器进行线性标定，如图4所示，线性标定包括：
步骤S402，获取传感器在各标准浓度环境时，连续采集的第二电压信号。
其中，TVOC传感器获取标准TVOC气体浓度环境中的电压信号，电压信号称为第二电压信号。
步骤S404，对各所述第二电压信号分别进行线性平滑处理，分别获得各标准浓度对应的电压值。
其中，线性平滑处理方法与第一电压信号的线性平滑处理方法相同。
步骤S406，基于各所述标准浓度对应的电压值，对所述各所述标准浓度的零点值进行线性标定。
其中，线性标定是将传感器获取的各标准浓度的零点值进行归一化处理，归一化是将原始数据压缩在(0，1)的范围内，线性标定的目的是统一各标准浓度的零点值，有效减小误差。
在其中一个实施例中，对同一批次的多个传感器的各标准浓度的零点值进行批量标定。
在其中一个实施例中，线性标定过程在利用EPPROM带电可擦可编程只读存储器进行，将传感器置于稳定的环境仓内部，向仓内依次填充浓度为0ppm、5ppm、10ppm和20ppm的TVOC气体，形成标准浓度环境。将传感器的测得的零点值和标准浓度环境的标准零点值写入EPPROM的地址中，再进行系统初始化，将传感器的差异性进行归一化处理，有效减小测量误差。
在其中一个实施例中，保持环境中TVOC的浓度为0ppm，获取连续采集的第二电压信号，对第二电压信号进行线性平滑处理，得到处理后的最终平滑数据N5，最终平滑数据N5对应的零点值记为X0，将EPPROM的地址0写入X0，将EPPROM的地址1写入00。
在其中一个实施例中，保持环境中TVOC的浓度为5ppm，获取连续采集的第二电压信号，对第二电压信号进行线性平滑处理，得到处理后的最终平滑数据N5，最终平滑数据N5对应的零点值记为X5，将EPPROM的地址2写入X5，将EPPROM的地址3写入50。
在其中一个实施例中，保持环境中TVOC的浓度为10ppm，获取连续采集的第二电压信号，对第二电压信号进行线性平滑处理，得到处理后的最终平滑数据N5，最终平滑数据N5对应的零点值记为X10，将EPPROM的地址4写入X10，将EPPROM的地址5写入100。
在其中一个实施例中，保持环境中TVOC的浓度为20ppm，获取连续采集的第二电压信号，对第二电压信号进行线性平滑处理，得到处理后的最终平滑数据N5，最终平滑数据N5对应的零点值记为X20，将EPPROM的地址6写入X20，将EPPROM的地址7写入200。
在其中一个实施例中，对第一电压信号的数据进行线性平滑处理之后，获得电压信号的换算浓度值之前，还包括：对线性平滑处理后的数据进行零点校准。
具体地，TVOC传感器在连续使用一段时间，例如连续使用一年以后，TVOC传感器的零点可能会存在一定的偏移，若此时不校准零点的位置，传感器在进行浓度检测时会产生误差。
在其中一个实施例中，对线性平滑处理后的数据进行零点校准，如图5所示，包括：
步骤S502，将线性平滑处理后的数据对应的零点值与标准零点值进行比较。
步骤S504，若所述零点值小于所述标准零点值，更新所述零点值为标准零点值。
在其中一个实施例中，将获得的最终平滑后的数据N5对应的零点值X1与标准零点值X进行比较，若零点值X1小于标准零点值X，更新零点值为最终平滑后的数据N5对应的零点值X1，完成零点的校准。
步骤S204，获取所在环境的温度和湿度，基于预设的温度和湿度与补偿系数的对应关系，获得所述温度和湿度对应的温湿度补偿系数矩阵。
在其中一个实施例中，当环境中的温度和湿度发生变化时，TVOC传感器的测试数据会发生漂移，产生较大误差，温湿度补偿是基于环境中的温度和湿度数据对传感器进行补偿。其中，在不同浓度、不同湿度的恒温恒湿箱中批量采集温度和湿度数据，经过数据处理获得传感器的温湿度特性，总结得到温度和湿度数据相对固定的补偿系数规律，并将系数预设在传感器中。
在其中一个实施例中，如图6所示，获取所在环境的温度和湿度，基于预设的温度和湿度与补偿系数的对应关系，获得温度和湿度对应的温湿度补偿系数矩阵，包括：
步骤S602，获取所在环境的温度和湿度，分别得到所述温度和湿度数据对应的一维数组，基于预设的温度和湿度与补偿系数的对应关系和所述一维数组生成所述温度和湿度数据对应的二维系数矩阵。
其中，一维数组是由数字组成的以单纯的排序结构排列的结构单一的数组，矩阵是按照长方阵列排列的数构成的矩形表格，而二维矩阵中的每个元素不再是单一的数，而是有序实数对。
步骤S206，基于所述温湿度补偿系数矩阵对所述换算浓度值进行温湿度补偿，获得真实浓度值。
在其中一个实施例中，如图6所示，基于温湿度补偿系数矩阵对所述换算浓度值进行温湿度补偿，获得真实浓度值，包括：
