CN105352860A - 一种红外粉尘传感器的数据处理方法 - Google Patents
一种红外粉尘传感器的数据处理方法 Download PDFInfo
- Publication number
- CN105352860A CN105352860A CN201510695984.4A CN201510695984A CN105352860A CN 105352860 A CN105352860 A CN 105352860A CN 201510695984 A CN201510695984 A CN 201510695984A CN 105352860 A CN105352860 A CN 105352860A
- Authority
- CN
- China
- Prior art keywords
- ave
- dust
- value
- infrared
- dust sensor
- 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
- 239000000428 dust Substances 0.000 title claims abstract description 129
- 238000003672 processing method Methods 0.000 title claims abstract description 22
- 238000002474 experimental method Methods 0.000 claims abstract description 13
- 238000000034 method Methods 0.000 claims abstract description 11
- 238000004458 analytical method Methods 0.000 claims abstract description 4
- 238000012360 testing method Methods 0.000 claims description 24
- 230000001815 facial effect Effects 0.000 claims description 4
- 238000010200 validation analysis Methods 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 230000006870 function Effects 0.000 abstract description 20
- 230000000087 stabilizing effect Effects 0.000 abstract 1
- 230000001186 cumulative effect Effects 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 206010010356 Congenital anomaly Diseases 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000013341 scale-up Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Classifications
-
- 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
- G01N15/02—Investigating particle size or size distribution
- G01N15/0205—Investigating particle size or size distribution by optical means
-
- 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
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/06—Investigating concentration of particle suspensions
- G01N15/075—Investigating concentration of particle suspensions by optical means
Landscapes
- Chemical & Material Sciences (AREA)
- Dispersion Chemistry (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种红外粉尘传感器的数据处理方法，该方法至少包括如下步骤：步骤1：在防潮箱中改变实验环境空气中的粉尘浓度并使粉尘的浓度稳定一段时间。步骤2：采集不同的稳定粉尘浓度下的红外粉尘传感器的电压值以及同环境下的高精度粉尘检测仪所示值。步骤3：将步骤2得到的采集值用软件进行拟合分析，得到函数表达式。步骤4：验证实验结果。本发明通过算法的优化提高了红外粉尘传感器的精度使其达到和粉尘检测仪基本近似的功能，并在产品里通过让红外传感器来代替粉尘检测仪的方法从而降低了成本。
Description
技术领域
