融合多傳感器數據的空氣細顆粒物自動監測技術優化

王 璐

(儋州市環境監測站,海南 儋州 571700)

由于空氣細顆粒物對人體的傷害是持久的,需要實時監測空氣細顆粒物的變化,為了達到這一目的,每個國家都根據自己國家的具體情況制定了不同的顆粒物監測儀器和相關技術[1-3]。發達國家的工業自動化相關研究比較早,在空氣細顆粒物的監測上,使用的監測儀器比較成熟,在一些公共場所已經應用了很多成熟的監測儀器,并取得了不錯的成果[4]。國內在顆粒物監測方面的研究比較晚,直到20世紀90年代才開始實施一些空氣質量監測方案,雖然起步比較晚,但也研究了一些成熟的監測設備和技術,在實際應用上有一定的效果[5]。比如基于激光雷達的監測方法,利用車載激光雷達和移動走航監測技術實現多方位的顆粒物監測;或者是基于深度學習的監測方法,主要利用深度學習技術搭建監測模型,能夠有效識別出空氣細顆粒物污染水平[6-8]。在實際工作中,有很多類似的監測手段,但當監測數據類型越來越復雜,數據越來越多,監測數據異常愈加突出,一些常規監測技術的數據可信水平存在明顯不足。因此,提出融合多傳感器數據的空氣細顆粒物自動監測技術,解決上述常規監測技術中存在的問題。

1 空氣細顆粒物自動監測方法設計

1.1 采集空氣細顆粒數據

在空氣細顆粒物的監測上,使用灰塵傳感器采集顆粒物濃度數據,整體采集過程需要的硬件有直流穩壓電源、CC2530無線射頻模塊。其中灰塵傳感器主要利用光的散射原理監測空氣細顆粒物的質量濃度,在空氣中的細顆粒物通過傳感器的光敏區時,傳感器中的二極管就會將接收到的散射光轉換成電信號,經過AD轉換后進入CC2530模塊中,根據粉塵濃度和輸出電壓計算出顆粒物質量濃度[9-11]。

在實際監測過程中,往往會布置多個傳感器采集空氣細顆粒物數據,在處理上需要將所有監測節點納入到同一網絡中,這就需要利用網絡協調器組建包含監測節點和通信節點的網絡。具體組建過程如圖1所示。

圖1 協調器組網示意圖

在網絡組建完成后,根據監測區域和監測需求布置監測節點,將每個節點接入到組網內[12],以便后續對多源數據的處理。

1.2 融合多源監測數據

對每一個傳感器采集到的監測數據進行向量處理,得到多維向量集,將其作為輸入向量x∈X,經過融合處理后,得到輸出量為y∈Y。根據貝葉斯定理,計算出向量集的后驗概率,其表達式:

(1)

式中:k表示輸出系數,P(Y=yk)表示先驗概率分布。設x(n)為輸入向量的第n個特征,獲得條件概率分布:

將式(2)代入到式(1)中,得到:

(3)

式中:P(X=x|Y=yk)為監測數據的依賴目標函數;x(1)、x(2)為不同監測節點的傳感器實際輸出值,y表示融合后的輸出值;P(X=x(1),x(2))為標準化因子。為了使傳感器輸出數據的可靠性達到最大,使其滿足:

對于融合后的數據Y,采用以下公式描述傳感器輸出數據X中的誤差信息。公式為:

(4)

對上述公式求解,得到:

(5)

式中:α表示方差。當2個傳感器輸出數據按照式(7)融合時,后驗概率最大,數據精度最高,融合后的最終輸出量y的方差為:

(6)

將同一時間內傳感器監測數據的平均值記為xj(1),融合后的數據標準值為zj,利用這2項參數修正輸出系數k:

(7)

將輸出系數代回到上述公式,得到最終的監測數據,利用實時通信技術將監測數據傳輸到監測中心[13]。

1.3 監測數據實時通信

利用GPRS網絡與CC2530控制器相連,利用GPRS網絡邏輯結構實現監測數據的高速傳輸。在GPRS結構中劃分出數據部分和無線部分,由數據部分提供監測數據的部分處理功能,包括數據包的拆封、信道的分配等;而無線部分則負責提供傳輸接口,以及 GPRS網絡與外部網絡之間的連接。在GPRS邏輯結構的支持下,實現空氣細顆粒物的自動監測。