步骤S604，将所述换算浓度值乘以所述二维系数矩阵进行温湿度补偿，获得真实浓度值。
在其中一个实施例中，获取传感器所在环境中的温度和湿度数据，分别得到温度数据对应的一维数组T0和湿度数据对应的一维数组S0，基于T0和S0生成对应的二维系数矩阵(T，S)。将第一电压信号的换算浓度值Y0乘以二维系数矩阵(T，S)，获得真实浓度值Y1，Y1为TVOC传感器测试得到的真实浓度数据。
基于如上述的实施例的方案，通过获取连续采集的第一电压信号，对第一电压信号的数据进行线性平滑处理，获得第一电压信号的换算浓度值；获取所在环境的温度和湿度，基于预设的温度和湿度与补偿系数的对应关系，获得温度和湿度对应的温湿度补偿系数矩阵；基于温湿度补偿系数矩阵对换算浓度值进行温湿度补偿，获得真实浓度值。能够有效解决TVOC传感器受环境温湿度的影响，避免测量数据产生失真和偏离，减小误差。
应该理解的是，虽然图2-6的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-6中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在其中一个实施例中，如图7所示，提供了一种空气质量传感器处理装置，包括：线性平滑处理模块710、温湿度数据处理模块720和温湿度补偿模块730，其中：
线性平滑处理模块710，用于获取连续采集的第一电压信号，对所述第一电压信号的数据进行线性平滑处理，获得所述第一电压信号的换算浓度值。
温湿度数据处理模块720，用于获取所在环境的温度和湿度，基于预设的温度和湿度与补偿系数的对应关系，获得所述温度和湿度对应的温湿度补偿系数矩阵。
温湿度补偿模块730，用于基于所述温湿度补偿系数矩阵对所述换算浓度值进行温湿度补偿，获得真实浓度值。
在其中一个实施例中，空气质量传感器处理装置还包括线性标定模块700，线性标定模块700包括以下单元：
第二电压信号采集单元，用于获取传感器在各标准浓度环境时，连续采集的第二电压信号。
第二电压信号线性平滑处理单元，用于对各所述第二电压信号分别进行线性平滑处理，分别获得各标准浓度对应的电压值。
标准浓度零点线性标定处理单元，用于基于各所述标准浓度对应的电压值，对所述各所述标准浓度的零点值进行线性标定。
在其中一个实施例中，标准浓度零点线性标定处理单元，包括以下单元：
标准浓度零点批量标定单元，用于对同一批次的多个传感器的各所述标准浓度的零点值进行批量标定。
在其中一个实施例中，线性平滑处理模块710，包括以下单元：
第一电压信号累加单元，用于累加所述连续采集的第一电压信号的数据，获得累加电压信号数据。
第一平滑数据获取单元，用于将所述累加电压信号数据除以第一预定值，获得第一平滑数据。
第二平滑数据获取单元，用于将所述第一平滑数据进行预定次数的累加后除以第二预定值，获得第二平滑数据。
第三平滑数据获取单元，用于对所述第二次平滑数据按照数据大小进行排序，将排序处于预定排序范围的第二平滑数据进行累加，获得第三平滑数据。
最终平滑数据获取单元，用于将所述第三平滑数据除以第三预定值，获得最终平滑数据。
在其中一个实施例中，线性平滑处理模块710，还包括线性平滑处理数据零点校准单元，线性平滑处理数据零点校准单元包括以下单元：
零点值比较单元，用于将所述线性平滑处理后的数据对应的零点值与标准零点值进行比较。
零点值更新单元，用于若所述零点值小于所述标准零点值，更新所述零点值为标准零点值。
在其中一个实施例中，温湿度数据处理模块720，包括以下单元：
二维系数矩阵获取单元，用于获取所在环境的温度和湿度，分别得到所述温度和湿度数据对应的一维数组，基于预设的温度和湿度与补偿系数的对应关系和所述一维数组生成所述温度和湿度数据对应的二维系数矩阵。
在其中一个实施例中，温湿度补偿模块730，包括以下单元：
温湿度补偿单元，用于将所述换算浓度值乘以所述二维系数矩阵进行温湿度补偿，获得真实浓度值。
关于空气质量传感器处理装置的具体限定可以参见上文中对于空气质量传感器处理方法的限定，在此不再赘述。上述空气质量传感器处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在其中一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图8所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储TVOC传感器获取的浓度数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种空气质量传感器处理方法，所述方法包括：获取连续采集的第一电压信号，对所述第一电压信号的数据进行线性平滑处理，获得所述第一电压信号的换算浓度值；获取所在环境的温度和湿度，基于预设的温度和湿度与补偿系数的对应关系，获得所述温度和湿度对应的温湿度补偿系数矩阵；基于所述温湿度补偿系数矩阵对所述换算浓度值进行温湿度补偿，获得真实浓度值。
