可吸入颗粒物是存在于人体吸入的空气中且无法用肉眼识别的一种污染物,这种污染物对于长时间作息在室内的人的健康构成巨大的威胁。而目前室内空气质量的研究多限于对CO、TVOC、甲醛等具有代表性的气体污染物进行监测研究,忽略了室内可吸入颗粒物这一类参数的监测研究。因此,对室内空气可吸入颗粒物进行采集监测并对其质量评价进行研究,既可对可吸入颗粒物参数状况实时掌握,又可对室内可吸入颗粒物质量做出可靠评价,实现污染预警。室内空气可吸入颗粒物品质是模糊性较大的一个指标。室内的许多环境因素都与可吸入颗粒物质量有关,这些因素都是相互耦合的。其中对室内可吸入颗粒物浓度和分布情况影响最大的是温度和相对湿度。因此本文选取PM2.5、PM10这两种颗粒物,以及温度和相对湿度参数,对其进行数据监测,并将其作为评价指标对室内可吸入颗粒物质量做出评价。考虑到室内可吸入颗粒物参数分布的不均衡性,单一点的监测结果具有一定的不准确性。因此,本文对同一种参数都进行了多点的数据采集,以多点采集的综合处理结果代替单一点检测,加强了系统的可靠性。本文介绍了由基于光散射原理的PM2.5和PM10颗粒物传感器以及温湿度传感器、Zig Bee无线传输模块和上位机建立的室内空气可吸入颗粒物检测系统,详述了光散射法的测量原理,以及可吸入颗粒物传感器的检测过程,完成了数据采集、传输、显示、存储和分析。在此基础上,引入了归一化加权平均算法和模糊神经网络算法,建立融合评价算法的模型,对室内可吸入颗粒物质量进行了评价。首先对PM2.5、PM10、温度和相对湿度4个参数多点监测结果进行归一化加权平均,其结果构成评价因素集合。根据国家现行的相关标准,每个参数划分为优、良、中、差4个质量等级,对实验数据进行网络训练后,建立室内可吸入颗粒物的评价模型。利用评价模型对室内可吸入颗粒物质量做出了较为科学的评价。本文的创新点有:提出并实现了参数的多点监测,解决了单点监测的不确定性问题;将模糊理论和神经网络算法结合起来,应用到室内空气可吸入颗粒物的质量评估当中,建立了相应的评价模型,相比于传统的主客观评价法精确性更好。系统运行稳定、可靠,实现了室内空气可吸入颗粒物监测和质量评价。本系统可应用于其他室内场所的可吸入颗粒物监测控制当中,只需改变监测节点数量或根据实际的监测场所的环境特点选择相应的监测点位置,具有一定的实用性。