CN117805323B - 基于物联网的置于电捕焦油器前的样气监测采样分析*** - Google Patents
基于物联网的置于电捕焦油器前的样气监测采样分析*** Download PDFInfo
- Publication number
- CN117805323B CN117805323B CN202410218880.3A CN202410218880A CN117805323B CN 117805323 B CN117805323 B CN 117805323B CN 202410218880 A CN202410218880 A CN 202410218880A CN 117805323 B CN117805323 B CN 117805323B
- Authority
- CN
- China
- Prior art keywords
- sampling
- sample gas
- point
- gas
- concentration
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000005070 sampling Methods 0.000 title claims abstract description 401
- 238000012544 monitoring process Methods 0.000 title claims abstract description 84
- 239000012716 precipitator Substances 0.000 title claims abstract description 24
- 238000001514 detection method Methods 0.000 claims abstract description 71
- 230000007613 environmental effect Effects 0.000 claims abstract description 20
- 238000004458 analytical method Methods 0.000 claims abstract description 16
- 239000007789 gas Substances 0.000 claims description 231
- 239000003344 environmental pollutant Substances 0.000 claims description 26
- 231100000719 pollutant Toxicity 0.000 claims description 26
- 238000012216 screening Methods 0.000 claims description 21
- 239000000356 contaminant Substances 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000009792 diffusion process Methods 0.000 claims description 10
- 238000010586 diagram Methods 0.000 claims description 8
- 238000004868 gas analysis Methods 0.000 claims description 6
- 238000013097 stability assessment Methods 0.000 claims description 5
- 101100272279 Beauveria bassiana Beas gene Proteins 0.000 claims description 4
- 238000012512 characterization method Methods 0.000 claims description 3
- 238000011109 contamination Methods 0.000 claims description 2
- 238000000605 extraction Methods 0.000 claims description 2
- 230000006855 networking Effects 0.000 claims 1
- 238000012790 confirmation Methods 0.000 abstract description 11
- 238000007405 data analysis Methods 0.000 abstract description 3
- 230000007812 deficiency Effects 0.000 description 4
- 230000007547 defect Effects 0.000 description 3
- 239000000047 product Substances 0.000 description 3
- 239000012530 fluid Substances 0.000 description 2
- 238000000034 method Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013618 particulate matter Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000000746 purification Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N1/00—Sampling; Preparing specimens for investigation
- G01N1/02—Devices for withdrawing samples
- G01N1/22—Devices for withdrawing samples in the gaseous state
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A50/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE in human health protection, e.g. against extreme weather
