基于物联网的浓度在线实时监测系统设计

刘细凤

安科瑞电气股份有限公司  上海嘉定  201801

摘 要：设计了种基于物联网的实时监测油烟浓度的系统，系统通过包含高精度的 FIGROO系列等多个传感器实时采集餐馆排风口气体浓度，并在才在站进行初步数据融合；随后将初步融合数据通过GSM/GPRS络传输到服务器梢，基于D-S证据方法以及神经网络等进行深度数据融合和实时显示、监控报警.利用多传感器以及数据融合技术，同时，解决了传统油烟浓度监测中的费时费力、高成本、精度低等缺点。

关键词： 物联网； 油烟监测；多传感器； D-S证据；神经网络；数据融合；

0 引言

随着目前政fu和民众对于空气质量的要求不断的提升,环保部门在空气质量监测上谓尽心尽力。现有的油烟浓度监测主要是环保部门对餐饮企业进行抽检,工作人员在被抽检单位进行采样,将样品带回实验室进行含量分析。浓度检测主要采取光谱分析,利用不同光谱线的吸收峰位置不同来判断浓度大小。此法能够做到的精度较高,但缺点是不能做到实时、动态的监测:而且覆盖面较小,容易使些餐饮企业产生“侥幸心理”,仅应付检查而平时随意排放。

目前市场上已经出现了些油烟实时监测的系统,主要是利用费加罗( FIGRAC)公司TGS2100油烟传感器进行油烟浓度监控。但有个致命的缺点是精度不够高,误报率较高。(同时面临包围在传感器外面的滤网需要经常清洗以及过滤后的浓度不是真实浓度的问题)。

本文正是从以上情形出发,设计套基于物联网,同时结合数据融合的方案,来对油烟浓度监测领域现状进行改进。以期实现实时动态的监测,同时提高监测系统的精确度和可靠性。同时做出实验室原型,实现基本的功能以及提出将来需要改进的点。

1 系统整体方案设计

本系统可以分为3个模块，如图1所示：

图1 系统框架

从做至右依次是模块1数据采集；模块2进AD转换以及简单的数据融合操作；模块3是通过GPRS将简单融合数据传至服务器端，进行深度数握分析和处理,实时显示和判断报警。

系统工作流程上,4个传感器先通过传感器控制模块,在餐馆的油烟出风口处采集相关的数据,由于成分复杂,所以我们在考虑选择传感器的时候会考虑覆盖的综合性。传感器将实时采集的数据通过AD转换同步传输给基站,并进行初步的数据融合措施,以便于GPRS传输。在GPRS传输过程中,使用的是SM900A芯片,其稳定性和低功耗可以为基站稳定工作提供保证。远端服务器收到数据,利用神经网络等多种算法,存入数据库并进行实时显示。

2 系统硬件设计

系统硬件主要分为:传感器及其处理模块,基站处理模块、GSM/GPRS传输模块。

2.1传感器及其处理模块

鉴于油烟成分复杂,包括醛、酮、烃、脂肪酸、醇、芳香族化合物等,因此我们选择4个传感器作为我们的数据采集工具。包括如下:传感器1:MQ-TB,氧化碳传感器:传感器2:MQ-138,甲醛传感器；传感器3:MQ-135,空气质量传感器(氨、硫化物、丙酮、甲苯、酒精等:传感器4:TGS813,可燃气体传感器(氢气、异丁烷、乙醇、甲烷等)。这4个传感器均具有良好的灵敏性、合理的性价比、借口方便等特点,测试的覆盖面也较广利用各传感器接口统的特点,我们用LM393来对其进行控制并设计成可输出模拟以及数字两路信号的简单模块。硬件实物图,如图2所示:

图2 总体硬件设计图

2.2基站处理模块

考虑成本以及在基站处理过程中的复杂度,我们选用的单片机是STC12C5A60S2,其是增强型8051CPU,具有8路10位精度ADC,可以实现250KS的转换速度。

基站处理模块主要通过ADC接口将传感器传输过来的模拟信号转换成数字信号,并做初步处理使得数据具备易读性。主要的操作流程是单片机间隔定时间(例如1分钟),去轮询读取每个传感器上的数值,并将汇总的4个传感器信息发送给后续的信号传输模块。此外处理模块设置有超时重读以及故障复位等功能。

2.3 GSM/GPRS传输模块

在考虑GPRS传输上,我们采用市场上较为成熟的SIM900A,其是紧凑、高可靠性、低成本的无线模块。工作频段是双频 GSM/GPRS900/1800MHz。

由于本系统测试实际场合的条件的限制,本文中所涉及的硬件部分,特別是传感器处理模块,均需要很好的利用滤网等进行初步过滤,防止直径过大的油滴等缩短传感器使用寿命。

3 系统软件设计

本文中的系统软件设计主要包括三大块:传感器数据读取、GPRS模块数据传输以及数据融合算法。

3.1传感器数据读取及GPRS数据传输模块

基站部分的软件开发平台包括传感器数据读取、GPRS模块传输,使用的编译平台是 Keil uVision4。

代码流程图,如图3所示:

图3 基站代码流程图

系统接口主要有传感器模块和基站模块接口(串口1)、基站模块和GPRS模块接口(串口2),分别对两个串口以及单片机和SIM9o0A初始化之后,便进入循环采集流程单次循环的终点是将初步融合的数据发送至服务器端。

3.2数据融合算法

多传感器数据融合技术已成为个十分活跃的研究领域,它的应用也越来越广泛,如机器人系统,图像分析与处理,日标自动识别,工业现场的参数检测等。本文使用的数据融合主要分为随机数学算法和人工智能算法,各自均有不同的特点和势。

