RU2758038C1 - Способ определения гранулометрического состава воздуха для датчика пыли бескамерного типа и мобильное устройство для его реализации - Google Patents
Способ определения гранулометрического состава воздуха для датчика пыли бескамерного типа и мобильное устройство для его реализации Download PDFInfo
- Publication number
- RU2758038C1 RU2758038C1 RU2020139032A RU2020139032A RU2758038C1 RU 2758038 C1 RU2758038 C1 RU 2758038C1 RU 2020139032 A RU2020139032 A RU 2020139032A RU 2020139032 A RU2020139032 A RU 2020139032A RU 2758038 C1 RU2758038 C1 RU 2758038C1
- Authority
- RU
- Russia
- Prior art keywords
- particle
- signal
- particle size
- particles
- size distribution
- Prior art date
Links
- 239000000428 dust Substances 0.000 title claims abstract description 66
- 238000000034 method Methods 0.000 title claims abstract description 62
- 239000002245 particle Substances 0.000 claims abstract description 423
- 238000009826 distribution Methods 0.000 claims abstract description 136
- 230000010355 oscillation Effects 0.000 claims abstract description 31
- 230000005855 radiation Effects 0.000 claims abstract description 5
- 238000001514 detection method Methods 0.000 claims description 59
- 238000012549 training Methods 0.000 claims description 21
- 230000006870 function Effects 0.000 claims description 16
- 239000000523 sample Substances 0.000 claims description 10
- 238000005259 measurement Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 6
- 230000008719 thickening Effects 0.000 claims description 6
- 230000002123 temporal effect Effects 0.000 claims description 4
- 230000003595 spectral effect Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 4
- 239000000126 substance Substances 0.000 abstract 1
- 238000013473 artificial intelligence Methods 0.000 description 9
- 230000001427 coherent effect Effects 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 5
- 238000005305 interferometry Methods 0.000 description 4
- 239000013618 particulate matter Substances 0.000 description 4
- 239000013566 allergen Substances 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 239000000443 aerosol Substances 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001537 neural effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 241000894006 Bacteria Species 0.000 description 1
- 241000700605 Viruses Species 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 239000002956 ash Substances 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000000739 chaotic effect Effects 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 239000011860 particles by size Substances 0.000 description 1
- BULVZWIRKLYCBC-UHFFFAOYSA-N phorate Chemical compound CCOP(=S)(OCC)SCSCC BULVZWIRKLYCBC-UHFFFAOYSA-N 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 239000004071 soot Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 239000011882 ultra-fine particle Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/02—Investigating particle size or size distribution
- G01N15/0205—Investigating particle size or size distribution by optical means
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/02—Investigating particle size or size distribution
- G01N15/0205—Investigating particle size or size distribution by optical means
- G01N15/0211—Investigating a scatter or diffraction pattern
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/10—Investigating individual particles
- G01N15/14—Optical investigation techniques, e.g. flow cytometry
- G01N15/1429—Signal processing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/10—Investigating individual particles
- G01N15/14—Optical investigation techniques, e.g. flow cytometry
- G01N15/1434—Optical arrangements
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/47—Scattering, i.e. diffuse reflection
- G01N21/49—Scattering, i.e. diffuse reflection within a body or fluid
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N2015/0096—Investigating consistence of powders, dustability, dustiness
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/10—Investigating individual particles
- G01N2015/1029—Particle size
-
- 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