- Y02A50/20—Air quality improvement or preservation, e.g. vehicle emission control or emission reduction by using catalytic converters
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Pathology (AREA)
- Immunology (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Computer Networks & Wireless Communication (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Signal Processing (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Combustion & Propulsion (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Sampling And Sample Adjustment (AREA)
Abstract
本发明属于样气采样分析技术领域,具体公开提供的基于物联网的置于电捕焦油器前的样气监测采样分析***,该***包括:采样环境数据采集模块、样气采样位置确认模块、采样状态数据监测模块、样气采样参数确认模块、信息库和样气采样数据分析模块。本发明通过根据污染源数据、大气数据和气体检测数据,进行采样点选取,有效解决了当前采样点选取的代表性不足的问题,规避了当前存在的主观性和随机性,同时通过确认采样位置,确保了采样点选定的代表性和可用性,并且通过结合环境状态数据和气体成分浓度确认采样参数,弥补了当前采样手段处理的合理性不足的问题,确保了样气采样的充分性和可靠性。
Description
技术领域
本发明属于样气采样分析技术领域,涉及基于物联网的置于电捕焦油器前的样气监测采样分析***。
背景技术
电捕焦油器是一种用于控制工业过程中产生的有机气体和颗粒物排放的设备。在电捕焦油器前进行样气智能监测采样分析,旨在实时监测和评估电捕焦油器排放气体中的气体成分和污染物浓度,以确保其符合环保要求,并及时采取必要的控制措施。
目前对于电捕焦油器前样气的监测采样分析还存在以下几个方面的不足:1、采样点选取的代表性不足,目前的采样点选择通常是基于经验或主观判断,仍然存在一定的主观性和随机性,缺乏科学的指导和规范,同时也未结合环境特征、污染源分布等因素进行综合性确认,使得采样点选取的可靠性和合理性存在一定的欠缺。
2、采样手段处理的合理性不足,当前未根据具体的样气成分的变化情况和环境变化特征等进行采样时间以及采样流量等进行动态控制,也无法确保样气的采取的有效性和参考性,同时也无法确保样气采样的充分性。
3、采样样气分析的对时效层面考虑不足,当前主要根据拾取的样本确认污染情况进而启动后续的净化流程,未对样本进行不同时段时采集,使得后续污染物处理的参考性不足,也无法提高后续污染物处理的针对性和有效性。
发明内容
鉴于此,为解决上述背景技术中所提出的问题,现提出基于物联网的置于电捕焦油器前的样气监测采样分析***。
本发明的目的可以通过以下技术方案实现:本发明提供基于物联网的置于电捕焦油器前的样气监测采样分析***,包括:采样环境数据采集模块,用于对电捕焦油器所在位置内的采样环境数据进行采集,采样环境数据由污染源数据、大气数据和气体检测数据组成。
样气采样位置确认模块,用于确认样气采样点数目,同时确认各样气采样点的采样位置。
采样状态数据监测模块,用于对各样气采样点对应采样位置内的采样状态数据进行监测,采样状态数据由气体成分数据以及环境状态数据组成。
样气采样参数确认模块,用于确认各样气采样点所在采样位置内的采样参数,所述采样参数包括采样流量、采样时长和采样次数。
信息库,用于存储各类型气体的密度、粘度以及各类型气体对应的干扰压力值、干扰湿度值和干扰温度值。
样气采样分析反馈模块,用于根据各样气采样点的采样位置以及采样参数,进行样气采样,进而进行样气状态分析,并输出样气表征污染度,并进行反馈。
优选地,所述确认样气采样点数目,包括:从大气数据中提取各监测时间点对应监测的风速,并提取大气湍流强度、大气层结高度以及各高度层对应的温度,设定采样点数目设定需求权重因子。
从气体检测数据中定位出各检测点对应污染物浓度,据此构建污染物浓度的分布散点图,并从中定位出各边缘点的位置,连接所述各边缘点,组成污染物浓度的分布区域,记为目标区域。
以横轴箭头方向为水平方向,以纵轴箭头方向为垂直方向,进而提取目标区域在水平方向的长度和在垂直方向的长度/>。
将目标区域按照预设水平间距分割为各子区域,提取各子区域的面积,并筛选出最大面积和最小面积/>。
统计样气采样点数目,/>,/>分别为设定参照水平方向长度、垂直方向长度,/>为设定参照面积差,/>为设定参照的单位分布偏差度对应参照设定采样点,/>表示向上取整符号。
优选地,所述设定采样点数目设定需求权重因子,包括:以温度为横坐标,以高度层为纵坐标,构建温度变化曲线,同时以风速为纵坐标,构建风速变化曲线。
从温度变化曲线和风速变化曲线中分别提取波动点数目,并分别记为和/>。
将大气湍流强度记为,将/>、/>和/>导入大气稳定评估模型中,输出大气状态稳定度/>。
从各监测时间点对应监测的风速和风向中定位出当前所处监测时间点对应监测的风速和风向。
从污染源数据中提取污染源的位置和排放速率,进而通过大气扩散模型输出在不同空间位置处的污染物浓度。
从不同空间位置处的污染物浓度中提取最高污染物浓度和最低污染物浓度,将/>作为采样点数目设定需求权重因子/>,/>为设定参照污染物浓度差。
优选地,所述大气稳定评估模型具体表示如下:,其中,表示设定参照波动次数,/>表示设定参照大气湍流强度。
优选地,所述确认各样气采样点的采样位置,包括:从各监测时间点对应监测的风速中筛选出最大风速,作为目标分析风速。
根据各监测时间点对应监测的风向,确认集中风向,进而以污染源的位置为圆心,以集中风向对应下风位置方向构建半圆,并作为采样集中区域。
从气体检测数据中定位出各检测点的位置以及各检测点对应各污染成分的浓度,进而筛选出位于采样集中区域内的各检测点,作为各目标检测点,提取各目标检测点对应各污染成分的浓度,确认适宜采样距离。
将采样集中区域分割为个扇形区域,提取各分割线的位置,进而从各分割线中定位出与圆心之间距离为/>的位置,作为各样气采样点的采样位置。