3.2.1随机数学算法

该类算法的主要特点是利用数学概率等方法,进行滤波和估计。主要有加权平均、卡尔曼滤波、 bayesian估算、DS证据方法等。本系统采用的是D-S证据方法,其主要的操作流程,如图4所示:

图4 D-S证据方法

• S证据推力方法的主要特点是满足比贝叶斯概率理论更弱的条件;具有直接表达“不确定”和“不知道”的能力。

3.2.2人工智能方法

人工智能方法主要考虑模糊逻辑算法和神经网络算法。在本系统中,我们主要考虑神经网络算法,神经网络中比较基础的BP算法,如图5所示:

图5 BP算法示意图

通过3层(输入、隐性、输出层)以及六步(1、初始化；2、输入训练样本对,计算各层输出；3、计算输出误差；4、计算各层误差:5、调整各层权值；6、检查是否达到精度要求)。建立好对应的输入输出模型,以达到对应模拟要求。

本系统还采用了SVM(支持向量机)算法以做相应的比较推理。SVM算法可以针对线性可分情况进行分析,但也可以将线性不可分通过使用非线性映射算法将低维输入空间线性不可分的样本转化为高维特征空间使其线性可分,并进行数据分析。该法可以在满足定概率下尽可能降低风险

选择不同的核函数( Kernel Functions)可以生成不同的SvM,鉴于我们整体模型的复杂度,我们选择多项式核函数(K(xy)=(x*y)+1]d作为本系统的核函数。

4 现场测试以及分析

在搭建了合理的硬件以及软件平台之后,我们进行了实地数据测试,测试地点是上海市杨浦区某海鲜餐馆油烟出风口。实地测试数据截图,如图6所示(标准浓度为1.3mg/m^3)：

    图6 标准浓度为1.3mg/m^3实测数据

图6中显示的是4个传感器返回的初步融合数据,zui左侧的31是返回的发送采集数据指令。显而易见在经过前期的数据不稳定期之后,通风口浓度基本上维持在个稳定的水平。

通过以上阐述的数据拟合方式,我们可以得到的标准值与传感器测得值的对比,如图7所示：

图7 数据融合与标准值对比

可以看到,两者具有较好的相关性。而进步的测算显示,本系统比单传感器精度提高20%以上。

5 安科瑞AcrelCloud3500监测云平台

为了弥补现存餐饮行业在烟油监测上的漏洞，同时便利监管部门的监察，安科瑞油烟监测云平台应运而生。油烟监测模块通过2G/4G与云端平台进行通信和数据交互，系统能够对企业餐饮设备的开机状态、运行状态进行监控；实现开机率监测，净化效率监测，设施停运告警，待清洗告警，异常告警等功能；对采集数据进行统计分析、前等统计功能；较之传统的静电监测方案，更具性和实效性。平台预留与其他应用系统、设备交互对接接口，具有很好的扩展性及融合性。

5.1平台结构

平台GIS地图采集处理设备运行状态和油烟排放的浓度数据，自动对超标排放及异常企业进行提示预警，监管部门可迅速进行处理，督促餐饮企业整改设备，并定期清洗、维护，实现减排环保，不扰民等目的。现场安装监测终端，持续监测油烟净化器的工作状态，包括设备运行的电流、电压、功率、耗电量等等，同时结合排烟口的挥发性物质、颗粒物浓度等进行对比分析，旦排放超标，系统会发出异常信号。

■ 油烟监测设备用来监测油烟、颗粒物、NmHc等数据

■ 净化器和风机配合对油烟进行净化处理，同时对净化设备的电流、电压进行监测

■ 设备通过4G网络将采集的数据上传至远程云端服务器

5.2 平台主要功能

(1)在线监测

对油烟排污数据的监测，包括油烟排放浓度，颗粒物，NmHc等数值采集监测;同时对监控风机和净化器的启停状态、运行数据进行监测。

(2)告警数据监测

　　系统根据采集的油烟数值大小，产生对应的排放超标告警;对净化器的运行数据分析，上传净化设备对应的运行、停机、故障等告警事件。

(3)数据分析

运行时长分析，离线分析;告警占比、前分析;历史数据统计等。

(4)隐患管理

系统对采集的告警数据分析，产生对应的隐患记录，派发、处理隐患，及时处理告警，形成闭环

(5)统计分析

包括时长分析、超标分析、历史数据、分析报告等模块

(6)基础数据维护

个人信息、权限维护，企业信息录入，对应测点信息录入等

(7)数据服务

数据采集，短信提醒，数据存储和解析

5.3油烟监测主机

油烟监控主机是现场的管理设备，实时采集油烟浓度探测器和工况传感器的信号，进行数据处理，通过有线或无线网络通讯将数据传输到服务器平台。同时，对本地数据进行存储，监控现场设备状态，提供人机操作界面。

具体技术参数如下：

5.4 设备选型方案

注：双探头适合双排烟通道的场合，每路探头监测1路排烟通道。

6 结论

本文设计了套基于物联网系统实时油烟浓度监测系统,能够较好的解决目前油烟监测方面存在的些问题和缺陷,利用数据融合算法,提高判断精度,比普通单传感器系统精度提高20%以上,实现效果良好。今后的改进方向在于提高传感器使用寿命、测试精度以及更精美的UI设计。

【参考文献】

• 丁飞，饮食业油烟净化设备油烟净化效率检测方法探究，[J]《上海环境科学》，2010年第29卷第四期
• 范庭芳，赵坤，钱松荣. 基于物联网的油烟浓度实时监测系统设计
• 安科瑞AcrelCloud-3500监测云平台. 2020.05版

作者简介：刘细凤，女，现任安科瑞电气股份有限公司，主要从事监测的研发与应用。