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Chemical & Material Sciences (AREA)
- Biochemistry (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Dispersion Chemistry (AREA)
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
Изобретение относится к способу определения гранулометрического состава воздуха для датчика пыли бескамерного типа и электронному вычислительному устройству для его реализации. Способ определения гранулометрического состава воздуха для датчика пыли бескамерного типа содержит этапы, на которых: фокусируют лазерный луч в точке пространства для задания объема зондирования в области вблизи точки фокуса лазерного луча, причем размер объема зондирования является переменным в зависимости от размеров частиц, которые должны быть детектированы; задают пороговое значение для сигналов частиц, причем сигналы частиц представляют собой принятое лазерное излучение, рассеянное на частицах, пролетающих сквозь объем зондирования, при этом пороговое значение является по меньшей мере одним из, по меньшей мере, формы огибающей сигнала и максимальной амплитуды сигнала; детектируют сигналы частиц от частиц, пролетающих сквозь объем зондирования; извлекают значения параметров сигнала из каждого детектированного сигнала частицы, причем параметрами сигнала являются по меньшей мере одно из амплитуды сигнала, частоты колебаний сигнала, количества колебаний в сигнале, времени пролета частицы сквозь объем зондирования, формы огибающей сигнала; строят статистическое распределение извлеченных значений по меньшей мере одного параметра сигнала, выбранного из амплитуды сигнала, количества колебаний в сигнале и формы огибающей сигнала или комбинации всех параметров сигнала; строят распределение частиц по размерам с использованием построенного статистического распределения и обученной модели распределения частиц по размерам. Техническим результатом является улучшение качества определения гранулометрического состава воздуха. 2 н. и 12 з.п. ф-лы, 7 ил.
Description
УРОВЕНЬ ТЕХНИКИ ИЗОБРЕТЕНИЯ
Область техники, к которой относится изобретения
[0001] Настоящее изобретение относится, в общем, к области определения гранулометрического состава воздуха и определения типа частиц в воздухе и, в частности, к способу определения гранулометрического состава воздуха для датчика пыли бескамерного типа и мобильному устройству для его реализации.
Описание предшествующего уровня техники
[0002] Существуют точные датчики пыли камерного типа, в которых детектирование выполняется внутри датчика. Датчики пыли камерного типа содержат камеру или канал, где создается направленный поток наружного воздуха, задающий траектории движения частиц, и детектирование производят в камере или канале датчика. Однако датчики пыли камерного типа невозможно встроить в мобильные устройства, такие как смартфон, мобильный телефон, планшетный компьютер, интеллектуальные часы и т.д., из-за больших размеров таких датчиков.
[0003] Экологические проблемы больших городов стимулируют растущий спрос на точные датчики пыли и газа, встраиваемые в мобильные устройства, такие как смартфон, мобильный телефон, планшетный компьютер, интеллектуальные часы и т.д. Качество воздуха является одним из важнейших факторов, влияющих на здоровье человека. Частицы разного размера имеют разные факторы риска. Мелкие частицы (> 10 мкм) проникают глубоко в легкие. Сверхмелкие частицы (> 1 мкм) могут попасть в кровоток. Концентрации твердых частиц (например, PM2,5 для частиц <2,5 мкм и PM10 для частиц <10 мкм) включаются в индекс качества воздуха (AQI) во многих странах. Концентрация PM частиц в воздухе может значительно изменяться в зависимости от времени и местоположения даже в масштабах города. Правильным способом является измерение с помощью личного измерительного прибора, например, встроенного в мобильное устройство, такое как смартфон, мобильный телефон, планшетный компьютер, интеллектуальные часы и т.д. Также важно определять различные источники происхождения частиц такие, как аллергены, минеральная пыль и т.д. Разные источники демонстрируют разное распределение частиц по размерам. Не существует решений для датчика пыли бескамерного типа с классификацией размеров частиц для точного определения каждого значения PM и источников загрязнения.