本领域技术人员可以理解，图8中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在其中一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
获取连续采集的第一电压信号，对所述第一电压信号的数据进行线性平滑处理，获得所述第一电压信号的换算浓度值；
获取所在环境的温度和湿度，基于预设的温度和湿度与补偿系数的对应关系，获得所述温度和湿度对应的温湿度补偿系数矩阵；
基于所述温湿度补偿系数矩阵对所述换算浓度值进行温湿度补偿，获得真实浓度值。
在其中一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
获取连续采集的第一电压信号，对所述第一电压信号的数据进行线性平滑处理，获得所述第一电压信号的换算浓度值；
获取所在环境的温度和湿度，基于预设的温度和湿度与补偿系数的对应关系，获得所述温度和湿度对应的温湿度补偿系数矩阵；
基于所述温湿度补偿系数矩阵对所述换算浓度值进行温湿度补偿，获得真实浓度值。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种空气质量传感器处理方法，所述方法包括：
获取连续采集的第一电压信号，对所述第一电压信号的数据进行线性平滑处理，获得所述第一电压信号的换算浓度值；
获取所在环境的温度和湿度，基于预设的温度和湿度与补偿系数的对应关系，获得所述温度和湿度对应的温湿度补偿系数矩阵；
基于所述温湿度补偿系数矩阵对所述换算浓度值进行温湿度补偿，获得真实浓度值；
所述对所述第一电压信号的数据进行线性平滑处理，包括：
累加所述连续采集的第一电压信号的数据，获得累加电压信号数据；所述连续采集的第一电压信号的数据的个数为150-200个；
将所述累加电压信号数据除以第一预定值，获得第一平滑数据；所述第一预定值的范围为48-70；
将所述第一平滑数据进行预定次数的累加后除以第二预定值，获得第二平滑数据；所述预定次数为950-1100次，所述第二预定值的范围为230-270；
对所述第二平滑数据按照数据大小进行排序，将排序处于预定排序范围的第二平滑数据进行累加，获得第三平滑数据；所述预定排序范围为最大值前的预定数目；
将所述第三平滑数据除以第三预定值，获得最终平滑数据；所述第三预定值的范围为12-20。
2.根据权利要求1所述的空气质量传感器处理方法，其特征在于，在所述获取连续采集的第一电压信号之前，还包括：对所述传感器进行线性标定。
3.根据权利要求2所述的空气质量传感器处理方法，其特征在于，所述对所述传感器进行线性标定，包括：
获取传感器在各标准浓度环境时，连续采集的第二电压信号；
对各所述第二电压信号分别进行线性平滑处理，分别获得各标准浓度对应的电压值；
基于各所述标准浓度对应的电压值，对所述各所述标准浓度的零点值进行线性标定。
4.根据权利要求1所述的空气质量传感器处理方法，其特征在于，在所述对所述第一电压信号的数据进行线性平滑处理之后，在所述获得所述电压信号的换算浓度值之前，还包括：对所述线性平滑处理后的数据进行零点校准。
5.根据权利要求4所述的空气质量传感器处理方法，其特征在于，所述对所述线性平滑处理后的数据进行零点校准，包括：
将所述线性平滑处理后的数据对应的零点值与标准零点值进行比较；
若所述零点值小于所述标准零点值，更新所述零点值为标准零点值。
6.根据权利要求1所述的空气质量传感器处理方法，其特征在于，所述基于预设的温度和湿度与补偿系数的对应关系，获得所述温度和湿度对应的温湿度补偿系数矩阵，包括：
获取所在环境的温度和湿度，分别得到所述温度和湿度数据对应的一维数组，基于预设的温度和湿度与补偿系数的对应关系和所述一维数组生成所述温度和湿度数据对应的二维系数矩阵。
7.根据权利要求6所述的空气质量传感器处理方法，其特征在于，所述基于所述温湿度补偿系数矩阵对所述换算浓度值进行温湿度补偿，获得真实浓度值，包括：
将所述换算浓度值乘以所述二维系数矩阵进行温湿度补偿，获得真实浓度值。
8.一种空气质量传感器处理装置，其特征在于，所述装置包括：