优选地,所述确认适宜采样距离,包括:从污染源数据中定位出污染源中各污染成分的监测浓度,设定各污染成分的有效采样浓度。
将各目标检测点对应各污染成分的浓度与其有效采样浓度进行作差,得到采样浓度差,将采样浓度差大于或者等于0的污染成分记为有效采样成分,统计各目标检测点的有效采样成分数目,/>为目标检测点编号,/>。
将各目标检测点对应各有效采样成分的采样浓度差进行均值计算,得到各目标检测点的平均有效采样浓度差。
统计各目标检测点的采样有效趋向度,/>,/>表示污染成分数目,/>为设定参照有效采样浓度差。
将采样有效趋向度大于0的各目标检测点作为各有效采样点,提取各有效采样点的位置,进而提取各有效采样点位置与污染源的位置之间的距离,并从中筛选出最大距离和最小距离/>,同时通过均值计算得到各有效采样点位置与污染源的位置之间的平均距离/>。
若,将/>作为适宜采样距离,/>为设定参照污染间距,反之将/>作为适宜采样距离。
优选地,所述确认各样气采样点所在采样位置内的采样参数,包括:从各样气采样点对应采样位置内的气体成分数据中定位出各检测气体成分的类型和在各监测时间点的浓度。
从信息库中定位出各样气采样点对应各检测气体成分的干扰压力值、干扰湿度值和干扰温度值。
从各样气采样点对应采样位置内的环境状态数据中定位出各环境监测时间点对应监测的温度、湿度和大气压力,统计各样气采样点对应检测气体的状态差异度,/>表示样气采样点编号,/>。
从各样气采样点对应各检测气体成分在各监测时间点的浓度中筛选出焦油在各监测时间点的浓度,进而筛选出最大焦油浓度,并记为,将作为各样气采样点所在采样位置的采样流量,/>为设定单位焦油浓度对应参照采样流量,/>为设定参照的单位干扰趋向度对应参照补偿采样流量,/>为设定参照检测气体状态差异度。
从信息库中定位出各样气采样点对应各检测气体的密度和粘度,统计各样气采样点所在采样位置的采样时长。
以监测时间点为横坐标,以焦油的浓度为纵坐标,构建各样气采样点对应焦油浓度变化曲线,并从中定位出波动点数目,将/>作为各样气采样点所在采样位置的采样次数,/>为第一个监测时间点与最后一个监测时间点之间的间隔时长,/>为设定参照焦油变化率,/>为设定参照的单位焦油变化率差对应增加间隔时长。
优选地,所述统计各样气采样点对应检测气体的状态差异度,包括:将各样气采样点对应各检测气体的干扰压力值、干扰湿度值和干扰温度值,分别记为、/>和/>,表示检测气体编号,/>。
从各环境监测时间点对应监测的温度、湿度和大气压力中筛选出最大温度、最大湿度/>和最大大气压力/>。
统计各样气采样点对应检测气体的状态差异度,,/>分别为设定参照的大气压力差、湿度差、温度差,/>表示检测气体数目,/>表示向下取整符号。
优选地,所述统计各样气采样点所在采样位置的采样时长,包括:将各样气采样点对应各检测气体的密度和粘度进行均值计算得到各样气采样点对应检测气体的平均密度和平均粘度/>。
将作为各样气采样点所在采样位置的采样时长,/>分别为设定参照的干扰气体密度、干扰粘度,/>为设定的单位气体特性干扰趋向度对应参照补偿采样时长,/>为设定参照单位检测气体状态差异度对应参照补偿采样时长,/>为设定参照基准采样时长。
优选地,所述进行样气状态分析,包括:将采样流量和采样时长的积作为采样量,将各次采样的样气导入样气解析设备中,输出各次采样时的焦油浓度/>,/>表示采样次序编号,/>。
统计样气表征污染度,/>表示设定参照焦油浓度占比,/>为设定参照焦油浓度差。
相较于现有技术,本发明的有益效果如下:(1)本发明通过根据电捕焦油器所在位置内污染源数据、大气数据和气体检测数据,进行采样点选取,有效解决了当前采样点选取的代表性不足的问题,规避了当前存在的主观性和随机性,提升了采样点选取的科学性和规范性,充分结合了环境特征、污染源分布等因素,从而确保了采样点选取的可靠性和合理性。
(2)本发明通过根据各监测时间点对应监测的风速和风向进行采样集中区域圈定,并根据各污染成分的浓度,确认适宜采样距离,进而得到各样气采样点的采样位置,实现了采样点对应采样位置的数据化设定,进而规避了当前笼统式采样位置选定方式存在的偏差性,确保了采样点选定的代表性和可用性。
(3)本发明通过对检测气体成分的类型和在各监测时间点的浓度以及各样气采样点对应采样位置内的环境状态数据进行细致分析,从而确认采样参数,弥补了当前采样手段处理的合理性不足的问题,直观地展示了样气成分变化和环境变化等动态变化特征,保障后续样气采样的有效性和参考性,同时也确保了样气采样的充分性。
(4)本发明通过根据各次采样时的焦油浓度进行表征污染度分析,打破了当前采样样气分析时对时效层面考虑的不足,直观地展示了不同采样时段内的焦油含量情况,提升了后续污染物处理的参考性以及后续污染物处理的针对性和有效性。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明***各模块连接示意图。
图2为本发明各样气采样点的采样位置示意图。
附图标记:1、采样集中区域,2、采样位置,3、扇形区域,其中,箭头方向表示集中风向。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1所示,本发明提供了基于物联网的置于电捕焦油器前的样气监测采样分析***,该***包括:采样环境数据采集模块、样气采样位置确认模块、采样状态数据监测模块、样气采样参数确认模块、信息库和样气采样数据分析模块。
上述中,采样环境数据采集模块与样气采样位置确认模块连接,采样状态数据监测模块分别与样气采样位置确认模块和样气采样参数确认模块连接,样气采样数据分析模块还分别与样气采样位置确认模块、样气采样参数确认模块和信息库连接。
所述采样环境数据采集模块,用于对电捕焦油器所在位置内的采样环境数据进行采集,采样环境数据由污染源数据、大气数据和气体检测数据组成。
其中,污染源数据包括但不限于污染源的位置、排放速率和污染源中各污染成分的监测浓度。
其中,大气数据包括但不限于各监测时间点对应监测的风速以及气湍流强度、大气层结高度以及各高度层对应的温度。
其中,气体检测数据包括但不限于各检测点对应污染物浓度。
所述样气采样位置确认模块,用于确认样气采样点数目,同时确认各样气采样点的采样位置。
其中,确认样气采样点数目,包括步骤J1-J5:J1、从大气数据中提取各监测时间点对应监测的风速,并提取大气湍流强度、大气层结高度以及各高度层对应的温度,设定采样点数目设定需求权重因子。
进一步地,设定采样点数目设定需求权重因子,包括步骤J11-J16:J11、以温度为横坐标,以高度层为纵坐标,构建温度变化曲线,同时以风速为纵坐标,构建风速变化曲线。
