智能传感网络在空气质量监测中的应用外文翻译资料

 2022-10-23 11:10

英语原文共 10 页,剩余内容已隐藏,支付完成后下载完整资料


智能传感网络在空气质量监测中的应用

Octavian A.Postolache,电气与电子工程师协会高级会员、J.M.Dias Pereira,电气与电子工程师协会高级会员、P.M.B.Silva Gir atilde;o,电气与电子工程师协会高级会员

摘要:本文介绍一种室内和室外的空气质量监测网络。每个节点安装在不同的房间,而且包含与采集控制系统相连接的二氧化锡传感器阵列。这些节点通过有线或无线的方式连接到中央监测单元。为了提高气体浓度测量精度和预防错误报警,两种气体传感器影响量,即温度和湿度,也要被测量。基于多输入单输出神经网络的先进处理技术在这些网络传感节点上实施,为的是获得气体浓度的温湿度补偿值。网络传感节点的不当操作和电量消耗同样会被讨论到。

关键字:空气质量;嵌入式网络服务器;神经网络;无线网络。

1绪论

空气提供给我们人体存活所需的氧气,它99.9%的成分是氮、氧、水蒸气和惰性气体。人类活动会释放一些物质到空气中,其中有的会对人类、动植物造成危害。

空气质量能用几种污染物的浓度来描述,如一氧化碳、二氧化硫、二氧化氮和臭氧。欧洲环境局特别为这几种污染物浓度划分了阈值,即10mu;g/msup3;、350mu;g/msup3;、40mu;g/msup3;和120mu;g/msup3;。

在我们的家庭、办公室和学校里同样要注意污染。室内活动如抽烟和烹饪会产生某些污染物。一般说来,在工业化国家,人们每天有80%到90%的时间处在室内,所以也就暴露在有害的室内污染物之中。室内空气质量常通过分别测量CO、温度和湿度来评估。这些信息不足以很好地描述室内空气质量,即使把它们融合在一起。

无线局域网技术的发展,廉价接入点、无线网络适配器和无线桥接器,这些成就了实现高灵活性、模块化、低耗的室内/室外空气质量监测网络的可能。

二氧化锡传感器也是不昂贵值得选择的一种气体传感器。为了克服它的一些限制,如交叉敏感问题,还有温湿度依赖行为,我们需要进行适当的传感器数据处理。

这些工作都是为了呈现出一个无线室内-室外空气质量监测网络,它结合具有先进传感器数据处理的二氧化锡传感器的能力,这是建立在多层感知器神经网络上的,目的是获得空气质量的准确的测量、避免空气污染事件和传感器的不当操作的发生。

2传感器特性的直接和逆向建模

传感器的非线性要求为传感器校准和在线测量阶段使用直接和逆向建模。为二氧化锡气体传感器TGS800、TGS822、TGS842和TGS203的特定情况,传感器响应很大程度上取决于一些参数,如温度、湿度,还有其他气体的交叉影响。由于实用性和经济性方面的原因,校准点的数量很少,因此本文中使用了一个神经网络(多层感知器架构),它是一个多变量特性的球形近似体。多项式建模是多变量特性建模的另一种解决方法。这类方法的典型就是多项式模型,它是智能传感器IEEE1451.2标准的一部分,尤其与智能传感器校正引擎的执行有关。这种方法代表了一个很有趣的解决办法。然而,它需要大量数据(即与神经网络模型相比更多的校准点)来计算多项式模型系数,即:

其中Xn为传感器特性模块的输入变量,Hn为输入变量的补偿量,D(k)表示输入Xk的程度,即[Xk-Hk]在多项式任意一项中被提升的最高次幂。Ci,j,hellip;,p表示计算出的所得每一项值的校准系数,且考虑输入变量范围的划分。此法的准确度会受到多项式的次数、段数和值的数目的影响,值的数目包含在已定义的子范围内,子范围因外部因素补偿计算而使多变量多项式逆向模型更复杂。

考虑到气体浓度仅给了一段,这一段里气体传感器通道获取的电压表示主要变量(X1=VGi),而且限制气体浓度测量影响因素的数量到温度和湿度,它们由从温度和相对湿度传感器通道(X2=VT,X3=VRH)获取的电压值表示,气体浓度CGi补偿值由下式表示:

可以看出,为减少复杂性,要考虑一次多项式近似值。更高次的多变量多项式模型有更高的准确性,也表示着计算量的增加。比较“经典”多项式建模和神经网络建模可以看到,为了逆向特性建模所施加的准确性,用来计算系数的校准点的数量通常比用来设计神经网络传感器模型的校准点数量多。将复杂的处理从嵌入式服务器移动到网络服务器一侧,我们就能克服神经网络处理的一些缺点,如过多的乘法计算和使用非线性传递函数(如tanh(·))。

3传感器网络

气体传感器网络为从监控地区获得采矿信息提供了一个有前景的机制。考虑下列两种Wi-Fi(WLAN)架构:(1)自组体系结构网络、(2)AP基础架构网络,考虑到AP的作用就是有线与无线网络间的桥梁,所以后者能保障附加服务(如在无线网络上进行数据发布)的运行。而前者看上去尤其对室外空气质量监测是个不错的解决方法,因为它对要素的要求更少,因此电力消耗也更少。

自组体系智能传感器网络(图1,例1)包括以下三种要素:(1)一台配有IEEE802.11g兼容的Wi-Fi的CardBus适配器(DML-G650 )作为主控制处理单元;(2)一系列具有空气质量传感器(GS1,GS2,...,GSi)的传感节点(SNj);(3)一个基于IPmu;8930通用网络控制器的数据采集、基本处理和TCP/IP通信单元(APC),控制器的以太网端口与DWL-G810无线桥接器连接。

图1 不同房间(R1,R2,hellip;,Rj)自组体系空气智能传感器网络架构,其中SNj为传感节点,GSji为气体传感器,TSj为温度传感器,RHSj为相对湿度传感器,WBj为无线桥接器

提到AP基础架构(例2),无线网络节点组件与例1相同,唯一的区别是AP(LinksysWAP11)的内含物,这个要素能扩大无线子网范围能力,并允许通过有线网络传输无线网络流量,这样就能将布置在不同房间(Rwj,图2)的附加有线传感节点包含进来。

图2 基础结构WLAN空气质量智能传感器网络架构,包括布置在不同房间的传感节点。R1,hellip;,Rj:有无线传感节点的房间。Rw1和Rw2:有有线传感节点的房间。SNj:传感节点。GSji:气体传感器。TSj:温度传感器。RHSj:相对湿度传感器。WBj无线桥接器。AP:存取点。

从图2中可以看到,无线或有线传感节点安装在不同房间(R1,R2,hellip;,Rj,Rw1,Rw2,hellip;,Rwj),在这些房间里测量不同的温度、相对湿度和空气质量。图3强调了在下列两种情况下被测量空气质量参数的区别:有烟的房间和无烟的房间。

图3 两个不同房间(有烟和无烟)里室内空气质量参数随时间的变化

3.1传感节点

设计和使用这些传感节点用以执行空气质量(AirQ)监测,使用廉价的气体传感器,与此同时能获取额外的关于温度T和相对湿度RH的信息。此信息可提升气体浓度测量精度,进行由温度和湿度影响造成的误差的补偿。

所用气体传感器用SnO2半导体加热传感器烧结而成,由Figaro提供,能保障污染事件检测(TGS800-一般空气污染物传感器-AC)、酒精和有机溶剂检测(TGS822-SV)和CO检测(TGS203-CO)。特别地,温度和相对湿度信息可以用Smartec SMT160-30和Humirel HM1500温度和相对湿度变频器获取。

传感器实验的直接特性由电压表示,电压在不同气体浓度下气体传感器调理电路输出中获得,由百万分数表示。所用空气污染传感器TGS800、有机溶剂(TGS822)和甲烷传感器(TGS842)的调理电路由图4所示。

为了执行传感器特性描述,每一个所考虑到的气体传感器(GSi)被分别引进一个试验箱中,作为实验室开发的气体传感器校准系统的一部分。使用一个气体质量流量控制器(MC Alicat Scientific)控制气体浓度的值,控制器与标准浓度(如100ppm CO)的气瓶连接。

图4 气体传感器调理电路。VC:电路电压,VH:加热电压,VGS:气体传感器输出电压,RL:负载电阻。

用温度、相对湿度传感器测量温度、湿度,这也包含在箱子里。利用一系列与实验箱、气泵连接的干燥饱和室制造不同的温度和相对湿度(图5)。

图5 气体传感器校准系统结构。CGB:校准气瓶。MFC:质流控制器。TCE:实验箱电磁阀。DCE:干燥箱电磁阀。SCE:饱和箱电磁阀。DCP:干燥箱泵。SCP:饱和箱泵。DC:干燥箱。SC:饱和箱。HC:加热器控制。H:加热器。WT:水槽。TCV:实验箱抽风机。SCV:饱和箱抽风机。

为降低湿度,有两个珀耳帖效应细胞的干燥箱与实验箱连接。经过珀耳帖细胞的冷凝后,在干燥箱中的冷凝液体就被收集起来并从中泵出。使用此法可以得到较低的相对湿度(RH=20%)。饱和箱连接实验箱时可得较高的湿度。在此例中,冷凝水或蒸馏水从水槽里抽出然后气化进入空气循环系统。在此过程中可以达到95%的值。通过RH变化过程,可以得到RH1 =35%、RH2=65%和RH3=95%情况下的气体传感器特性。对温度,要使用珀耳帖细胞。另外地,使用实验箱抽风机向实验箱注入冷空气或暖风。在此例中,实验了几种不同的温度,T1 =10℃、T2=15℃、T3=20℃、T4=25℃和T5=30℃。

在特定气体传感器实验后(如TGS842甲烷气体传感器实验),使用一个排气电路来清理实验箱。

3.2APC

传感器通道中获得的电压应用于APC的模拟输出,APC是通用网络控制器和网络服务器(Ipsil IPmu;8930)。它执行传感通道数据转换(电压转换成百万分为单位的气体浓度、摄氏度为单位的温度和百分为单位的相对湿度),和网络数据发布(例1)或利用TCP/IP通信传输数据到主处理控制单元(笔记本电脑PC),PC通过LabVIEW 网络服务器执行数据记录、处理和网络发布(例2)。

4数据处理

有两种类型的允许多种空气质量数据计算的传感器数据处理结构,用JavaScript和LabVIEW网络出版社技术来实现。第一种是用JavaScript在嵌入式服务器(网络传感器)上实现的神经网络算法,是这类工作的新事物的代表之一。第二种软件结构在网络PC里实现,并执行以下三个任务:(1)通过TCP/IP远程控制进行传感节点数据读取;(2)基于气体传感器神经网络逆向模型的空气污染事件识别和气体浓度估算;(3)空气质量数据的数据记录和网络发布。为实现此结构,使用LabVIEW的性能。

JavaScript是和智能传感器网络关联的,为了确保独立的动态网页生成。由嵌入式网络服务器支持的传感器节点(SNj),从传感器通道获取和处理电压,用一系列可实现的JavaScript功能(JSi),这是存储在嵌入式网络服务器(Ipsil IPmu;8930)电可擦可编程只读存储器(EEPROM)内的超文本标记语言(HTML)文件的一部分。JSi复杂性取决于关联传感器。数据处理主要在网络浏览器执行,这减少了有关嵌入式网络服务器的计算量,而且对于功率消耗和网络服务器独立性来说这也很重要。

说到JST和JSRH,也就是与温度、相对湿度计算相关的JavaScript功能,以实现下列关系式:

其中alpha;1=212.765℃,beta;1=0.320,alpha;2=210.970%RH,beta;2=0.235,VS= 5V,VT为温度通道电压,VRH为相对湿度通道电压。在GSi中,使用一系列JSNPBi(为i测量通道的JavaScript神经处理模块:NPBi)的功能。

NPBS利用和气体传感器多变量非线性特性的逆向建模有关,这很大程度上决定于温湿度,但也受作为被检验气体混合物部分的其他气体浓度的影响。基于所设计的NPBS,可以得到气体浓度和补偿的电子读数。

4.1NPBi结构和设计

所用神经处理模块(NPBi)为双输入单输出多层感知器神经网络(图6)。

图6 NPBi结构。N-1:规范化和非规范化模块。RHj:湿度选择器。CGi:气体浓度Gi的温度和湿度补偿值。TP:温度输入值。VGSi:GSi通道的输入电压。

NPBi的内部参数(权值和阈值)可以用MATLAB离线计算。在系统校准阶段,可得神经网络样本数据。

剩余内容已隐藏,支付完成后下载完整资料


资料编号:[152559],资料为PDF文档或Word文档,PDF文档可免费转换为Word

原文和译文剩余内容已隐藏,您需要先支付 30元 才能查看原文和译文全部内容!立即支付

以上是毕业论文外文翻译,课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。