2 實驗研究

在空氣細顆粒物自動監測技術設計完成后,為了驗證該檢測技術的應用性能和監測數據的可信水平,以常規的幾種監測技術作為參考,設計對比實驗,根據實驗結果分析提出的監測技術在空氣細顆粒物自動監測上是否具有使用價值。

2.1 實驗準備

在實驗開始前,利用計算機進行模擬仿真實驗,以某實驗室作為實驗區域,在實驗區域內設置多個監測點,監測點的分布情況如圖2所示。

圖2 監測點分布示意圖

在實驗中,為保證實驗的公平公正,設置各個監測點采集數據的頻率為每5 min一次,持續24 h,將這些數據作為原始數據,從原始數據中篩選出部分有代表性的數據進行后續實驗分析;篩選后的實驗數據如表1所示。

表1 實驗數據表

將表1中的實驗數據作為實驗樣本,用于后續監測數據誤差實驗分析,對于監測到的其他數據,打包處理后用于監測節點通信能力實驗分析。通過這兩組實驗驗證監測技術的數據可信水平,實驗中選擇的監測技術是應用比較多的基于激光雷達的監測技術以及基于深度學習的監測技術。

2.2 監測節點通信能力實驗結果及分析

對監測節點通信能力的實驗,首先設計2種實驗環境:一種是有障礙的通信環境,選擇室內實驗室隔墻測試;一種是無障礙的通信環境,在室外空曠區域進行測試。利用串口助手分別在不同節點間距發送數據包,實驗中共發送500個數據包,數據包發送串口號為COM7,波特率為115 200,含8個數據位和1個停止位,定時發送1 000 ms/次。數據發送完成后,統計出各個監測方法的接收信號強度和丟包率,實驗結果如表2所示。

表2 監測節點通信能力實驗結果

由表2可知,在無障礙實驗環境下,隨著監測節點間距的增加,各個監測方法接收信號強度逐漸變弱,丟包率逐漸變高。對比來看,提出的監測技術接收信號強度比較高,丟包率低,基本接近0;其他2組實驗,在遠距離通信時,接收信號強度比較差,丟包率比較高。在有障礙的實驗環境下,基于激光雷達的監測方法和基于深度學習的監測方法接收信號強度非常低,數據丟包情況非常明顯。

綜上所述,提出的融合多傳感器數據的監測方法監測節點通信能力更強,監測數據傳輸更可靠。

2.3 監測數據誤差實驗結果與分析

在監測數據誤差實驗分析中,以表中的監測數據作為實驗樣本,使用不同的監測技術在相同的實驗環境下采集數據,將各個監測技術采集的監測數據與實驗樣本數據輸入到MATLAB軟件中,經過計算處理,獲得各個監測數據的平均百分比誤差結果和最大相對誤差實驗結果。綜合2組實驗結果共同分析監測技術的應用水平,實驗結果如圖3所示。

圖3 各監測方法的監測數據誤差

由圖3可知,在有效的實驗樣本內,應用基于激光雷達的監測方法和基于深度學習的監測方法監測到的顆粒物質量濃度值與實際質量濃度值相差較大,2種方法的最大誤差分別為4.0、6.1 μg/m3;而應用提出的監測方法監測到的顆粒物質量濃度值與實際值十分接近,最大誤差為0.6 μg/m3。由此可知,提出的監測方法監測數據誤差小,能更精準地監測空氣細顆粒物質量濃度。結合監測節點通信能力實驗結果分析可知,提出的融合多傳感器數據的空氣細顆粒物自動監測技術監測數據可信水平更高,整體性能優于常規的監測技術,具有一定的使用價值。

3 結語

本文以空氣細顆粒物作為研究對象,針對常規監測方法中存在的不足,充分融合多傳感器數據,優化監測流程和內容,設計了一種空氣細顆粒物自動監測技術,實現了對空氣細顆粒物的遠程監測。設計了本實驗方案,通過監測節點的測試和監測數據誤差的分析,驗證了該監測方法的有效性,證明了監測數據具有高水平的可信度。