J12、从温度变化曲线和风速变化曲线中分别提取波动点数目,并分别记为和。
J13、将大气湍流强度记为,将/>、/>和/>导入大气稳定评估模型中,输出大气状态稳定度/>,/>,/>表示设定参照波动次数,/>表示设定参照大气湍流强度。
在一个具体实施例中,波动点数指曲线中左右增长方向相反的点,如左侧下降右侧上升或者左侧上升右侧下降的点。
J14、从各监测时间点对应监测的风速和风向中定位出当前所处监测时间点对应监测的风速和风向。
J15、从污染源数据中提取污染源的位置和排放速率,进而通过大气扩散模型输出在不同空间位置处的污染物浓度。
在一个具体实施例中,大气扩散模型为现有较为成熟模型,其中,为了便于理解,本发明所述大气扩散模型可以具体采用高斯模型,即基于高斯分布的假设,将污染物的传播过程表示为一个二维的高斯曲面。该模型假设污染物在水平和垂直方向上的扩散服从高斯分布,并考虑了风速、风向、大气稳定度等因素,其中,大气状态稳定度、大气层结高度、当前所处监测时间点对应监测的风速、风向以及污染源的地理位置坐标和排放速率为大气扩散模型的输入参数,输出为不同空间位置处的污染物浓度,
需要补充的是,高斯模型的具体算法表示如下:,/>表示电捕焦油器所在位置内在空间位置/>污染物浓度,/>表示水平方向坐标,/>表示垂直方向坐标,/>为最大污染物浓度,/>分别为水平和垂直方向的标准偏差,/>表示指数函数。
其中,高斯模型还需要考虑到扩散方程,其中,扩散方程具体表示如下:,/>表示扩散系数,/>表示/>值,/>表示当前所处监测时间点的风速。
其中,,/>表示污染物浓度的拉普拉斯算子,/>表示浓度场随时间的变化率。
还需要补充的是,的获取通过对/>分别对/>和/>求偏导数,然后令偏导数等于零解方程,找到使得函数取最大值的点,将使得函数取最大值的点代入高斯模型的原始表达算法中,进而求解得到最大污染物浓度,即/>对应高斯模型的峰值,同时高斯模型中的/>值通常与大气稳定度相关,大气稳定度分为不同的级别,每个级别对应一个/>值,即/>值通过将大气稳定度与设定的各级别大气稳定度所处稳定度区间进行对比,得到大气稳定度的级别,并将大气稳定度的级别与各级别大气稳定度对应的匹配/>值进行匹配对比,由此得到大气稳定度对应的/>值。
J16、从不同空间位置处的污染物浓度中提取最高污染物浓度和最低污染物浓度/>,将/>作为采样点数目设定需求权重因子/>,/>为设定参照污染物浓度差。
J2、从气体检测数据中定位出各检测点对应污染物浓度,以监测点为横轴,以污染物浓度为纵轴,据此构建污染物浓度的分布散点图,并从中定位出各边缘点的位置,连接所述各边缘点,组成污染物浓度的分布区域,记为目标区域。
J3、以横轴箭头方向为水平方向,以纵轴箭头方向为垂直方向,进而提取目标区域在水平方向的长度和在垂直方向的长度/>。
J4、将目标区域按照预设水平间距分割为各子区域,提取各子区域的面积,并筛选出最大面积和最小面积/>。
J5、统计样气采样点数目,/>,分别为设定参照水平方向长度、垂直方向长度,/>为设定参照面积差,/>为设定参照的单位分布偏差度对应参照设定采样点,/>表示向上取整符号。
本发明实施例通过根据电捕焦油器所在位置内污染源数据、大气数据和气体检测数据,进行采样点选取,有效解决了当前采样点选取的代表性不足的问题,规避了当前存在的主观性和随机性,提升了采样点选取的科学性和规范性,充分结合了环境特征、污染源分布等因素,从而确保了采样点选取的可靠性和合理性。
进一步地,请参阅图2所示,确认各样气采样点的采样位置,包括步骤Q1-Q4:Q1、从各监测时间点对应监测的风速中筛选出最大风速,作为目标分析风速。
Q2、根据各监测时间点对应监测的风向,确认集中风向,进而以污染源的位置为圆心,以集中风向对应下风位置方向构建半圆,并作为采样集中区域。
在一个具体实施例中,集中风向的具体确认方式如下:将各监测时间点对应监测的风向进行相互对比,统计各风向的监测时间点数目,将监测时间点数目最多的风向作为集中风向。
需要补充的是,集中风向对应下风位置指风向下风的位置指的是相对于污染源而言,风向指示的方向上的位置。
Q3、从气体检测数据中定位出各检测点的位置以及各检测点对应各污染成分的浓度,进而筛选出位于采样集中区域内的各检测点,作为各目标检测点,提取各目标检测点对应各污染成分的浓度,确认适宜采样距离。
可理解地,确认适宜采样距离,包括步骤Q31-Q36:Q31、从污染源数据中定位出污染源中各污染成分的监测浓度,设定各污染成分的有效采样浓度。
在一个具有实施例中,设定各污染成分的有效采样浓度的具体设定方式为:将污染源中各污染成分的监测浓度与设定的各污染成分的有效监测比进行乘积计算,将计算结果作为有效采样浓度。
Q32、将各目标检测点对应各污染成分的浓度与其有效采样浓度进行作差,得到采样浓度差,将采样浓度差大于或者等于0的污染成分记为有效采样成分,统计各目标检测点的有效采样成分数目,/>为目标检测点编号,/>。
Q33、将各目标检测点对应各有效采样成分的采样浓度差进行均值计算,得到各目标检测点的平均有效采样浓度差。
Q34、统计各目标检测点的采样有效趋向度,/>,/>表示污染成分数目,/>为设定参照有效采样浓度差。
Q35、将采样有效趋向度大于0的各目标检测点作为各有效采样点,提取各有效采样点的位置,进而提取各有效采样点位置与污染源的位置之间的距离,并从中筛选出最大距离和最小距离/>,同时通过均值计算得到各有效采样点位置与污染源的位置之间的平均距离/>。
Q36、若,将/>作为适宜采样距离,/>为设定参照污染间距,反之将作为适宜采样距离。
Q4、将采样集中区域分割为个扇形区域,提取各分割线的位置,进而从各分割线中定位出与圆心之间距离为/>的位置,作为各样气采样点的采样位置。
本发明实施例通过根据各监测时间点对应监测的风速和风向进行采样集中区域圈定,并根据各污染成分的浓度,确认适宜采样距离,进而得到各样气采样点的采样位置,实现了采样点对应采样位置的数据化设定,进而规避了当前笼统式采样位置选定方式存在的偏差性,确保了采样点选定的代表性和可用性。
所述采样状态数据监测模块,用于对各样气采样点对应采样位置内的采样状态数据进行监测,采样状态数据由气体成分数据以及环境状态数据组成。
具体地,气体成分数据由各检测气体成分的类型和在各监测时间点的浓度组成,环境状态数据由各环境监测时间点对应监测的温度、湿度和大气压力组成。
所述样气采样参数确认模块,用于确认各样气采样点所在采样位置内的采样参数,所述采样参数包括采样流量、采样时长和采样次数。
