室内空气品质无线监测系统的设计

张棣，陈向东

（西南交通大学信息科学与技术学院，四川成都611756）

中国国内城镇居民每天80%以上的时间处于室内环境[1]，李启东在研究中指出，室内空气污染物的浓度要高出室外2～5倍[2]。

随着经济发展，人民生活水平的提高，良好的室内空气品质成为人们新的诉求，社会和个人对室内空气品质问题（IAQ）的关注度也日益提升，室内空气品质问题的研究也吸引了越来越多的学者和专家[3-4]。牛小玲等[5]、周岳斌等[6]与闻明等[7]设计了一系列室内有害气体检测设备，这些设备只能进行单一指标的检测，检测时需要人工作业，不能远程实时监测；王铭明等和[8]程磊等[9]研究了基于ZigBee的室内环境监测系统，实现了室内环境的远程监测，但未对监测数据进行处理；郑惋月[10]和王昭俊等[11]对室内空气品质评价方法进行了一些研究，但数据由人工采集，没有设计前端监测设备。

本文设计了一种室内空气品质无线监测系统，系统采用嵌入式技术设计采集终端，C#与MATLAB编程技术设计监测中心。该系统具有以下特点：1）实时性，对所监测室内区域的空气品质做到实时监测；2）网络化，采集终端和监测中心使用Wi-Fi网络连接，用户可以远程获取待监测区域空气指标；3）数据可追溯性，本系统设计了监测数据存储功能，可在无人值守情况下进行监测记录；4）智能化，本系统应用灰色关联分析法设计室内空气评价功能，智能分析监测区域空气品质；5）友好性，本系统监测指标拥有多种显示手段：图表、数值等，用户直观得到监测区域空气品质状况。

1 系统总体设计

本系统总体设计构架可分为3个部分：空气品质采集终端，无线通信系统和监测中心，如图1所示。

图1 系统总体框架

目前国内外对室内空气品质普遍关注的指标有二氧化碳、甲醛等有机物（TVOC）、可吸入颗粒物、一氧化碳、氡等[12]，本系统选择CO2、甲醛及PM2.5作为主要监测指标，温度和湿度作为辅助监测指标。采集终端的主要功能是采集上述指标，并通过Wi-Fi网络将这些参数实时传输给计算机终端。

无线通信系统基于Wi-Fi设计，保证采集终端与监测中心得实时通信。

监测中心基于C#语言设计，拥有数据实时显示、即时报警、空气品质评价及历史记录查询等功能。

2 硬件设计

空气品质指标采集终端结构如图2所示，主要包括：微处理器、多个传感器模块、LCD显示屏及电源模块组成。

传感器方面，选择了型号为MG811的CO2传感器、型号为DSM501a的粉尘传感器、型号为MS1100的TVOC传感器及型号为AMS2302的温湿度传感器。Wi-Fi无线通信模块选择了安信可公司出品的ATK_ESP8266。选择了意法半导体公司的STMF446RET作为本系统的主控芯片，具有性能强大，功耗低，接口资源丰富的特点[13]。

图2 空气品质采集终端结构框图

2.1 电源电路设计

嵌入式系统设计中，供电问题必须得到重视。本文选择TPS54311同步压降转换器作为系统电源主控芯片。如图3为系统电源电路，输入为+12 V，输出为+6 V。

图3 系统电源电路

系统中各模块工作电压不同，为此本文设计了3.3 V与5 V电压转换电路，限于篇幅不详细介绍。

2.2 部分工作电路设计

CO2传感器工作电路如图4所示，该传感器工作原理是：当其暴露在空气中，阴、阳两电极与空气中的CO2发生化学反应，通过采样阴阳两电极之间电势差即可获知CO2浓度变化。

甲醛传感器的工作电路如图5所示。该传感器工作原理是：传感器内部贵金属氧化物接触到甲醛后阻值将发生变化。

Wi-Fi模块电路仅需将串口引脚与STM32对应连接，复位引脚和固件烧写引脚拉高，如图6所示。

除上述电路以外，本文还设计了LCD工作电路，PM2.5及温湿度传感器工作电路，依据工作手册分别设计了复位和JLINK接口下载调试电路，方便进行系统调试。

图4 CO2传感器工作电路

图5 TVOC传感器工作电路

图6 Wi-Fi模块工作电路

3 软件设计

3.1 采集终端软件设计

采集终端主要工作是：采集室内空气指标，经过简单处理后通过Wi-Fi发送至计算机终端。本文向STM32平台移植了RT-Thread嵌入式操作系统，使用线程编程技术完成设计。如图7所示为线程流程图。

图7 线程流程图

3.2 数据库管理

本文采用Oracle公司旗下的MySQL作为数据库管理系统[14]。目前系统数据库设计有监测数据表，监测数据表主要记录采集终端采集指标，主要包括监测时间、各个传感器监测值等。

3.3 监测中心设计

监测中心基于C#编程语言设计。

如图8所示，主界面分为4个区域，上部为菜单栏，需要用户操作的功能均在此处；左侧为空气品质等级显示区域；中部为曲线显示区域；右侧为数据显示区域，以表格形式显示各项监测指标。

图8 监测中心软件主界面

4 空气品质评价

文中采用灰色关联分析法对空气品质进行评价。其基本思想是比较参考序列曲线和若干个比较序列曲线的相似程度，曲线越相似，反映关联度越高[15]。灰色关联分析的具体计算步骤如下：