[0004] В настоящее время ведутся разработки точных датчиков пыли нового типа, которые представляют собой датчики пыли бескамерного типа, выполняющие детектирование снаружи датчика на открытом воздухе без камеры или канала, где создается направленный поток наружного воздуха, но таких точных датчиков пыли бескамерного типа пока нет на рынке. Такие датчики пыли бескамерного типа основаны на различных способах оптического когерентного детектирования и некотором заранее заданном распределении частиц по размерам, но они обеспечивают только подсчет частиц или массовую концентрацию (например, PM2,5 мкг/м3). Отклонение детектируемого распределения частиц по размерам от заранее заданного распределения частиц по размерам, которое возможно из-за погоды, местоположения, источников происхождения пыли и т.д., приведет к ошибочным показаниям датчика. Для решения этой проблемы, в настоящее время необходимы измерения распределения частиц по размерам непосредственно внутри датчика пыли камерного типа. Однако существующие способы точной дифференциации частиц по размерам не могут работать на открытом воздухе без заранее известной траектории движения частиц (ламинарного потока воздуха с известным направлением). Определение распределения частиц по размерам также важно для обычного пользователя, поскольку разные частицы имеют разные факторы риска для здоровья, а происхождение пылевых частиц (то есть аллергенов) можно определить по распределению частиц по размерам. В настоящей заявке предлагается новый подход к определению распределения частиц пыли по размерам на открытом воздухе. Предлагаемый способ не требует заранее заданного направленного потока воздуха и совместим с любым оптическим датчиком пыли на основе когерентного детектирования.
[0005] В предшествующем уровне техники известны технические решения для определения гранулометрического состава воздуха.
[0006] Европейский патент EP 3329250 B1, выданный 26.12.2018 и озаглавленный «LASER SENSOR FOR PARTICLE SIZE DETECTION», предлагает модуль лазерного датчика для определения размера частиц. Модуль лазерного датчика предназначен для детектирования на открытом воздухе. Размер частиц определяется относительным расстоянием между частицей и источником лазерного излучения с помощью интерференционного сигнала самосмешения и информации об амплитуде с помощью интерференционного сигнала самосмешения. В одном варианте осуществления модуля лазерного датчика для определения размера частиц требуются заранее известные скорость и направление потока частиц, создаваемые, например, вентилятором. Однако такой вариант осуществления не подходит для произвольных воздушных потоков при детектировании на открытом воздухе. В другом варианте осуществления модуля лазерного датчика для определения размера частиц применяется сканирование посредством изменения фокуса луча. Такое сканирование выполняется сканирующим зеркалом, содержащимся в модуле лазерного датчика. Модуль лазерного датчика, содержащий сканирующее зеркало, имеет достаточно большие размеры, что не позволяет встроить его в мобильное устройство без значительного увеличения размера мобильного устройства. Кроме того, в патентной заявке US2018209892 A1 предложена только одна конфигурация датчика, тогда как в настоящей заявке предложен способ определения гранулометрического состава воздуха для любых датчиков пыли бескамерного типа на основе когерентного детектирования.
[0007] Патент США US9297737B2, выданный 29.03.2016 и озаглавленный «METHODS AND APPARATUS FOR DETERMINING CHARACTERISTICS OF PARTICLES», предлагает способ и устройство для улучшения измерений рассеянного света от частиц за счет управления уровнями множественного рассеяния и подсчета совпадений. В предложенном техническом решении используется канал, в котором создают направленный поток воздуха. Такое техническое решение не подходит для произвольных воздушных потоков при детектировании на открытом воздухе, а предложенное устройство невозможно встроить в мобильные устройства из-за достаточно большого размера этого устройства.
[0008] Европейский патент EP 1642113 B1, выданный 09.04.2014 и озаглавленный «A METHOD FOR PARTICLE SIZE AND CONCENTRATION MEASUREMENT» предлагает техническое решение, предназначенное для детектирования на открытом воздухе. Система детектирования основана на генерации синтезированного луча. Система детектирования регистрирует сигнал, полученный при пересечении частицы через синтезированный луч, который имеет две плотности мощности. Такая система детектирования имеет сложную конструкцию достаточно больших размеров, что не позволяет встроить его в мобильное устройство без значительного увеличения размера и усложнения мобильного устройства.