本发明涉及红外粉尘传感器的电压特征值采集技术领域，尤其涉及一种红外粉尘传感器的数据处理方法。
背景技术
现有的高精度粉尘检测仪的技术基本是运用光线照射空气中悬浮颗粒物上产生散射，同时在某一特定角度收集散射光，得到散射光强随时间变化的曲线，进而微处理器利用相关算法，得出颗粒物的等效粒径及单位体积内不同粒径的颗粒物数量从而来得到粉尘的浓度值。而p红外粉尘传感器的原理也与粉尘检测仪近似，但是由于红外线平行度不高，能量不集中等缺点，所以精度与反应速度都要比粉尘检测仪弱。但是同时粉尘检测仪的成本也比红外传感器高，而红外传感器由于自身本身的缺陷以及算法的不细致导致了其精确度会比粉尘传感器差。
发明内容
本发明的目的：提供一种红外粉尘传感器的数据处理方法，能解决现有技术在红外粉尘传感器检测系统中因为算法不完善而导致的精度不准确的技术问题，从而达到在相关应用产品里在一定精度的要求下用红外传感器来代替高精度粉尘检测仪以减小成本的目的。
为了实现上述目的，本发明的技术方案是：
一种红外粉尘传感器的数据处理方法，该方法至少包括如下步骤：
步骤1：在防潮箱中改变实验环境空气中的粉尘浓度并使粉尘的浓度稳定一段时间。
步骤2：采集不同的稳定粉尘浓度下的红外粉尘传感器的电压值以及同环境下的高精度粉尘检测仪所示值。
步骤3：将步骤2得到的采集值用软件进行拟合分析，得到函数表达式。
步骤4：验证实验结果。
上述的红外粉尘传感器的数据处理方法，其中，所述的步骤1包括如下分步骤：
步骤1.1：在防潮箱中，同时放入粉尘检测仪、红外粉尘传感器以及空气净化器，通过烧面纸得到粉尘并进入防潮箱内，关闭防潮箱。
步骤1.2：打开空气净化器，直到让粉尘检测仪的示数稳定在指定测试值附近，然后关闭空气净化器等待5分钟让数值在指定测试值附近稳定。
上述的红外粉尘传感器的数据处理方法，其中，在所述的步骤1.2中，所述的指定测试值附近是指指定测试值±10ug/l。
上述的红外粉尘传感器的数据处理方法，其中，所述的步骤2包括如下分步骤：
步骤2.1：在数值稳定5分钟左右后，在第5~6min时，记录下一分钟内，所有红外粉尘传感器的每一次周期内的第0.22ms，0.24ms，0.26ms，0.28ms，0.30ms，0.32ms以及0.34ms的输出电压组；
步骤2.2：求步骤2.1中的输出电压组在这一分钟内的平均值X1_ave，X2_ave，X3_ave，X4_ave，X5_ave，X6_ave，X7_ave，并以文本方式保存。
上述的红外粉尘传感器的数据处理方法，其中，在所述的步骤3中，所述的函数表达式为：
①、X4_ave≤660mv
Y=1.25*X7_ave-0.092*X1_ave-655.899；
②、660mv≤X4_ave≤938mv
Y=0.26*X7_ave+0.221*X1_ave-265.485；
③、938mv≤X4_ave≤1200mv
Y=0.665*X7_ave-0.297*X1_ave-150.579；
④、1200mv≤X4_ave≤1655mv
Y=0.247X7_ave-37.821；
⑤、1655mv≤X4_ave≤2000mv
Y=0.165*X7_ave+192.35；
⑥、X4_ave≥2000mv
Y=0.792*X1_ave-0.692*X7_ave+225.071；
其中，Y为粉尘浓度实际值，X1_ave，X2_ave，X3_ave，X4_ave，X5_ave，X6_ave，X7_ave为一分钟内每次周期的第0.22ms，0.24ms，0.26ms，0.28ms，0.30ms，0.32ms以及0.34ms的平均输出电压组值。
上述的红外粉尘传感器的数据处理方法，其中，所述的步骤4包括如下分步骤：
步骤4.1：将步骤3中的函数表达式写入单片机内，通过再一次实验得到相同环境下红外粉尘传感器显示的粉尘数值与高精度粉尘检测仪显示的粉尘值做比较。
步骤4.2：若比较得到的实际偏差值不在允许范围内，则重新进行实验测试数据。
步骤4.3：若比较得到的实际偏差值在允许范围内，则视为得到的结果合理；通过多次测试与验证，得到最终的函数表达式。
上述的红外粉尘传感器的数据处理方法，其中，在所述的步骤4.2及步骤4.3中，所述的比较得到的实际偏差值的允许范围为±20ug/l。
本发明通过算法的优化提高了红外粉尘传感器的精度使其达到和粉尘检测仪基本近似的功能，并在产品里通过让红外传感器来代替粉尘检测仪的方法从而降低了成本。
附图说明
图1是本发明一种红外粉尘传感器的数据处理方法的流程图。
图2是本发明一种红外粉尘传感器的数据处理方法的粉尘浓度的预测数据累积概率与观测数据累积概率的关系图，其中，横轴为观测数据累积概率，纵轴为预测数据累积概率。
具体实施方式
以下结合附图进一步说明本发明的实施例。
请参见附图1及附图2所示，一种红外粉尘传感器的数据处理方法，该方法至少包括如下步骤：
步骤1：在防潮箱中改变实验环境空气中的粉尘浓度并使粉尘的浓度稳定一段时间。
步骤2：采集不同的稳定粉尘浓度下的红外粉尘传感器的电压值以及同环境下的高精度粉尘检测仪所示值。
步骤3：将步骤2得到的采集值用软件进行拟合分析，得到函数表达式。
步骤4：验证实验结果。
所述的步骤1包括如下分步骤：
步骤1.1：在防潮箱中，同时放入粉尘检测仪、红外粉尘传感器以及空气净化器，通过烧面纸等方法得到粉尘并进入防潮箱内，关闭防潮箱。
步骤1.2：打开空气净化器，直到让粉尘检测仪的示数稳定在指定测试值附近，然后关闭空气净化器等待5分钟左右让数值在指定测试值附近稳定。
