劉細鳳

安科瑞電氣股份有限公司  上海嘉定  201801

摘 要：設計了種基于物聯網的實時監(jiān)測油煙濃度的系統，系統通過包含高精度的 FIGROO系列等多個傳感器實時采集餐館排風口氣體濃度，并在才在站進行初步數據融合；隨后將初步融合數據通過GSM/GPRS絡傳輸到服務器梢，基于D-S證據方法以及神經網絡等進行深度數據融合和實時顯示、監(jiān)控報警.利用多傳感器以及數據融合技術，同時，解決了傳統油煙濃度監(jiān)測中的費時費力、高成本、精度低等缺點。

關鍵詞： 物聯網； 油煙監(jiān)測；多傳感器； D-S證據；神經網絡；數據融合；

0 引言

隨著目前政fu和民眾對于空氣質量的要求不斷的提升,環(huán)保部門在空氣質量監(jiān)測上謂盡心盡力?，F有的油煙濃度監(jiān)測主要是環(huán)保部門對餐飲企業(yè)進行抽檢,工作人員在被抽檢單位進行采樣,將樣品帶回實驗室進行含量分析。濃度檢測主要采取光譜分析,利用不同光譜線的吸收峰位置不同來判斷濃度大小。此法能夠做到的精度較高,但缺點是不能做到實時、動態(tài)的監(jiān)測:而且覆蓋面較小,容易使些餐飲企業(yè)產生“僥幸心理”,僅應付檢查而平時隨意排放。

目前市場上已經出現了些油煙實時監(jiān)測的系統,主要是利用費加羅( FIGRAC)公司TGS2100油煙傳感器進行油煙濃度監(jiān)控。但有個致命的缺點是精度不夠高,誤報率較高。(同時面臨包圍在傳感器外面的濾網需要經常清洗以及過濾后的濃度不是真實濃度的問題)。

本文正是從以上情形出發(fā),設計套基于物聯網,同時結合數據融合的方案,來對油煙濃度監(jiān)測領域現狀進行改進。以期實現實時動態(tài)的監(jiān)測,同時提高監(jiān)測系統的精確度和可靠性。同時做出實驗室原型,實現基本的功能以及提出將來需要改進的點。

1 系統整體方案設計

本系統可以分為3個模塊，如圖1所示：

圖1 系統框架

從做至右依次是模塊1數據采集；模塊2進AD轉換以及簡單的數據融合操作；模塊3是通過GPRS將簡單融合數據傳至服務器端，進行深度數握分析和處理,實時顯示和判斷報警。

系統工作流程上,4個傳感器先通過傳感器控制模塊,在餐館的油煙出風口處采集相關的數據,由于成分復雜,所以我們在考慮選擇傳感器的時候會考慮覆蓋的綜合性。傳感器將實時采集的數據通過AD轉換同步傳輸給基站,并進行初步的數據融合措施,以便于GPRS傳輸。在GPRS傳輸過程中,使用的是SM900A芯片,其穩(wěn)定性和低功耗可以為基站穩(wěn)定工作提供保證。遠端服務器收到數據,利用神經網絡等多種算法,存入數據庫并進行實時顯示。

2 系統硬件設計

系統硬件主要分為:傳感器及其處理模塊,基站處理模塊、GSM/GPRS傳輸模塊。

2.1傳感器及其處理模塊

鑒于油煙成分復雜,包括醛、酮、烴、脂肪酸、醇、芳香族化合物等,因此我們選擇4個傳感器作為我們的數據采集工具。包括如下:傳感器1:MQ-TB,氧化碳傳感器:傳感器2:MQ-138,甲醛傳感器；傳感器3:MQ-135,空氣質量傳感器(氨、硫化物、丙酮、甲苯、酒精等:傳感器4:TGS813,可燃氣體傳感器(氫氣、異丁烷、乙醇、甲烷等)。這4個傳感器均具有良好的靈敏性、合理的性價比、借口方便等特點,測試的覆蓋面也較廣利用各傳感器接口統的特點,我們用LM393來對其進行控制并設計成可輸出模擬以及數字兩路信號的簡單模塊。硬件實物圖,如圖2所示:

圖2 總體硬件設計圖

2.2基站處理模塊

考慮成本以及在基站處理過程中的復雜度,我們選用的單片機是STC12C5A60S2,其是增強型8051CPU,具有8路10位精度ADC,可以實現250KS的轉換速度。