[0009] Патент США US7932490B2, выданный 26.04.2011 и озаглавленный «SIZE SEGREGATED AEROSOL MASS CONCENTRATION MEASUREMENT DEVICE», предлагает устройство и способ для оценки массовой концентрации аэрозолей, разделенных по размерам, в реальном времени и с использованием одного детектора. В предложенном техническом решении используется камера, в которой создают направленный поток воздуха. Такое техническое решение не подходит для произвольных воздушных потоков при детектировании на открытом воздухе, а предложенное устройство невозможно встроить в мобильные устройства из-за достаточно большого размера этого устройства.
[0010] Существующие в настоящее время датчики пыли имеют следующие недостатки. Известные датчики пыли бескамерного типа либо не обеспечивают высокую точность детектирования, либо имеют сложную конструкцию достаточно больших размеров, которая не позволяет их встроить в мобильные устройства, либо требуют дополнительных внешних устройств для обеспечения направленного потока воздуха, в котором выполняется детектирование. Известные датчики пыли камерного типа имеют конструкцию достаточно больших размеров, которая не позволяет их встроить в мобильные устройства.
[0011] Настоящее изобретение создано для устранения вышеописанных недостатков и для обеспечения нижеописанных преимуществ.
СУЩНОСТЬ ИЗОБРЕТЕНИЯ
[0012] Целью настоящего изобретения является обеспечение способа определения гранулометрического состава воздуха для датчика пыли бескамерного типа и мобильного устройства для его реализации, которые позволяют получить следующие преимущества:
- улучшение качества определения гранулометрического состава воздуха для датчика пыли бескамерного типа, и
- использование любых датчиков пыли бескамерного типа на основе когерентного детектирования, имеющих несложную конструкцию достаточно малых размеров, которая позволяет встраивание их в мобильные устройства.
[0013] Один аспект настоящего изобретения обеспечивает способ определения гранулометрического состава воздуха для датчика пыли бескамерного типа, при этом упомянутый способ содержит этапы, на которых: фокусируют (S101) лазерный луч в точке пространства для задания объема зондирования в области вблизи точки фокуса лазерного луча, причем размер объема зондирования является переменным в зависимости от размеров частиц, которые должны быть детектированы; задают (S103) пороговое значение для сигналов частиц, причем сигналы частиц представляют собой принятое лазерное излучение, рассеянное на частицах, пролетающих сквозь объем зондирования, при этом пороговое значение является по меньшей мере одним из по меньшей мере формы огибающей сигнала и максимальной амплитуды сигнала; детектируют (S105) сигналы частиц от частиц, пролетающих сквозь объем зондирования; извлекают (S107) значения параметров сигнала из каждого детектированного сигнала частицы, причем параметрами сигнала являются по меньшей мере одно из амплитуды сигнала, частоты колебаний сигнала, количества колебаний в сигнале, времени пролета частицы сквозь объем зондирования, формы огибающей сигнала; строят (S109) статистическое распределение извлеченных значений по меньшей мере одного параметра сигнала, выбранного из амплитуды сигнала, количества колебаний в сигнале и формы огибающей сигнала или комбинации всех параметров сигнала; строят (S111) распределение частиц по размерам с использованием построенного статистического распределения и обученной модели распределения частиц по размерам.