在所述的步骤1.2中，所述的指定测试值附近是指指定测试值±10ug/l。
所述的步骤2包括如下分步骤：
步骤2.1：在数值稳定5分钟左右后，在第5~6min时，记录下一分钟内，所有红外粉尘传感器的每一次周期内的第0.22ms，0.24ms，0.26ms，0.28ms，0.30ms，0.32ms以及0.34ms的输出电压组。
步骤2.2：求步骤2.1中的输出电压组在这一分钟内的平均值X1_ave，X2_ave，X3_ave，X4_ave，X5_ave，X6_ave，X7_ave，并以文本方式保存。
在所述的步骤3中，所述的函数表达式为：
①、X4_ave≤660mv
Y=1.25*X7_ave-0.092*X1_ave-655.899；
②、660mv≤X4_ave≤938mv
Y=0.26*X7_ave+0.221*X1_ave-265.485；
③、938mv≤X4_ave≤1200mv
Y=0.665*X7_ave-0.297*X1_ave-150.579；
④、1200mv≤X4_ave≤1655mv
Y=0.247X7_ave-37.821；
⑤、1655mv≤X4_ave≤2000mv
Y=0.165*X7_ave+192.35；
⑥、X4_ave≥2000mv
Y=0.792*X1_ave-0.692*X7_ave+225.071；
其中，Y为粉尘浓度实际值，X1_ave，X2_ave，X3_ave，X4_ave，X5_ave，X6_ave，X7_ave为一分钟内每次周期的第0.22ms，0.24ms，0.26ms，0.28ms，0.30ms，0.32ms以及0.34ms的平均输出电压组值。
所述的步骤4包括如下分步骤：
步骤4.1：将步骤3中的函数表达式写入单片机内，通过再一次实验得到相同环境下红外粉尘传感器显示的粉尘数值与高精度粉尘检测仪显示的粉尘值做比较。
步骤4.2：若比较得到的实际偏差值不在允许范围内，则重新进行实验测试数据。
步骤4.3：若比较得到的实际偏差值在允许范围内，则视为得到的结果合理。进行不断测试与验证，可以得到最终的函数表达式。
在所述的步骤4.2及步骤4.3中，所述的比较得到的实际偏差值的允许范围为±20ug/l。
在空气粉尘浓度稳定的情况下，通过单片机STM-8连接红外粉尘传感器在一次周期（0.1s）内每隔0.02ms采集30个A/D值，并通过软件转换成相对应的电压值，同时设定粉尘检测仪在同环境下显示的数值为当时环境粉尘的真实值以便用来标定。由于每一个粉尘浓度值对应有30个A/D值即30组电压，但是处理30组数据对于单片机内存负担太大，基于红外粉尘传感器的原理，每次脉冲的第0.28ms是其电压达到最大值的时候，因此选择以第0.28毫秒的前三个以及后三个（包括第0.28ms）一共7个电压值为一组来与实际粉尘浓度值形成对应关系。为了减少误差，将每160个数据进行一次滑动窗口取这7个电压值的平均值，滑动步进为0.1秒。通过改变粉尘浓度，可以得到多组粉尘浓度数值与红外粉尘传感器的电压组的对应关系，由于该红外粉尘传感器的电压大小与粉尘浓度基本近似为线性相关。于是将测试数据输入到软件进行线性拟合从而定量的得到粉尘浓度大小与电压的关系表达式。
将所得表达式写入单片机内，通过再次实验得到相同环境下红外粉尘传感器显示的粉尘数值与高精度粉尘检测仪显示的粉尘值做比较，如果差值在允许的范围内则视为成功，如果差距较大则通过修正系数来满足要求。
实施例1：
由于瞬态响应红外传感器先天精度就不高，因此本发明主要考虑的是稳态相应方面的近似。且环境的选择是在可操作性强的密闭的小环境（防潮柜）内，方便改变粉尘浓度值来进行测量。以2次采集过程为例，2次的PM2.5的浓度分别为500ug/l，480ug/l。
步骤1：在防潮箱中，同时放入粉尘检测仪和红外粉尘传感器以及空气净化器，在通过烧面纸得到烟雾并进入防潮箱内，关闭防潮箱，打开空气净化器，直到让粉尘检测仪的示数稳定在指定测试值500ug/l附近(±10ug/l)，关闭空气净化器，然后让数值在该值附近稳定5分钟左右。在第5~6min的时候，记录下一分钟内，所有红外的输出电压组然后求这一分钟内的一组电压的平均值X1_ave，X2_ave，X3_ave，X4_ave，X5_ave，X6_ave，X7_ave，并以文本方式保存。
打开空气净化器，直到让粉尘检测仪的示数稳定在指定测试值480ug/l附近(±10ug/l)，关闭空气净化器，然后让数值在该值附近稳定5分钟左右。在第5~6min的时候，记录下一分钟内，所有红外的输出电压组然后求这一分钟内的一组电压的平均值X1_ave，X2_ave，X3_ave，X4_ave，X5_ave，X6_ave，X7_ave，并以文本方式保存。
步骤2：以此类推，每隔大约20ug/l左右的梯度测得从500ug/l到0ug/l的粉尘浓度值与电压的对应关系。由于该红外粉尘传感器的说明书里已经说明浓度值与电压是成近似线性关系，由此，假设粉尘浓度值为Y，电压数组X为X1_ave，X2_ave，X3_ave，X4_ave，X5_ave，X6_ave，X7_ave，即表达式为：
Y=A*X1_ave+B*X2_ave+C*X3_ave+D*X4_ave+E*X5_ave+F*X6_ave+G*X7_ave+Z
其中，A，B，C，D，E，F，G分别为电压数组X1_ave，X2_ave，X3_ave，X4_ave，X5_ave，X6_ave，X7_ave前的比例系数，Z为常数系数。