示例性地,确认各样气采样点所在采样位置内的采样参数,包括步骤1-6:步骤1、从各样气采样点对应采样位置内的气体成分数据中定位出各检测气体成分的类型和在各监测时间点的浓度。
步骤2、从信息库中定位出各样气采样点对应各检测气体成分的干扰压力值、干扰湿度值和干扰温度值。
步骤3、从各样气采样点对应采样位置内的环境状态数据中定位出各环境监测时间点对应监测的温度、湿度和大气压力,统计各样气采样点对应检测气体的状态差异度,表示样气采样点编号,/>。
进一步地,统计各样气采样点对应检测气体的状态差异度,包括步骤31-33:步骤31、将各样气采样点对应各检测气体的干扰压力值、干扰湿度值和干扰温度值,分别记为、/>和/>,/>表示检测气体编号,/>。
步骤32、从各环境监测时间点对应监测的温度、湿度和大气压力中筛选出最大温度、最大湿度/>和最大大气压力/>。
步骤33、统计各样气采样点对应检测气体的状态差异度,,/>分别为设定参照的大气压力差、湿度差、温度差,/>表示检测气体数目,/>表示向下取整符号。
步骤4、从各样气采样点对应各检测气体成分在各监测时间点的浓度中筛选出焦油在各监测时间点的浓度,进而筛选出最大焦油浓度,并记为,将作为各样气采样点所在采样位置的采样流量,/>为设定单位焦油浓度对应参照采样流量,/>为设定参照的单位干扰趋向度对应参照补偿采样流量,/>为设定参照检测气体状态差异度。
步骤5、从信息库中定位出各样气采样点对应各检测气体的密度和粘度,统计各样气采样点所在采样位置的采样时长。
具体地,统计各样气采样点所在采样位置的采样时长,包括:将各样气采样点对应各检测气体的密度和粘度进行均值计算得到各样气采样点对应检测气体的平均密度和平均粘度/>。
将作为各样气采样点所在采样位置的采样时长,/>分别为设定参照的干扰气体密度、干扰粘度,/>为设定的单位气体特性干扰趋向度对应参照补偿采样时长,/>为设定参照单位检测气体状态差异度对应参照补偿采样时长,/>为设定参照基准采样时长,/>表示气体特性干扰趋向度。
在一个具体实施例中,密度是物质单位体积的质量,粘度是流体内部粘滞阻力的大小,一般情况下,较高的密度和粘度可能意味着物质的流动性较差,因此高密度或高粘度的气体在采样过程中可能需要更长的时间来达到稳定状态。
步骤6、以监测时间点为横坐标,以焦油的浓度为纵坐标,构建各样气采样点对应焦油浓度变化曲线,并从中定位出波动点数目,将作为各样气采样点所在采样位置的采样次数,/>为第一个监测时间点与最后一个监测时间点之间的间隔时长,/>为设定参照焦油变化率,为设定参照的单位焦油变化率差对应增加间隔时长。
本发明实施例通过对检测气体成分的类型和在各监测时间点的浓度以及各样气采样点对应采样位置内的环境状态数据进行细致分析,从而确认采样参数,弥补了当前采样手段处理的合理性不足的问题,直观地展示了样气成分变化和环境变化等动态变化特征,保障后续样气采样的有效性和参考性,同时也确保了样气采样的充分性。
所述信息库,用于存储各类型气体的密度、粘度以及各类型气体对应的干扰压力值、干扰湿度值和干扰温度值。
所述样气采样分析反馈模块,用于根据各样气采样点的采样位置以及采样参数,进行样气采样,进而进行样气状态分析,并输出样气表征污染度,并进行反馈。
具体地,进行样气状态分析,包括:将采样流量和采样时长的积作为采样量,将各次采样的样气导入样气解析设备中,输出各次采样时的焦油浓度/>,/>表示采样次序编号,/>。/>
在一个具体实施例中,样气解析设备具体可以为气相色谱-质谱联用仪、高效液相色谱仪、红外光谱仪和电化学检测仪中的任意一个,其选取参照具体场景需求。
统计样气表征污染度,表示设定参照焦油浓度占比,/>为设定参照焦油浓度差。
本发明实施例通过根据各次采样时的焦油浓度进行表征污染度分析,打破了当前采样样气分析时对时效层面考虑的不足,直观地展示了不同采样时段内的焦油含量情况,提升了后续污染物处理的参考性以及后续污染物处理的针对性和有效性。
以上内容仅仅是对本发明的构思所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的构思或者超越本发明所定义的范围,均应属于本发明的保护范围。
Claims (7)
1.基于物联网的置于电捕焦油器前的样气监测采样分析***,其特征在于,包括:
采样环境数据采集模块,用于对电捕焦油器所在位置内的采样环境数据进行采集,采样环境数据由污染源数据、大气数据和气体检测数据组成;
样气采样位置确认模块,用于确认样气采样点数目,同时确认各样气采样点的采样位置;
采样状态数据监测模块,用于对各样气采样点对应采样位置内的采样状态数据进行监测,采样状态数据由气体成分数据以及环境状态数据组成;
样气采样参数确认模块,用于确认各样气采样点所在采样位置内的采样参数,所述采样参数包括采样流量、采样时长和采样次数;
信息库,用于存储各类型气体的密度、粘度以及各类型气体对应的干扰压力值、干扰湿度值和干扰温度值;
样气采样分析反馈模块,用于根据各样气采样点的采样位置以及采样参数,进行样气采样,进而进行样气状态分析,并输出样气表征污染度,并进行反馈;
所述确认各样气采样点所在采样位置内的采样参数,包括:
从各样气采样点对应采样位置内的气体成分数据中定位出各检测气体成分的类型和在各监测时间点的浓度;
从信息库中定位出各样气采样点对应各检测气体成分的干扰压力值、干扰湿度值和干扰温度值;
从各样气采样点对应采样位置内的环境状态数据中定位出各环境监测时间点对应监测的温度、湿度和大气压力,统计各样气采样点对应检测气体的状态差异度,/>表示样气采样点编号,/>;
从各样气采样点对应各检测气体成分在各监测时间点的浓度中筛选出焦油在各监测时间点的浓度,进而筛选出最大焦油浓度,并记为,将作为各样气采样点所在采样位置的采样流量,/>为设定单位焦油浓度对应参照采样流量,/>为设定参照的单位干扰趋向度对应参照补偿采样流量,/>为设定参照检测气体状态差异度;
从信息库中定位出各样气采样点对应各检测气体的密度和粘度,统计各样气采样点所在采样位置的采样时长;
以监测时间点为横坐标,以焦油的浓度为纵坐标,构建各样气采样点对应焦油浓度变化曲线,并从中定位出波动点数目,将/>作为各样气采样点所在采样位置的采样次数,/>为第一个监测时间点与最后一个监测时间点之间的间隔时长,/>为设定参照焦油变化率,/>为设定参照的单位焦油变化率差对应增加间隔时长;
所述统计各样气采样点对应检测气体的状态差异度,包括:
将各样气采样点对应各检测气体的干扰压力值、干扰湿度值和干扰温度值,分别记为、/>和/>,/>表示检测气体编号,/>;
从各环境监测时间点对应监测的温度、湿度和大气压力中筛选出最大温度、最大湿度/>和最大大气压力/>;