[0014] В одном дополнительном аспекте обученную модель распределения частиц по размерам получают посредством обучения (S110) модели распределения частиц по размерам, при этом упомянутый способ дополнительно содержит этапы, на которых: формируют (S110-1) базу обучающих данных, причем база обучающих данных содержит наборы сигналов частиц, каждый набор сигналов частиц содержит разное количество сигналов частиц для частиц разного размера, при этом размеры частиц известны; извлекают (S110-2) значения параметров сигнала из каждого сигнала частицы каждого набора сигналов частиц, причем параметрами сигнала являются по меньшей мере одно из амплитуды сигнала, частоты колебаний сигнала, количества колебаний в сигнале, времени пролета частицы сквозь объем зондирования, формы огибающей сигнала; формируют (S110-3) модель распределения частиц по размерам посредством задания функции зависимости размера частицы от параметров сигнала и определения числовых параметров модели распределения частиц по размерам; строят (S110-4) для каждого набора сигналов частиц распределение частиц по размерам согласно сформированной модели распределения частиц по размерам; формируют (S110-5) обученную модель распределения частиц по размерам посредством подбора соответствующего заранее заданного распределения частиц по размерам для каждого построенного распределения частиц по размерам, аппроксимации каждого построенного распределения частиц по размерам по соответствующему заранее заданному распределению частиц по размерам, и обновления числовых параметров сформированной модели распределения частиц по размерам с использованием аппроксимированных распределений частиц по размерам.
[0015] В другом дополнительном аспекте этап (S101) дополнительно содержит настройку объема зондирования посредством изменения фокусного расстояния лазерного луча для детектирования частиц требуемых размеров.
[0016] В еще одном дополнительном аспекте этап (S105) дополнительно содержит преобразование детектированных сигналов частиц из временного представления в одно из частотного представления или частотно-временного представления, при этом на этапе (S103) задают по меньшей мере одно из максимальной амплитуды преобразованного сигнала и протяженности спектральной области сигнала в качестве порогового значения, и при этом на этапе (S107) извлекают значения параметров сигнала из каждого преобразованного сигнала частицы.
[0017] В еще одном дополнительном аспекте преобразование детектированных сигналов частиц является одним из по меньшей мере преобразования Фурье, быстрого преобразования Фурье, оконного преобразования Фурье и вейвлет-преобразования.
[0018] В еще одном дополнительном аспекте объем зондирования имеет гантелеобразную форму с сужением в области точки фокуса лазерного луча, при этом этап (S105) дополнительно содержит этапы, на которых: задают временной порог, который является минимальным временем пролета частицы сквозь два утолщения объема зондирования, имеющего гантелеобразную форму, с вылетом из объема зондирования в сужении объема зондирования; выявляют два сигнала частиц, детектированных друг за другом, и, если время между детектированием двух сигналов частиц, детектированных друг за другом, меньше заданного временного порога, исключают второй сигнал частицы из упомянутых двух сигналов частиц из дальнейшей обработки.
[0019] В еще одном дополнительном аспекте способ определения гранулометрического состава воздуха для датчика пыли бескамерного типа дополнительно содержит этапы, на которых: вычисляют (S113) скорость v потока воздуха на основании частоты колебаний сигнала; определяют (S115) количество N частиц, пролетевших сквозь объем зондирования за время T детектирования, причем количество частиц равно количеству детектированных сигналов частиц; вычисляют (S117) концентрации частиц для частиц каждого размера частиц по формуле: , при этом размером частицы является диаметр , является порядковым номером конкретного размера частиц, и константу выбирают для каждого диаметра частиц; вычисляют (S119) полную концентрацию частиц для частиц всех размеров посредством суммирования всех вычисленных концентраций частиц, вычисляют (S121) концентрации частиц по стандартам посредством суммирования вычисленных концентраций частиц для частиц с размерами меньше и равными .
[0020] В еще одном дополнительном аспекте константы задают посредством калибровки датчика пыли бескамерного типа по измерениям, выполненным эталонным датчиком для каждого размера частиц при разных скоростях v потока воздуха.
[0021] В еще одном дополнительном аспекте константы задают посредством моделирования потока воздуха с частицами заданного размера.
[0022] В еще одном дополнительном аспекте константы вычисляют по формуле: , где является заранее заданной средней плотностью частиц, является площадью эффективного сечения детектирования частицы размера , причем площадь эффективного сечения детектирования частицы размера является усредненным значением площадей всех сечений области зондирования, к которым все возможные направления вектора скорости частицы размера являются нормалью, является распределением частиц по размерам, полученным на этапе (S111).
