详情

原文传递一种基于环境参量的户外实时空气质量监测方法

专利名称：	一种基于环境参量的户外实时空气质量监测方法
摘要：	本发明公开了一种基于环境参量的户外实时空气质量监测方法，包括电化学气体传感器、环境参数传感器、ZYNQ处理系统模块，AD采样模块、无线传输模块。传感器采集气体数据和环境参数，由AD采样模块输出到ZYNQ处理系统模块，ZYNQ处理系统部署了神经网络硬件加速IP对气体数据进行处理，由无线传输模块发送终端。在保证低成本的同时本发明解决了以前设计方案中没有考虑环境因素对结果影响大和实时性差的问题，本发明具有实时性、精度高、低成本等特点，具有良好的前景。
专利类型：	发明专利
国家地区组织代码：	安徽;34
申请人：	合肥工业大学
发明人：	胡俊涛;蒋炬波;张翔;孙海东;崔灿;张士诚;方勇
专利状态：	有效
申请日期：	2023-08-24T00:00:00+0800
发布日期：	2023-11-07T00:00:00+0800
申请号：	CN202311079777.7
公开号：	CN117007657A
代理机构：	安徽合肥华信知识产权代理有限公司
代理人：	余成俊
分类号：	G01N27/26;G01N27/416;G;G01;G01N;G01N27;G01N27/26;G01N27/416
申请人地址：	230009 安徽省合肥市包河区屯溪路193号
主权项：	1.一种基于环境参量的户外实时空气质量监测方法，其特征在于：具体包括如下步骤：第一步：采集气体数据和环境参数，在python上根据采集的气体数据和环境参数构建神经网络校准模型；第二步：构建神经网络硬件模型参数，将训练好的神经网络校准模型中的权重和偏置以TXT的格式保存下来，转换成十六进制的格式，写入到PL顶层文件中，以WIRE型保存，使其余底层文件在进行神经网络硬件加速中能够进行直接调用；第三步：设计单个神经元，单个神经元的构造由乘法器和加法器构成，加法器和乘法器是通过调用软件提供的浮点数运算IP核，隐藏层神经元在最后添加RELU函数作为激活函数，所述的乘法器是权重与每个输入相乘，加法器是并行实现各个乘法器的结果相加最后再与偏置相加，由状态机控制单个神经元的工作；第四步：设计单层网络，每一层单层网络都由数个神经元组成，同层之间的神经元结构一致但是权重与偏置不一致，通过状态机控制顺序，前一层的输出将作为后一层的输入，输入层直接由输入的数据构成，而输出层的输出将直接作为神经网络的输出；第五步：设计神经网络硬件加速IP的PL顶层文件，PL顶层文件负责将接受PS端传入的数据，将权重、偏置以及传入的数据分发给单层神经网络，将数据的最终结果输入到AXI对应地址中，神经网络由三层组成，分别是输入层、隐藏层、输出层，由状态机控制每一层的传入和输出，根据需要增加隐藏层层数；第六步：开始采集气体数据和环境参数数据并将采集的气体数据和环境参数通过AD采样模块转换为数字信号；第七步：PS端数据预处理模块接收AD采样模块发送的数字信号，PS端对数据预处理是对一组数据进行归一化和数据格式转化，归一化的最大值最小值由预先设置的定值，数据格式转化是将数据转化为可供PL端进行浮点数运算的32位浮点数；第八步：在PS端发送数据给PL端，通过调用AXI总线函数来发送预处理后的数据，通过AXI总线上的地址寄存器来寄存数据，同时在PL端验证数据的完整性；第九步：在PS端等待4us，同时PL端进行神经网络硬件加速，从单个神经元开始到整个神经网络，完成计算后将数据通过读写操作模块存放到AXI总线上对应地址的寄存器中，等待完成后PS读取PL端写入到AXI总线对应地址上的数据，同时在PS端验证数据的完整性；第十步：PS端对数据进行第二次处理，过程是从PL输出的数据进行反归一化和数据类型转化为十进制格式；第十一步：通过无线传输模块将处理好的数据通过MQTT协议以发布者的身份发送数据，在云平台以订阅者的身份接收数据。 2. 根据权利要求1所述的一种基于环境参量的户外实时空气质量监测方法，其特征在于：所述的采集气体数据和环境参数是通过搭建简易采集系统获取的，所述搭建简易采集系统是搭建能够采集国控站点附近的四种污染气体、温湿度和风速风向数据的装置，四种污染气体为 NO、NO2、O3、CO，环境参数包括温度、湿度、风速、风向四种参数，通过采集不同气候以及不同地区的环境参数，测试各种环境下对结果的影响；获取的四种污染气体每小时的平均值，能够与同一时刻的国控站点数据进行对应。 3.根据权利要求2所述的一种基于环境参量的户外实时空气质量监测方法，其特征在于：所述的在python上根据采集的气体数据和环境参数构建神经网络校准模型，是通过采集获取的气体数据和环境参数作为输入，以国控站点数据为目标进行训练，将数据集划分为训练集和测试集，进行神经网络校准模型训练。 4.根据权利要求3所述的一种基于环境参量的户外实时空气质量监测方法，其特征在于：所述神经网络校准模型的前向传播公式为：，式中k为层的索引，i为上一层神经元的索引，j为这一层神经元的索引，为上一层神经元的数量，/> 是权重，/> 是上一神经元的输出，/> 是偏置。 5.根据权利要求1所述的一种基于环境参量的户外实时空气质量监测方法，其特征在于：所述的激活函数RELU函数，公式为：，式中，x为隐藏层经过计算的结果，f(x)为隐藏层的最终结果，若x大于0则输出x的值，若x小于0则输出0。 6.根据权利要求1所述的一种基于环境参量的户外实时空气质量监测方法，其特征在于：所述的PS端数据预处理模块以及神经网络硬件加速IP均采用ZYNQ处理器。
所属类别：	发明专利