统计各样气采样点对应检测气体的状态差异度,,/>分别为设定参照的大气压力差、湿度差、温度差,/>表示检测气体数目,/>表示向下取整符号;
所述统计各样气采样点所在采样位置的采样时长,包括:
将各样气采样点对应各检测气体的密度和粘度进行均值计算得到各样气采样点对应检测气体的平均密度和平均粘度/>;
将作为各样气采样点所在采样位置的采样时长,/>分别为设定参照的干扰气体密度、干扰粘度,/>为设定的单位气体特性干扰趋向度对应参照补偿采样时长,/>为设定参照单位检测气体状态差异度对应参照补偿采样时长,/>为设定参照基准采样时长。
2.如权利要求1所述的基于物联网的置于电捕焦油器前的样气监测采样分析***,其特征在于:所述确认样气采样点数目,包括:
从大气数据中提取各监测时间点对应监测的风速,并提取大气湍流强度、大气层结高度以及各高度层对应的温度,设定采样点数目设定需求权重因子;
从气体检测数据中定位出各检测点对应污染物浓度,据此构建污染物浓度的分布散点图,并从中定位出各边缘点的位置,连接所述各边缘点,组成污染物浓度的分布区域,记为目标区域;
以横轴箭头方向为水平方向,以纵轴箭头方向为垂直方向,进而提取目标区域在水平方向的长度和在垂直方向的长度/>;
将目标区域按照预设水平间距分割为各子区域,提取各子区域的面积,并筛选出最大面积和最小面积/>;
统计样气采样点数目,/>,/>分别为设定参照水平方向长度、垂直方向长度,/>为设定参照面积差,/>为设定参照的单位分布偏差度对应参照设定采样点,/>表示向上取整符号。
3.如权利要求2所述的基于物联网的置于电捕焦油器前的样气监测采样分析***,其特征在于:所述设定采样点数目设定需求权重因子,包括:
以温度为横坐标,以高度层为纵坐标,构建温度变化曲线,同时以风速为纵坐标,构建风速变化曲线;
从温度变化曲线和风速变化曲线中分别提取波动点数目,并分别记为和/>;
将大气湍流强度记为,将/>、/>和/>导入大气稳定评估模型中,输出大气状态稳定度/>;
从各监测时间点对应监测的风速和风向中定位出当前所处监测时间点对应监测的风速和风向;
从污染源数据中提取污染源的位置和排放速率,进而通过大气扩散模型输出在不同空间位置处的污染物浓度;
从不同空间位置处的污染物浓度中提取最高污染物浓度和最低污染物浓度,将/>作为采样点数目设定需求权重因子/>,/>为设定参照污染物浓度差。
4.如权利要求3所述的基于物联网的置于电捕焦油器前的样气监测采样分析***,其特征在于:所述大气稳定评估模型具体表示如下:
,其中,/>表示设定参照波动次数,/>表示设定参照大气湍流强度。
5.如权利要求3所述的基于物联网的置于电捕焦油器前的样气监测采样分析***,其特征在于:所述确认各样气采样点的采样位置,包括:
从各监测时间点对应监测的风速中筛选出最大风速,作为目标分析风速;
根据各监测时间点对应监测的风向,确认集中风向,进而以污染源的位置为圆心,以集中风向对应下风位置方向构建半圆,并作为采样集中区域;
从气体检测数据中定位出各检测点的位置以及各检测点对应各污染成分的浓度,进而筛选出位于采样集中区域内的各检测点,作为各目标检测点,提取各目标检测点对应各污染成分的浓度,确认适宜采样距离;
将采样集中区域分割为个扇形区域,提取各分割线的位置,进而从各分割线中定位出与圆心之间距离为/>的位置,作为各样气采样点的采样位置。
6.如权利要求5所述的基于物联网的置于电捕焦油器前的样气监测采样分析***,其特征在于:所述确认适宜采样距离,包括:
从污染源数据中定位出污染源中各污染成分的监测浓度,设定各污染成分的有效采样浓度;
将各目标检测点对应各污染成分的浓度与其有效采样浓度进行作差,得到采样浓度差,将采样浓度差大于或者等于0的污染成分记为有效采样成分,统计各目标检测点的有效采样成分数目,/>为目标检测点编号,/>;
将各目标检测点对应各有效采样成分的采样浓度差进行均值计算,得到各目标检测点的平均有效采样浓度差;
统计各目标检测点的采样有效趋向度,/>,/>表示污染成分数目,/>为设定参照有效采样浓度差;
将采样有效趋向度大于0的各目标检测点作为各有效采样点,提取各有效采样点的位置,进而提取各有效采样点位置与污染源的位置之间的距离,并从中筛选出最大距离和最小距离/>,同时通过均值计算得到各有效采样点位置与污染源的位置之间的平均距离/>;
若,将/>作为适宜采样距离,/>为设定参照污染间距,反之将/>作为适宜采样距离。
7.如权利要求1所述的基于物联网的置于电捕焦油器前的样气监测采样分析***,其特征在于:所述进行样气状态分析,包括:
将采样流量和采样时长的积作为采样量,将各次采样的样气导入样气解析设备中,输出各次采样时的焦油浓度/>,/>表示采样次序编号,/>;
统计样气表征污染度,/>表示设定参照焦油浓度占比,/>为设定参照焦油浓度差。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410218880.3A CN117805323B (zh) | 2024-02-28 | 2024-02-28 | 基于物联网的置于电捕焦油器前的样气监测采样分析*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410218880.3A CN117805323B (zh) | 2024-02-28 | 2024-02-28 | 基于物联网的置于电捕焦油器前的样气监测采样分析*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117805323A CN117805323A (zh) | 2024-04-02 |
CN117805323B true CN117805323B (zh) | 2024-04-26 |
Family
ID=90422151
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410218880.3A Active CN117805323B (zh) | 2024-02-28 | 2024-02-28 | 基于物联网的置于电捕焦油器前的样气监测采样分析*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117805323B (zh) |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2103190A1 (en) * | 1992-11-16 | 1994-05-17 | Alonzo C. Aylsworth | Ultrasonic gas measuring device incorporating efficiency display |