1）序列去量纲化。去量纲化方法如下：

2）计算关联系数。依下式求参考序列与比较序列之间关联系数ξoi(j)：

公式（2）中，zij=|x0j-xij|，ρ为分辨系数，ρ∈(0,1)，根据经验ρ≤0.5463时效果最好，通常取0.5[15]。

3）计算关联度。序列关联度由下式计算：

公式（3）中，ωj是比较序列各项指标的权重，权重越高，代表该项指标在关联度计算中重要性越高，要求∑ωj=1。

4）关联度排序

关联度以大小排序，得到各比较序列与参考序列的关联度，即可得出空气品质的优劣。

灰色关联分析法使用MATLAB编程实现，模拟数据如表1所示。

表1 灰色关联分析法模拟数据

*PM2.5单位为 Kcps，CO2、甲醛为 PPM

标准序列为优秀情况下各指标阈值，序列1模拟轻度污染，序列2模拟优秀，序列3模拟重度污染各指标参数。MATLAB程序运行后，得到关联度如图9所示。

由图9可知，关联度排序为序列2>序列1>序列3，即空气品质排序为序列2最好，序列1次之，序列最差，与模拟数据设置一致。

图9 灰色关联分析法仿真图

5 系统测试

为了验证方案的可行性与有效性，文中模拟某些指标超标情况。甲醛对人体危害较大，选用酒精替代实验，选用二氧化碳气体及香烟燃烧产生的烟雾对本系统进行测试。

5.1 采集终端运行测试

系统上电启动后，等待传感器预热完成，系统稳定显示各传感器数值，运行状况正常。如图10所示。

图10 采集终端运行测试

5.2 监测中心与采集终端联合测试

本项测试过程主要进行以下步骤：

1）采集终端上电，等待传感器预热。

2）连接采集终端创建的Wi-Fi网络；

3）打开监测中心软件，设置服务端网络相关配置信息。

4）成功建立通信连接后，导航界面实时监测按钮，进入实时监测界面。菜单栏选择甲醛传感器进行监测，使用乙醇溶液接近采集终端，可以明显观察到有一段曲线提升，甲醛中度超标（乙醇模拟），二氧化碳浓度超标，由上文灰色关联分析法所设计空气评价方法，左侧显示空气品质等级为中度污染。

5）历史数据查询

历史数据查询功能利用实时监测界面设计，通过菜单栏控制进行历史数据查询切换。如图11所示。

在查询时间段选择区域选择需要查看的历史数据时间段；然后在传感器选择菜单选择需要观察的传感器。

如图12可以得出，甲醛浓度有一段升高，与4）中使用乙醇溶液模拟甲醛超标结果一致。

综上，历史查询功能运行正常。

图11 监测中心实时监测功能测试

图12 历史数据查询功能测试

综上所述，本文设计采集终端、监测中心及无线通信系统功能正常。

6 结束语

文中将嵌入式技术，传感器技术，无线通信技术，RT-Thread嵌入式系统技术，C#编程技术等相关技术结合，设计了一个室内空气品质无线监测系统。经过测试，各项功能正常，本系统具有一定的实用意义。

参考文献：

[1]范奥博，铁治欣，吴铭程，等.室内空气质量监测系统的设计[J].浙江理工大学学报，2015，33（3）:382-389.

[2]李启东.室内空气污染研究之进展[J].上海环境科学，2001，20（10）：463-466.

[3]刘建磊，白鸽，陈洁，等.城市新装修家庭Tvoc的污染现状以及影响因素分析[J].科学通报，2011，56（20）:38.

[4]张鹏，冯显英，霍睿.基于STM32的多功能空气净化器控制系统开发[J].电子技术应用，2017，43（3）:80-83.

[5]牛小玲，张鹏飞.便携式甲醛检测仪设计--创新型实验项目[J].实验技术与管理，2013（10）:79-82.

[6]周岳斌，王冬，杨凯，等.便携式甲醛及PM2.5检测仪设计[J].机械管理开发，2015（3）:19-21.

[7]闻明，张策.便携式二氧化碳检测仪的设计[J].传感器与微系统，2011，30（7）:95-96.

[8]王铭明，陈涛，王建立，等.基于ZigBee网络的室内环境监测预警系统设计[J].计算机测量与控制，2014，22（4）:1021-1023.

[9]程磊，李秋红，袁腾，等.基于ZigBee与ARM的室内环境监测系统的设计[J].电源技术，2013，37（9）:1655-1657.

[10]王昭俊，唐瑞.严寒地区冬季农宅室内空气品质评价[J].建筑科学，2016，32（2）:48-53.

[11]郑惋月.重庆地区商场建筑室内空气品质评价[D].重庆：重庆大学，2016.

[12]宋春燕.室内空气污染特性浅析[J].内蒙古石油化工，2016（10）：71-72.

[13]STM32F446数据手册[EB/OL].https://wenku.bai⁃du.com/view/4471e7b4866fb84ae45c8da2.html.

[14]KoflerMKD.Mysql[M]//MySQL.Apress，2001:1-22.

[15]Kuo Y，Yang T，Huang G W.The use of grey rela⁃tional analysis in solving multiple attribute deci⁃sion-making problems[J].Computers&Industrial Engineering，2008，55（1）:80-93.

[16]Feng L.Research on the identification coefficient of relational grade for grey system[C]//Systems En⁃gineering---Theory&Practice，1997.