通过SPSS软件对数据的线性模拟，可以得到A，B，C，D，E，F，G以及Z的值从而得到方程表达式。
经过不断对数据的训练与验证，以及结合红外粉尘传感器本身特性曲线的特征，将函数分成6段来进行构造，分割的标准是第0.28毫秒处的平均电压值即X4_ave，构造函数如下（X1~X7为一组电压值，Y为该组电压对应的粉尘浓度值实际值，PRE_1为应用函数后的粉尘浓度预测值）：
①、X4_ave≤660mv
Y=1.25*X7_ave-0.092*X1_ave-655.899；
②、660mv≤X4_ave≤938mv
Y=0.26*X7_ave+0.221*X1_ave-265.485；
③、938mv≤X4_ave≤1200mv
Y=0.665*X7_ave-0.297*X1_ave-150.579；
④、1200mv≤X4_ave≤1655mv
Y=0.247X7_ave-37.821；
⑤、1655mv≤X4_ave≤2000mv
Y=0.165*X7_ave+192.35；
⑥、X4_ave≥2000mv
Y=0.792*X1_ave-0.692*X7_ave+225.071。
附表1为实验所测数据以及软件模拟的结果，X1~X7为一组电压值，Y为该组电压对应的粉尘浓度值实际值，PRE_1为应用函数后的粉尘浓度模拟预测值。
附表1：
| X1_ave | X2_ave | X3_ave | X4_ave | X5_ave | X6_ave | X7_ave | 实际浓度值 | 模拟预测值 |
| 2872.13 | 3015.57 | 3088.47 | 3098.29 | 3057.31 | 2976.11 | 2857.83 | 499 | 499.5 |
| 2491.00 | 2617.92 | 2682.41 | 2692.50 | 2654.52 | 2584.38 | 2483.53 | 460 | 458.4 |
| 2388.15 | 2508.19 | 2571.68 | 2581.98 | 2547.94 | 2480.57 | 2383.91 | 447 | 446.3 |
| 2294.50 | 2411.49 | 2474.46 | 2484.18 | 2451.09 | 2386.19 | 2293.47 | 433 | 435.1 |
| 2190.64 | 2303.61 | 2365.14 | 2375.85 | 2346.64 | 2285.68 | 2200.34 | 418 | 417.8 |
| 2074.83 | 2183.80 | 2241.19 | 2253.79 | 2226.71 | 2172.15 | 2090.14 | 403 | 402.8 |
| 1786.33 | 1880.04 | 1931.58 | 1942.36 | 1919.99 | 1873.1 | 1805.66 | 390 | 389.5 |
| 1742.72 | 1834.69 | 1886.11 | 1897.14 | 1876.22 | 1829.76 | 1762.76 | 382 | 382.5 |
| 1668.13 | 1757.04 | 1806.13 | 1816.50 | 1796.20 | 1752.84 | 1687.81 | 370 | 370.1 |
| 1516.61 | 1598.18 | 1643.89 | 1655.45 | 1637.87 | 1598.51 | 1540.22 | 346 | 341.5 |
| 1449.50 | 1526.88 | 1571.14 | 1582.15 | 1566.13 | 1530.86 | 1474.81 | 325 | 325.6 |
| 1405.77 | 1481.99 | 1524.23 | 1535.84 | 1521.25 | 1485.52 | 1432.89 | 310 | 315.4 |
| 1330.85 | 1404.46 | 1446.46 | 1457.43 | 1444.23 | 1410.56 | 1359.73 | 298 | 297.6 |
| 1272.30 | 1341.36 | 1381.89 | 1392.85 | 1380.15 | 1348.91 | 1302.68 | 283 | 283.8 |
| 1179.49 | 1243.69 | 1282.58 | 1292.44 | 1280.29 | 1252.16 | 1209.50 | 262 | 261.1 |
| 1135.9 | 1199.30 | 1235.82 | 1247.11 | 1236.98 | 1208.72 | 1168.01 | 251 | 251.1 |
| 1095.89 | 1155.07 | 1190.84 | 1200.49 | 1191.05 | 1164.44 | 1125.85 | 242 | 242.1 |
| 1061.37 | 1121.06 | 1154.72 | 1165.25 | 1156.21 | 1132.01 | 1094.23 | 228 | 228.5 |
| 1020.26 | 1078.14 | 1111.7 | 1121.92 | 1113.29 | 1089.51 | 1052.90 | 214 | 213.4 |