US5553508A (en) * | 1995-03-24 | 1996-09-10 | University Corporation For Atmospheric Research | Portable intelligent whole air sampling system |
JPH10253593A (ja) * | 1997-03-11 | 1998-09-25 | Anelva Corp | 質量分析計のデータ処理方法及び質量分析計並びに質量分析計のデータ処理プログラムを記録した記録媒体 |
WO2002101361A1 (de) * | 2001-06-13 | 2002-12-19 | Forschungszentrum Karlsruhe Gmbh | Langzeitprobennahmesystem |
CN101055316A (zh) * | 2006-04-14 | 2007-10-17 | 三菱重工业株式会社 | 气体状况预测装置、方法、程序及扩散状况预测*** |
KR20130052403A (ko) * | 2011-11-11 | 2013-05-22 | 한국에너지기술연구원 | 항-오염 기능이 포함된 폐열회수 시스템 |
CN205020235U (zh) * | 2015-08-31 | 2016-02-10 | 铜川科达化工设备有限公司 | 一种自冷式电捕焦油器 |
JP2017072583A (ja) * | 2015-08-26 | 2017-04-13 | 財團法人工業技術研究院Industrial Technology Research Institute | 表面測定装置及びその方法 |
KR20170076970A (ko) * | 2015-12-24 | 2017-07-05 | 포스코에너지 주식회사 | 습식세정장치를 이용한 타르 모니터링 시스템 |
CN109447359A (zh) * | 2018-11-06 | 2019-03-08 | 成都信息工程大学 | 一种数据采集点部署方法及*** |
CN110531030A (zh) * | 2019-08-16 | 2019-12-03 | 北京慧辰资道资讯股份有限公司 | 一种基于物联网大数据大气污染物分析的方法及装置 |
CN112213444A (zh) * | 2020-08-28 | 2021-01-12 | 浙江工业大学 | 大气污染微监测网络时间切片分析的溯源方法 |
WO2021056160A1 (zh) * | 2019-09-23 | 2021-04-01 | 广州禾信仪器股份有限公司 | 一种VOCs污染的溯源方法 |
WO2022095395A1 (zh) * | 2020-11-09 | 2022-05-12 | 百度在线网络技术(北京)有限公司 | 采样对象确定方法、装置、电子设备和计算机可读存储介质 |
CN115165510A (zh) * | 2022-09-07 | 2022-10-11 | 苏州盛仕瑆分析技术有限公司 | 置于电捕焦油器前的样气采样分析***及其处理方法 |
CN218282841U (zh) * | 2022-08-02 | 2023-01-13 | 铜川科达化工设备有限公司 | 一种带有进气口喷淋装置的高效电捕焦油器 |
CN116907575A (zh) * | 2023-07-10 | 2023-10-20 | 广州禾信仪器股份有限公司 | 环境监测预警*** |
CN117007476A (zh) * | 2023-10-08 | 2023-11-07 | 江苏卓正环保科技有限公司 | 一种基于物联网的环保智能终端数据采集*** |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20220084852A1 (en) * | 2020-09-16 | 2022-03-17 | Changxin Memory Technologies, Inc. | Environmental monitoring system |
-
2024
- 2024-02-28 CN CN202410218880.3A patent/CN117805323B/zh active Active
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2103190A1 (en) * | 1992-11-16 | 1994-05-17 | Alonzo C. Aylsworth | Ultrasonic gas measuring device incorporating efficiency display |
US5553508A (en) * | 1995-03-24 | 1996-09-10 | University Corporation For Atmospheric Research | Portable intelligent whole air sampling system |
JPH10253593A (ja) * | 1997-03-11 | 1998-09-25 | Anelva Corp | 質量分析計のデータ処理方法及び質量分析計並びに質量分析計のデータ処理プログラムを記録した記録媒体 |
WO2002101361A1 (de) * | 2001-06-13 | 2002-12-19 | Forschungszentrum Karlsruhe Gmbh | Langzeitprobennahmesystem |
CN101055316A (zh) * | 2006-04-14 | 2007-10-17 | 三菱重工业株式会社 | 气体状况预测装置、方法、程序及扩散状况预测*** |
KR20130052403A (ko) * | 2011-11-11 | 2013-05-22 | 한국에너지기술연구원 | 항-오염 기능이 포함된 폐열회수 시스템 |
JP2017072583A (ja) * | 2015-08-26 | 2017-04-13 | 財團法人工業技術研究院Industrial Technology Research Institute | 表面測定装置及びその方法 |
CN205020235U (zh) * | 2015-08-31 | 2016-02-10 | 铜川科达化工设备有限公司 | 一种自冷式电捕焦油器 |