线性平滑处理模块，用于获取连续采集的第一电压信号，对所述第一电压信号的数据进行线性平滑处理，获得所述第一电压信号的换算浓度值；
温湿度数据处理模块，用于获取所在环境的温度和湿度，基于预设的温度和湿度与补偿系数的对应关系，获得所述温度和湿度对应的温湿度补偿系数矩阵；
温湿度补偿模块，用于基于所述温湿度补偿系数矩阵对所述换算浓度值进行温湿度补偿，获得真实浓度值；
所述线性平滑处理模块，用于累加所述连续采集的第一电压信号的数据，获得累加电压信号数据；所述连续采集的第一电压信号的数据的个数为150-200个；将所述累加电压信号数据除以第一预定值，获得第一平滑数据；所述第一预定值的范围为48-70；将所述第一平滑数据进行预定次数的累加后除以第二预定值，获得第二平滑数据；所述预定次数为950-1100次，所述第二预定值的范围为230-270；对所述第二平滑数据按照数据大小进行排序，将排序处于预定排序范围的第二平滑数据进行累加，获得第三平滑数据；所述预定排序范围为最大值前的预定数目；将所述第三平滑数据除以第三预定值，获得最终平滑数据；所述第三预定值的范围为12-20。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的空气质量传感器处理方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的空气质量传感器处理方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011137947.9A CN112326882B (zh) | 2020-10-22 | 2020-10-22 | 空气质量传感器处理方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011137947.9A CN112326882B (zh) | 2020-10-22 | 2020-10-22 | 空气质量传感器处理方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112326882A CN112326882A (zh) | 2021-02-05 |
| CN112326882B true CN112326882B (zh) | 2022-07-08 |
Family
ID=74311249
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011137947.9A Active CN112326882B (zh) | 2020-10-22 | 2020-10-22 | 空气质量传感器处理方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112326882B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114814091A (zh) * | 2022-04-08 | 2022-07-29 | 天津光电华典科技有限公司 | 一种大气气态污染物检测方法、装置及电子设备 |
| CN114994262B (zh) * | 2022-07-15 | 2022-11-18 | 启思半导体(杭州)有限责任公司 | 数据采集方法、气味检测方法、数据存储系统及装置 |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH06130014A (ja) * | 1992-10-20 | 1994-05-13 | Matsushita Electric Ind Co Ltd | 空気質レベル判定方法および空気質レベル判定装置 |
| CN202649149U (zh) * | 2012-05-31 | 2013-01-02 | 河南汉威电子股份有限公司 | 补偿式气体传感器 |
| CN105628752B (zh) * | 2014-11-28 | 2019-03-26 | 国网青海省电力公司电力科学研究院 | 电化学传感器的标定方法 |
| CN106870080A (zh) * | 2017-01-23 | 2017-06-20 | 哈尔滨工程大学 | 一种适用于船用柴油机SCR系统NH3、NOx浓度及所处温度的实时监测方法 |
| CN107192742A (zh) * | 2017-04-10 | 2017-09-22 | 广东工业大学 | 一种金属氧化物气体传感器温度漂移补偿装置及方法 |