| 901.315 | 953.364 | 982.471 | 992.327 | 985.623 | 964.976 | 932.260 | 170 | 170.1 |
| 867.996 | 918.465 | 946.739 | 956.254 | 948.732 | 929.342 | 898.940 | 159 | 157.8 |
| 852.722 | 900.545 | 930.242 | 938.78 | 932.603 | 913.527 | 883.764 | 151 | 152.9 |
| 828.644 | 875.456 | 903.162 | 911.970 | 905.636 | 886.108 | 859.104 | 142 | 141.2 |
| 803.830 | 850.169 | 877.132 | 885.617 | 879.466 | 860.950 | 832.756 | 130 | 128.9 |
| 785.850 | 831.302 | 857.872 | 864.721 | 858.677 | 841.335 | 814.579 | 121 | 120.2 |
| 764.730 | 807.995 | 834.606 | 842.157 | 836.595 | 818.193 | 791.011 | 110 | 109.3 |
| 745.322 | 789.907 | 814.541 | 822.604 | 816.441 | 799.957 | 774.384 | 100 | 100.9 |
| 727.288 | 769.655 | 793.481 | 801.951 | 796.810 | 778.984 | 754.508 | 91 | 91.6 |
| 691.269 | 733.054 | 757.721 | 764.632 | 760.664 | 745.809 | 722.028 | 77 | 75.6 |
| 672.433 | 712.115 | 734.500 | 743.595 | 738.412 | 722.679 | 700.325 | 65 | 65.6 |
| 653.181 | 689.197 | 711.492 | 719.182 | 713.669 | 698.592 | 676.706 | 55 | 54.9 |
| 631.994 | 668.570 | 690.008 | 698.111 | 693.249 | 678.906 | 659 | 45 | 46.1 |
| 608.239 | 644.144 | 665.101 | 671.513 | 668.347 | 655.652 | 635.027 | 35 | 34.5 |
| 590.234 | 622.765 | 643.300 | 649.172 | 643.477 | 630.549 | 609.974 | 24 | 24.1 |
| 579.679 | 613.171 | 632.993 | 639.411 | 635.747 | 622.879 | 602.531 | 16 | 16.3 |
| 571.640 | 605.035 | 624.470 | 630.221 | 624.861 | 611.508 | 592.791 | 5 | 4.9 |
由附表1可以看出，模拟出的结与实际值差值的绝对值基本≤10ug/l，即认为得到的函数关系是正确有效的。
附表2为经过SPSS软件模拟后，不同函数段对应的模拟结果。
附表2：
| 函数段 | 调整后的 | 标准误差 | 残差平方和 | 显著性检验 | |
| ① | 1.000 | / | / | 0.000 | 0.000 |
| ② | 0.999 | 0.999 | 1.140 | 11.702 | 0.000 |
| ③ | 1.000 | 0.999 | 1.057 | 3.351 | 0.000 |
| ④ | 0.997 | 0.993 | 2.969 | 52.885 | 0.000 |
| ⑤ | 1.000 | 0.999 | 0.507 | 0.514 | 0.000 |
| ⑥ | 0.999 | 0.999 | 1.637 | 8.038 | 0.000 |
由附表2可知，6段函数的显著性检验都为0.000≤0.05，可以认为所建立的6个回归方程都是有效的。表示所测量数据的自变量和因变量之间的相关系数，越接近于1表示相关性越好，由表可以看出，6段函数的都非常接近于1，说明测量数据的相关性是很不错的。调整后的则是经过函数模拟后的预测值与自变量的关系，附表2显示也是接近于1说明模拟后的预测值也是精准的。
然后将所得表达式写入单片机内，通过再次实验得到相同环境下红外粉尘传感器显示的粉尘数值与高精度粉尘检测仪显示的粉尘值做比较，经过不断测试与验证，发现在同一环境下红外粉尘传感器稳态值与高精度粉尘测量仪的显示值基本近似，误差百分比error_percentage≤10%，因此可以认为函数是合理可用，符合实际的。
综上所述，本发明通过算法的优化提高了红外粉尘传感器的精度使其达到和粉尘检测仪基本近似的功能，并在产品里通过让红外传感器来代替粉尘检测仪的方法从而降低了成本。
以上所述仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书内容所作的等效结构变换，或直接或间接运用附属在其他相关产品的技术领域，均同理包括在本发明的专利保护范围内。
Claims (7)
1.一种红外粉尘传感器的数据处理方法，其特征在于：该方法至少包括如下步骤：
步骤1：在防潮箱中改变实验环境空气中的粉尘浓度并使粉尘的浓度稳定一段时间；
步骤2：采集不同的稳定粉尘浓度下的红外粉尘传感器的电压值以及同环境下的高精度粉尘检测仪所示值；
步骤3：将步骤2得到的采集值用软件进行拟合分析，得到函数表达式；
步骤4：验证实验结果。
2.根据权利要求1所述的红外粉尘传感器的数据处理方法，其特征在于：所述的步骤1包括如下分步骤：
步骤1.1：在防潮箱中，同时放入粉尘检测仪、红外粉尘传感器以及空气净化器，通过烧面纸得到粉尘并进入防潮箱内，关闭防潮箱；
步骤1.2：打开空气净化器，直到让粉尘检测仪的示数稳定在指定测试值附近，然后关闭空气净化器等待5分钟让数值在指定测试值附近稳定。
3.根据权利要求2所述的红外粉尘传感器的数据处理方法，其特征在于：在所述的步骤1.2中，所述的指定测试值附近是指指定测试值±10ug/l。
4.根据权利要求1所述的红外粉尘传感器的数据处理方法，其特征在于：所述的步骤2包括如下分步骤：
步骤2.1：在数值稳定5分钟左右后，在第5～6min时，记录下一分钟内，所有红外粉尘传感器的每一次周期内的第0.22ms，0.24ms，0.26ms，0.28ms，0.30ms，0.32ms以及0.34ms的输出电压组；
步骤2.2：求步骤2.1中的输出电压组在这一分钟内的平均值X1_ave，X2_ave，X3_ave，X4_ave，X5_ave，X6_ave，X7_ave，并以文本方式保存。
5.根据权利要求1所述的红外粉尘传感器的数据处理方法，其特征在于：在所述的步骤3中，所述的函数表达式为：
①、X4_ave≤660mv
Y＝1.25*X7_ave-0.092*X1_ave-655.899；
②、660mv≤X4_ave≤938mv
Y＝0.26*X7_ave+0.221*X1_ave-265.485；
③、938mv≤X4_ave≤1200mv
Y＝0.665*X7_ave-0.297*X1_ave-150.579；
④、1200mv≤X4_ave≤1655mv
Y＝0.247X7_ave-37.821；
⑤、1655mv≤X4_ave≤2000mv
Y＝0.165*X7_ave+192.35；
⑥、X4_ave≥2000mv
Y＝0.792*X1_ave-0.692*X7_ave+225.071；
其中，Y为粉尘浓度实际值，X1_ave，X2_ave，X3_ave，X4_ave，X5_ave，X6_ave，X7_ave为一分钟内每次周期的第0.22ms，0.24ms，0.26ms，0.28ms，0.30ms，0.32ms以及0.34ms的平均输出电压组值。
6.根据权利要求1所述的红外粉尘传感器的数据处理方法，其特征在于：所述的步骤4包括如下分步骤：
步骤4.1：将步骤3中的函数表达式写入单片机内，通过再一次实验得到相同环境下红外粉尘传感器显示的粉尘数值与高精度粉尘检测仪显示的粉尘值做比较；
步骤4.2：若比较得到的实际偏差值不在允许范围内，则重新进行实验测试数据；
步骤4.3：若比较得到的实际偏差值在允许范围内，则视为得到的结果合理；通过多次测试与验证，得到最终的函数表达式。
7.根据权利要求6所述的红外粉尘传感器的数据处理方法，其特征在于：在所述的步骤4.2及步骤4.3中，所述的比较得到的实际偏差值的允许范围为±20ug/l。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510695984.4A CN105352860B (zh) | 2015-10-23 | 2015-10-23 | 一种红外粉尘传感器的数据处理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510695984.4A CN105352860B (zh) | 2015-10-23 | 2015-10-23 | 一种红外粉尘传感器的数据处理方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105352860A true CN105352860A (zh) | 2016-02-24 |
| CN105352860B CN105352860B (zh) | 2018-12-04 |
Family
ID=55328866
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510695984.4A Active CN105352860B (zh) | 2015-10-23 | 2015-10-23 | 一种红外粉尘传感器的数据处理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105352860B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105675461A (zh) * | 2016-01-25 | 2016-06-15 | 上海滕维信息科技有限公司 | Pm2.5检测仪的校准标定方法 |