[0023] В еще одном дополнительном аспекте способ определения гранулометрического состава воздуха для датчика пыли бескамерного типа дополнительно содержит этапы, на которых: извлекают (S123) предварительно определенные распределения частиц по размерам для конкретных типов частиц; получают (S125) информацию условий детектирования, содержащую по меньшей мере одно из местоположения, погодных условий и времени года; выбирают (S127) предварительно определенные распределения частиц по размерам для конкретных типов частиц на основании информации условий детектирования; определяют (S129) тип частиц посредством сравнения распределения частиц по размерам, построенного на этапе (S111), с выбранными предварительно определенными распределениями частиц по размерам для конкретных типов частиц.
[0024] Еще один аспект настоящего изобретения обеспечивает мобильное устройство, содержащее: датчик пыли бескамерного типа; фокусирующий элемент; по меньшей мере один процессор; и память, в которой хранятся числовые параметры обученной модели распределения частиц по размерам и инструкции, которые при выполнении по меньшей мере одним процессором, заставляют по меньшей мере один процессор выполнять любой из вариантов осуществления способа определения гранулометрического состава воздуха для датчика пыли бескамерного типа.
[0025] В одном дополнительном аспекте фокусирующий элемент является одним из по меньшей мере одного из зеркала, линзы, дифракционного элемента, голографического элемента.
[0026] В другом дополнительном аспекте фокусирующий элемент является фокусирующим элементом с переменным фокусом.
КРАТКОЕ ОПИСАНИЕ ЧЕРТЕЖЕЙ
[0027] Вышеописанные и другие аспекты, признаки и преимущества настоящего изобретения будут более понятны из последующего подробного описания, приведенного в сочетании с прилагаемыми чертежами, на которых:
[0028] Фиг. 1 является схематичным изображением процесса детектирования частиц разного размера в объеме зондирования переменного размера.
[0029] Фиг. 2 является схематичным изображением объема зондирования гантелеобразной формы и пролета частицы сквозь два утолщения объема зондирования, имеющего гантелеобразную форму, с вылетом из объема зондирования в сужении объема зондирования.
[0030] Фиг. 3 блок-схемой последовательности операций одного варианта осуществления способа определения гранулометрического состава воздуха для датчика пыли бескамерного типа.
[0031] Фиг. 4 блок-схемой последовательности операций обучения модели распределения частиц по размерам.
[0032] Фиг. 5 блок-схемой последовательности операций другого варианта осуществления способа определения гранулометрического состава воздуха для датчика пыли бескамерного типа.
[0033] Фиг. 6 блок-схемой последовательности операций еще одного варианта осуществления способа определения гранулометрического состава воздуха для датчика пыли бескамерного типа.
[0034] Фиг. 7 является блок-схемой мобильного устройства 200 для выполнения любого из вариантов осуществления способа определения гранулометрического состава воздуха для датчика пыли бескамерного типа.
[0035] В последующем описании, если не указано иное, одни и те же ссылочные позиции используются для одних и тех же элементов, когда они изображены на разных чертежах, и их параллельное описание не приводится.
ПОДРОБНОЕ ОПИСАНИЕ ВАРИАНТОВ ОСУЩЕСТВЛЕНИЯ НАСТОЯЩЕГО ИЗОБРЕТЕНИЯ
[0036] Нижеследующее описание со ссылкой на прилагаемые чертежи приведено, чтобы облегчить полное понимание различных вариантов осуществления настоящего изобретения, заданного формулой изобретения, и его эквивалентов. Описание включает в себя различные конкретные подробности, чтобы облегчить такое понимание, но данные подробности следует считать только примерными. Соответственно, специалисты в данной области техники обнаружат, что можно разработать различные изменения и модификации различных вариантов осуществления, описанных в настоящей заявке, без выхода за пределы объема настоящего изобретения. Кроме того, описания общеизвестных функций и конструкций могут быть исключены для ясности и краткости.