基站處理模塊主要通過ADC接口將傳感器傳輸過來的模擬信號轉換成數字信號,并做初步處理使得數據具備易讀性。主要的操作流程是單片機間隔定時間(例如1分鐘),去輪詢讀取每個傳感器上的數值,并將匯總的4個傳感器信息發(fā)送給后續(xù)的信號傳輸模塊。此外處理模塊設置有超時重讀以及故障復位等功能。

2.3 GSM/GPRS傳輸模塊

在考慮GPRS傳輸上,我們采用市場上較為成熟的SIM900A,其是緊湊、高可靠性、低成本的無線模塊。工作頻段是雙頻 GSM/GPRS900/1800MHz。

由于本系統測試實際場合的條件的限制,本文中所涉及的硬件部分,特別是傳感器處理模塊,均需要很好的利用濾網等進行初步過濾,防止直徑過大的油滴等縮短傳感器使用壽命。

3 系統軟件設計

本文中的系統軟件設計主要包括三大塊:傳感器數據讀取、GPRS模塊數據傳輸以及數據融合算法。

3.1傳感器數據讀取及GPRS數據傳輸模塊

基站部分的軟件開發(fā)平臺包括傳感器數據讀取、GPRS模塊傳輸,使用的編譯平臺是 Keil uVision4。

代碼流程圖,如圖3所示:

圖3 基站代碼流程圖

系統接口主要有傳感器模塊和基站模塊接口(串口1)、基站模塊和GPRS模塊接口(串口2),分別對兩個串口以及單片機和SIM9o0A初始化之后,便進入循環(huán)采集流程單次循環(huán)的終點是將初步融合的數據發(fā)送至服務器端。

3.2數據融合算法

多傳感器數據融合技術已成為個十分活躍的研究領域,它的應用也越來越廣泛,如機器人系統,圖像分析與處理,日標自動識別,工業(yè)現場的參數檢測等。本文使用的數據融合主要分為隨機數學算法和人工智能算法,各自均有不同的特點和勢。

3.2.1隨機數學算法

該類算法的主要特點是利用數學概率等方法,進行濾波和估計。主要有加權平均、卡爾曼濾波、 bayesian估算、DS證據方法等。本系統采用的是D-S證據方法,其主要的操作流程,如圖4所示:

圖4 D-S證據方法

• S證據推力方法的主要特點是滿足比貝葉斯概率理論更弱的條件;具有直接表達“不確定”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慮模糊邏輯算法和神經網絡算法。在本系統中,我們主要考慮神經網絡算法,神經網絡中比較基礎的BP算法,如圖5所示:

圖5 BP算法示意圖

通過3層(輸入、隱性、輸出層)以及六步(1、初始化；2、輸入訓練樣本對,計算各層輸出；3、計算輸出誤差；4、計算各層誤差:5、調整各層權值；6、檢查是否達到精度要求)。建立好對應的輸入輸出模型,以達到對應模擬要求。

本系統還采用了SVM(支持向量機)算法以做相應的比較推理。SVM算法可以針對線性可分情況進行分析,但也可以將線性不可分通過使用非線性映射算法將低維輸入空間線性不可分的樣本轉化為高維特征空間使其線性可分,并進行數據分析。該法可以在滿足定概率下盡可能降低風險

選擇不同的核函數( Kernel Functions)可以生成不同的SvM,鑒于我們整體模型的復雜度,我們選擇多項式核函數(K(xy)=(x*y)+1]d作為本系統的核函數。

4 現場測試以及分析

在搭建了合理的硬件以及軟件平臺之后,我們進行了實地數據測試,測試地點是上海市楊浦區(qū)某海鮮餐館油煙出風口。實地測試數據截圖,如圖6所示(標準濃度為1.3mg/m^3)：

    圖6 標準濃度為1.3mg/m^3實測數據

圖6中顯示的是4個傳感器返回的初步融合數據,zui左側的31是返回的發(fā)送采集數據指令。顯而易見在經過前期的數據不穩(wěn)定期之后,通風口濃度基本上維持在個穩(wěn)定的水平。