| CN109253953A (zh) * | 2017-07-13 | 2019-01-22 | 武汉四方光电科技有限公司 | 一种可测量多种颗粒物质量浓度的方法和系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4594004A (en) * | 1982-07-03 | 1986-06-10 | Horiba, Ltd. | Continuous particulate-measuring apparatus using an optoacoustic effect |
| EP1261953A1 (en) * | 2000-02-10 | 2002-12-04 | Martin Terence Cole | Improvements relating to smoke detectors particularly ducted smoke detectors |
| CN103852405A (zh) * | 2014-02-24 | 2014-06-11 | 深圳市芯通信息科技有限公司 | 一种分层式颗粒浓度测量装置及方法 |
| CN104655539A (zh) * | 2015-03-20 | 2015-05-27 | 安费诺(常州)连接系统有限公司 | 双通道粉尘浓度传感器及其粉尘浓度检测方法 |
| CN104914026A (zh) * | 2015-06-12 | 2015-09-16 | 艾欧史密斯(中国)热水器有限公司 | 粉尘浓度检测方法及粉尘浓度传感器 |
-
2015
- 2015-10-23 CN CN201510695984.4A patent/CN105352860B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4594004A (en) * | 1982-07-03 | 1986-06-10 | Horiba, Ltd. | Continuous particulate-measuring apparatus using an optoacoustic effect |
| EP1261953A1 (en) * | 2000-02-10 | 2002-12-04 | Martin Terence Cole | Improvements relating to smoke detectors particularly ducted smoke detectors |
| CN103852405A (zh) * | 2014-02-24 | 2014-06-11 | 深圳市芯通信息科技有限公司 | 一种分层式颗粒浓度测量装置及方法 |
| CN104655539A (zh) * | 2015-03-20 | 2015-05-27 | 安费诺(常州)连接系统有限公司 | 双通道粉尘浓度传感器及其粉尘浓度检测方法 |
| CN104914026A (zh) * | 2015-06-12 | 2015-09-16 | 艾欧史密斯(中国)热水器有限公司 | 粉尘浓度检测方法及粉尘浓度传感器 |
Non-Patent Citations (2)
| Title |
|---|
| 陈永胜 等: "多元线性回归建模以及SPSS软件求解", 《通化师范学院学报》 * |
| 黄成玉 等: "煤矿粉尘浓度传感器及检测系统的研究", 《煤矿安全》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105675461A (zh) * | 2016-01-25 | 2016-06-15 | 上海滕维信息科技有限公司 | Pm2.5检测仪的校准标定方法 |
| CN109253953A (zh) * | 2017-07-13 | 2019-01-22 | 武汉四方光电科技有限公司 | 一种可测量多种颗粒物质量浓度的方法和系统 |
| CN109253953B (zh) * | 2017-07-13 | 2020-08-11 | 四方光电股份有限公司 | 一种可测量多种颗粒物质量浓度的方法和系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105352860B (zh) | 2018-12-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Bhangar et al. | Size‐resolved fluorescent biological aerosol particle concentrations and occupant emissions in a university classroom | |
| Järvinen et al. | Calibration of the new electrical low pressure impactor (ELPI+) | |
| Lindsley et al. | Sampling and characterization of bioaerosols | |
| Portnoy et al. | Sampling for indoor fungi | |
| JP2009529684A (ja) | 環境モニタリング方法及び装置 | |