[0037] Термины и формулировки, используемые в последующем описании и формуле изобретения не ограничены библиографическим значениями, а просто использованы создателем настоящего изобретения, чтобы обеспечить четкое и последовательное понимание настоящего изобретения. Соответственно, специалистам в данной области техники должно быть ясно, что последующее описание различных вариантов осуществления настоящего изобретения предлагается только для иллюстрации.
[0038] Следует понимать, что формы единственного числа включают в себя множественность, если контекст явно не указывает иное.
[0039] Дополнительно следует понимать, что термины «содержит», «содержащий», «включает в себя» и/или «включающий в себя», при использовании в настоящей заявке, означают присутствие изложенных признаков, значений, операций, элементов и/или компонентов, но не исключают присутствия или добавления одного или более других признаков, значений, операций, элементов, компонентов и/или их групп.
[0040] Истинные концентрации твердых частиц (PM), которые включены в индекс качества воздуха (AQI), могут быть определены исключительно с помощью известного распределения частиц по размерам. Без известного распределения вводится большая ошибка. Распределение частиц по размерам различно для разных источников частиц. С помощью известного распределения частиц по размерам можно предсказать происхождение частиц и определить их тип.
[0041] В предложенном способе определения гранулометрического состава воздуха для датчика пыли бескамерного типа можно использовать любой из датчиков пыли бескамерного типа, предназначенных для выполнения любого из известных способов когерентного детектирования, таких как гомодинное детектирование, гетеродинное детектирование и автодинная интерферометрия. При гомодинном детектировании используется один лазер, лазерный луч, рассеянный на частице, и опорный лазерный луч, например, отраженный от зеркала, смешиваются на светоделителе. При гетеродинном детектировании используется два лазера. Один лазер обеспечивает лазерный луч, рассеянный на частице, а второй лазер обеспечивает опорный лазерный луч, которые смешиваются на фотодетекторе. При автодинной интерферометрии используется один лазер. Лазерный луч, рассеянный на частице, и лазерный луч, вышедший из лазера, смешиваются внутри лазерного резонатора и смешанный луч попадает на фотодетектор.
[0042] На фиг. 1 схематично изображен процесс детектирования частиц разного размера в объеме зондирования переменного размера. Объем зондирования формируется вблизи точки фокуса лазерного луча. Мощность сигнала, отраженного от частицы, зависит от размера частицы и плотности мощности лазерного луча. Область, в которой мощность сигнала, отраженного от частицы, достаточна для детектирования частицы является объемом зондирования. Переменный размер объема зондирования обусловлен тем, что сигналы, отраженные от частиц разного размера, имеют разную мощность. Сигналы, отраженные от частиц большего размера, имеют большую мощность и поэтому могут быть детектированы на большем расстоянии от точки фокуса лазерного луча, чем сигналы, отраженные от частиц меньшего размера и имеющие меньшую мощность. Следовательно, чем больше детектируемая частица, тем больше размер объема зондирования для нее.
[0043] Кроме того, в ходе экспериментов по детектированию частиц было выявлено, что для более больших частиц объем зондирования имеет гантелеобразную форму, как показано на фиг. 2. Частицы, пролетающие сквозь два утолщения объема зондирования, имеющего гантелеобразную форму, с вылетом из объема зондирования в сужении объема зондирования детектируются дважды и вносят ошибку при подсчете количества частиц и определении гранулометрического состава воздуха. Форма объема зондирования зависит от мощности лазерного излучения и фокусного расстояния фокусирующего элемента. Определить конкретный размер частиц, больше которого наблюдается формирование объема зондирования гантелеобразной формы можно с помощью эксперимента с известным значением размеров частиц или известным распределением частиц по размерам и определения доли сигналов, отраженных от частиц, время между детектированием которых меньше времени пролета частицы сквозь два утолщения объема зондирования.