| CN107884364A (zh) * | 2017-10-20 | 2018-04-06 | 徐伟 | 可用于激光甲烷检测时的温湿度补偿办法 |
| CN108594153B (zh) * | 2018-04-08 | 2020-10-13 | 哈尔滨工业大学 | 一种光纤电流互感器温度与标度因数分区间补偿方法 |
| CN108760989A (zh) * | 2018-06-05 | 2018-11-06 | 深圳市无眼界科技有限公司 | 一种空气质量监测系统及其监测方法 |
| CN111595910A (zh) * | 2020-04-16 | 2020-08-28 | 北京航天试验技术研究所 | 一种浓度计算方法 |
-
2020
- 2020-10-22 CN CN202011137947.9A patent/CN112326882B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN112326882A (zh) | 2021-02-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112326882B (zh) | 空气质量传感器处理方法和装置 | |
| CN109558295B (zh) | 一种性能指标异常检测方法及装置 | |
| CN112771462B (zh) | 劣化检测系统 | |
| DE102018109696A1 (de) | Vorrichtung und Verfahren zur Verifizierung, Kalibrierung und/oder Justierung eines Inline-Messgeräts | |
| CN116879297B (zh) | 土壤水分协同反演的方法、装置、设备和介质 | |
| US20220036223A1 (en) | Processing apparatus, processing method, and non-transitory storage medium | |
| CN111948273B (zh) | 气体传感器温度补偿模型建立、气体浓度测量方法及装置 | |
| CN111458395B (zh) | 一种改变q值的卡尔曼滤波方法、装置及可读存储介质 | |
| CN115795982B (zh) | 一种汽车的疲劳耐久寿命预测方法、设备和存储介质 | |
| CN115728445A (zh) | 传感器校准方法、装置、设备及计算机可读存储介质 | |
| CN109814101B (zh) | 一种航空器位置预测的方法及装置 | |
| CN112731815B (zh) | 一种提高模拟量采集精度的方法 | |
| CN113624694A (zh) | 一种大气甲烷浓度的反演方法和装置 | |
| CN115809427B (zh) | 基于混合策略优化bp神经网络的混合气体识别方法 | |
| CN116819008A (zh) | 一种无人驾驶航空器外部有害气体检测方法、系统及介质 | |
| CN114062283A (zh) | 用于动态迭代基线调整的装置、计算机实现方法和计算机程序产品 | |
| CN111091194A (zh) | 一种基于cavwnb_kl算法的操作系统识别方法 | |
| CN113804833B (zh) | 基于凸集投影和极限学习机的电子鼻漂移通用校准方法 | |
| CN115526330A (zh) | 有机物走航数据校准方法、装置、计算机设备和存储介质 | |
| CN109858699B (zh) | 水质定量模拟方法、装置、电子设备及存储介质 | |
| JP7099623B2 (ja) | 情報処理装置、情報処理方法、およびプログラム | |
| CN117370897B (zh) | 道路健康状态检测方法、电子设备和计算机可读介质 | |
| CN116087131B (zh) | 一种紫外差分气体分析仪的数据处理方法及系统 | |
| EP4080202A1 (en) | Gas sensing device and method for determining a calibrated measurement value of a concentration of a target gas | |
| CN112182044A (zh) | 规则引擎的测试方法、装置以及计算机设备 |
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 |