| Fan et al. | Investigation of indoor environmental quality in urban dwellings with schoolchildren in Beijing, China | |
| CN111693409B (zh) | 一种气体及生物气溶胶校准系统及方法 | |
| Garbacz et al. | Methods for early detection of microbiological infestation of buildings based on gas sensor technologies | |
| CN104573379A (zh) | 一种预测室内pm2.5浓度动态变化的方法 | |
| CN112304831B (zh) | 基于质量守恒的学生行为对教室内pm2.5浓度的计算方法 | |
| Viegas et al. | Culture media and sampling collection method for Aspergillus spp. assessment: tackling the gap between recommendations and the scientific evidence | |
| Vercellino et al. | Laboratory evaluation of a low-cost, real-time, aerosol multi-sensor | |
| Park et al. | Estimation of the real-time infiltration rate using a low carbon dioxide concentration | |
| CN105352860A (zh) | 一种红外粉尘传感器的数据处理方法 | |
| CN105891079A (zh) | 一种粉尘传感器的标定方法及标定装置 | |
| 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 | |
| Lu et al. | Species of Fungi and Pollen in the PM1 and the Inhalable Fraction of Indoor Air in Homes | |
| Chatzidiakou et al. | Schools’ air quality monitoring for health and education: Methods and protocols of the SAMHE initiative and project | |
| Sohn et al. | Predicting size-resolved particle behavior in multizone buildings | |
| Boanini et al. | Integrated mobile laboratory for air pollution assessment: Literature review and cc-trairer design | |
| Laville et al. | Cross-Validation of a mobile N2O flux prototype (IPNOA) using Micrometeorological and Chamber methods | |
| Astrakianakis et al. | Cotton dust and endotoxin exposure levels in three Shanghai textile factories: a comparison of samplers | |
| Pihlava et al. | Improving the signal-to-noise ratio of Faraday cup aerosol electrometer based aerosol instrument calibrations | |
| Zheng et al. | Response of low-cost environmental monitors to typical emission events in daycare centers | |
| CN109253953B (zh) | 一种可测量多种颗粒物质量浓度的方法和系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A data processing method of infrared dust sensor Effective date of registration: 20221202 Granted publication date: 20181204 Pledgee: Pudong Shanghai technology financing Company limited by guarantee Pledgor: SHANGHAI SENSOLOGY INTELLIGENT TECHNOLOGY CO.,LTD. Registration number: Y2022310000356 |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right |