KR20170076970A (ko) * | 2015-12-24 | 2017-07-05 | 포스코에너지 주식회사 | 습식세정장치를 이용한 타르 모니터링 시스템 |
CN109447359A (zh) * | 2018-11-06 | 2019-03-08 | 成都信息工程大学 | 一种数据采集点部署方法及*** |
CN110531030A (zh) * | 2019-08-16 | 2019-12-03 | 北京慧辰资道资讯股份有限公司 | 一种基于物联网大数据大气污染物分析的方法及装置 |
WO2021056160A1 (zh) * | 2019-09-23 | 2021-04-01 | 广州禾信仪器股份有限公司 | 一种VOCs污染的溯源方法 |
CN112213444A (zh) * | 2020-08-28 | 2021-01-12 | 浙江工业大学 | 大气污染微监测网络时间切片分析的溯源方法 |
WO2022095395A1 (zh) * | 2020-11-09 | 2022-05-12 | 百度在线网络技术(北京)有限公司 | 采样对象确定方法、装置、电子设备和计算机可读存储介质 |
CN218282841U (zh) * | 2022-08-02 | 2023-01-13 | 铜川科达化工设备有限公司 | 一种带有进气口喷淋装置的高效电捕焦油器 |
CN115165510A (zh) * | 2022-09-07 | 2022-10-11 | 苏州盛仕瑆分析技术有限公司 | 置于电捕焦油器前的样气采样分析***及其处理方法 |
CN116907575A (zh) * | 2023-07-10 | 2023-10-20 | 广州禾信仪器股份有限公司 | 环境监测预警*** |
CN117007476A (zh) * | 2023-10-08 | 2023-11-07 | 江苏卓正环保科技有限公司 | 一种基于物联网的环保智能终端数据采集*** |
Non-Patent Citations (5)
Title |
---|
AERMOD与EIAA大气预测模型在环境影响评价中的应用比较;孙璐 等;环境污染与防治;20081015(第10期);全文 * |
Comparison of two on-line tar monitoring devices with off-line liquid sample tar-analysis operated on a test gas generation system applying ethene pyrolysis;Neubauer,Y 等;biomass&bioenergy;20181231;第117卷;全文 * |
大气最佳采样时间及其布点的探讨研究;朱韶峰 等;环境污染与防治;19900630;第12卷(第03期);全文 * |
激光在线分析***在煤气氧含量检测中的应用;魏爱国;燃料与化工;20130915(第05期);全文 * |
生物质气化焦油采样***的研究进展;袁惠新 等;化工机械;20101231;第37卷(第6期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117805323A (zh) | 2024-04-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110531030B (zh) | 一种基于物联网大数据大气污染物分析的方法及装置 | |
CN108489875B (zh) | 一种基于时段统计分析的污染物溯源***及方法 | |
CN103258116A (zh) | 一种大气污染物扩散模型的构建方法 | |
CN112444605A (zh) | 大气污染智能化精准溯源方法、***、设备和存储介质 | |
CN117805323B (zh) | 基于物联网的置于电捕焦油器前的样气监测采样分析*** | |
CN114757687A (zh) | 一种基于大数据技术的大气污染物溯源***及方法 | |
CN112986072A (zh) | 污染源臭气在线监测***及方法 | |
CN113670678A (zh) | 一种用于烟气检测的等速跟踪采样方法 | |
CN203909009U (zh) | 一种烟气连续在线监测*** | |
CN116258101B (zh) | 一种基于气体浓度监测数据快速计算排放源强的方法 | |
CN112986217A (zh) | 烟气中多种重金属在线监测***和在线监测方法 | |
CN117007476A (zh) | 一种基于物联网的环保智能终端数据采集*** | |
Batmunkh et al. | Time-resolved measurements of PM2. 5 carbonaceous aerosols at Gosan, Korea | |
CN112129538A (zh) | 航空器发动机尾气排放检测***及检测方法 | |
Lunden et al. | Characteristics of fine particle growth events observed above a forested ecosystem in the Sierra Nevada Mountains of California | |
CN116183870A (zh) | 一种“菇”式土壤呼吸检测装置及有效计算方法 | |
CN206832535U (zh) | 一种气压检测型大气/颗粒物采样器 | |
CN115754149A (zh) | 一种废气治理工艺的监测方法、装置和设备 | |
CN112505247B (zh) | 空气质量分析方法、装置、设备及存储介质 | |
TWM573051U (zh) | Catering environment monitoring system | |
CN204649685U (zh) | 一种用于摩托车燃油蒸发排放测定的小型密闭室 | |
CN114279935A (zh) | 一种多功能多孔材料风道测试平台 | |
TW202248632A (zh) | 全方位智能化車輛廢氣排放致空污監測系統及其應用 | |
CN206497098U (zh) | 一种空气质量监测仪性能可靠性的检测装置 | |
CN105738579A (zh) | 一种提高大气颗粒物测量精度的处理方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |