论文部分内容阅读
随着中国工业化快速发展,工业生产带来了严重的空气污染,人们的环保意识逐步提高。在国家大力开展环保工作背景下,虽然大部分城市区域的空气环境污染问题得到初步改善,但由于国家空气质量监测站点不能全方位覆盖,部分地区空气污染仍不能得到实时监测与提前预警。为了避免人体长期处于有毒有害的污染气体环境中,有必要对污染性严重的气体进行有效实时监测。经过对现有的便携式气体检测仪调研,当前的检测仪普遍存在监测气体种类单一化,传感器探头封闭不易更换等缺点。本课题为能弥补以上监测系统缺陷,通过对国内外监测技术进行研究分析,结合物联网技术和传感技术设计了一种基于物联传感技术的便携式污染气体监测系统。主要工作如下:(1)通过采用模块化与多传感器集成设计方式,完成了以STM32F407ZGTE为主控芯片的污染气体监测系统,外围电路包括多传感器采集电路、SD卡存储电路、4G模块接口电路和电源电路以及声光报警、串口显示电路等,从而完成了便携式污染气体监测系统的电路部分设计。(2)软件部分基于RT-Thread开发实现多通道模拟量的数据采集、本地显示、无线传输、存储与下发等多个线程,由系统内核根据优先级进行调度,线程之间使用消息队列进行通信,使用MQTT协议与OneNET云端服务器连接,同时还兼顾了OneNET云平台BDS数据解析,将传感器传输的数据转换成JSON格式存储并在云平台UI界面上展示。实现了传感器数据的实时上传、断线自动重连等功能,保证了数据的可靠上传。(3)为准确预测未来一小时内的空气污染状况,本文提出一种基于自注意力机制长短时记忆网络(Self-Attention-Long Short Term Memory)预测模型,将其应用于对多维的时序特征进行训练,以四种气体的历史数据为基础,预测未来气体污染浓度变化。预测结果表明Self-Attention-LSTM模型在气体浓度预测方面比传统的长短时记忆LSTM算法表现更优。