通過以上闡述的數據擬合方式,我們可以得到的標準值與傳感器測得值的對比,如圖7所示：

圖7 數據融合與標準值對比

可以看到,兩者具有較好的相關性。而進步的測算顯示,本系統比單傳感器精度提高20%以上。

5 安科瑞AcrelCloud3500監(jiān)測云平臺

為了彌補現存餐飲行業(yè)在煙油監(jiān)測上的漏洞，同時便利監(jiān)管部門的監(jiān)察，安科瑞油煙監(jiān)測云平臺應運而生。油煙監(jiān)測模塊通過2G/4G與云端平臺進行通信和數據交互，系統能夠對企業(yè)餐飲設備的開機狀態(tài)、運行狀態(tài)進行監(jiān)控；實現開機率監(jiān)測，凈化效率監(jiān)測，設施停運告警，待清洗告警，異常告警等功能；對采集數據進行統計分析、前等統計功能；較之傳統的靜電監(jiān)測方案，更具性和實效性。平臺預留與其他應用系統、設備交互對接接口，具有很好的擴展性及融合性。

5.1平臺結構

平臺GIS地圖采集處理設備運行狀態(tài)和油煙排放的濃度數據，自動對超標排放及異常企業(yè)進行提示預警，監(jiān)管部門可迅速進行處理，督促餐飲企業(yè)整改設備，并定期清洗、維護，實現減排環(huán)保，不擾民等目的。現場安裝監(jiān)測終端，持續(xù)監(jiān)測油煙凈化器的工作狀態(tài)，包括設備運行的電流、電壓、功率、耗電量等等，同時結合排煙口的揮發(fā)性物質、顆粒物濃度等進行對比分析，旦排放超標，系統會發(fā)出異常信號。

■ 油煙監(jiān)測設備用來監(jiān)測油煙、顆粒物、NmHc等數據

■ 凈化器和風機配合對油煙進行凈化處理，同時對凈化設備的電流、電壓進行監(jiān)測

■ 設備通過4G網絡將采集的數據上傳至遠程云端服務器

5.2 平臺主要功能

(1)在線監(jiān)測

對油煙排污數據的監(jiān)測，包括油煙排放濃度，顆粒物，NmHc等數值采集監(jiān)測;同時對監(jiān)控風機和凈化器的啟停狀態(tài)、運行數據進行監(jiān)測。

(2)告警數據監(jiān)測

　　系統根據采集的油煙數值大小，產生對應的排放超標告警;對凈化器的運行數據分析，上傳凈化設備對應的運行、停機、故障等告警事件。

(3)數據分析

運行時長分析，離線分析;告警占比、前分析;歷史數據統計等。

(4)隱患管理

系統對采集的告警數據分析，產生對應的隱患記錄，派發(fā)、處理隱患，及時處理告警，形成閉環(huán)

(5)統計分析

包括時長分析、超標分析、歷史數據、分析報告等模塊

(6)基礎數據維護

個人信息、權限維護，企業(yè)信息錄入，對應測點信息錄入等

(7)數據服務

數據采集，短信提醒，數據存儲和解析

5.3油煙監(jiān)測主機

油煙監(jiān)控主機是現場的管理設備，實時采集油煙濃度探測器和工況傳感器的信號，進行數據處理，通過有線或無線網絡通訊將數據傳輸到服務器平臺。同時，對本地數據進行存儲，監(jiān)控現場設備狀態(tài)，提供人機操作界面。

具體技術參數如下：

5.4 設備選型方案

注：雙探頭適合雙排煙通道的場合，每路探頭監(jiān)測1路排煙通道。

6 結論

本文設計了套基于物聯網系統實時油煙濃度監(jiān)測系統,能夠較好的解決目前油煙監(jiān)測方面存在的些問題和缺陷,利用數據融合算法,提高判斷精度,比普通單傳感器系統精度提高20%以上,實現效果良好。今后的改進方向在于提高傳感器使用壽命、測試精度以及更精美的UI設計。

【參考文獻】

• 丁飛，飲食業(yè)油煙凈化設備油煙凈化效率檢測方法探究，[J]《上海環(huán)境科學》，2010年第29卷第四期
• 范庭芳，趙坤，錢松榮. 基于物聯網的油煙濃度實時監(jiān)測系統設計
• 安科瑞AcrelCloud-3500監(jiān)測云平臺. 2020.05版

作者簡介：劉細鳳，女，現任安科瑞電氣股份有限公司，主要從事監(jiān)測的研發(fā)與應用。