[0044] Обнаружение частиц конкретного размера может быть оптимизировано путем изменения объема зондирования за счет изменения фокусного расстояния лазерного луча. Изменение фокусного расстояния лазерного луча приводит к изменению распределения мощности лазерного луча в области перетяжки лазерного луча, что приводит к изменению объема зондирования для частиц разного размера. Чем короче фокусное расстояние лазерного луча, тем лучше детектируются частицы малого размера и наоборот.
[0045] Предложенный способ может выполняться на мобильном устройстве 200, которое может представлять собой, например, смартфон, мобильный телефон, планшетный компьютер, интеллектуальные часы и т.д. Мобильное устройство 200 содержит датчик 201 пыли бескамерного типа, фокусирующий элемент 202, один или более процессоров 203 и память 204. Мобильное устройство 200 содержит один или более модулей для выполнения операций способа. По меньшей мере один из множества модулей может быть реализован посредством модели искусственного интеллекта (AI). Функция, связанная с AI, может выполняться с использованием энергонезависимой памяти, энергозависимой памяти и процессора.
[0046] Один или более процессоров могут включать в себя процессор общего назначения, такой как центральный процессор (ЦП), процессор приложений (AP) или тому подобное и/или специализированный процессор AI, такой как нейронный процессор (NPU).
[0047] Один или более процессоров управляют обработкой входных данных в соответствии с заданным правилом работы или моделью AI, хранящейся в энергонезависимой памяти или энергозависимой памяти. Заданное правило работы или модель AI обеспечивается посредством обучения.
[0048] В данном случае обеспечение посредством обучения означает, что, применяя алгоритм обучения ко множеству обучающих данных, создается заданное правило работы или модель AI требуемой характеристики. Обучение может быть выполнено в самом устройстве, которое содержит AI в соответствии с вариантом осуществления, и/или может быть реализовано через отдельный сервер/систему.
[0049] Модель AI может состоять из множества слоев нейронной сети. Каждый слой имеет множество весовых значений и выполняет операцию слоя с использованием вычисления предыдущего слоя и множества весов. Примеры нейронных сетей включают в себя, но не ограничиваются ими, сверточную нейронную сеть (CNN), глубокую нейронную сеть (DNN), рекуррентную нейронную сеть (RNN), ограниченную машину Больцмана (RBM), глубокую сеть доверия (DBN), двунаправленную рекуррентную глубокую нейронную сеть (BRDNN), генеративные состязательные сети (GAN) и глубокие Q-сети.
[0050] Алгоритм обучения является способом обучения заранее заданного целевого устройства с использованием множества обучающих данных, чтобы заставлять, позволять или управлять целевым устройством для выполнения определения или предсказания. Примеры алгоритмов обучения включают, но не ограничиваются этим, обучение с учителем, обучение без учителя, обучение частично с учителем или обучение с подкреплением.
[0051] В дальнейшем, различные варианты осуществления настоящего изобретения описаны более подробно со ссылкой на прилагаемые чертежи.
[0052] На фиг. 3 показана блок-схема последовательности операций одного варианта осуществления способа 100 определения гранулометрического состава воздуха для датчика пыли бескамерного типа. Способ 100 определения гранулометрического состава воздуха для датчика пыли бескамерного типа содержит следующие этапы.
[0053] На этапе S101 лазерный луч фокусируют в точке пространства для задания объема зондирования в области вблизи точки фокуса лазерного луча. Размер объема зондирования является переменным в зависимости от размеров частиц, которые должны быть детектированы. Переменный размер объема зондирования обусловлен тем, что сигналы, отраженные от частиц разного размера, имеют разную мощность и могут быть детектированы на разном расстоянии от точки фокуса лазерного луча. Чем больше детектируемая частица, тем больше размер объема зондирования для нее.
[0054] На этапе S103 задают пороговое значение для сигналов частиц. Сигналы частиц представляют собой принятое лазерное излучение, рассеянное на частицах, пролетающих сквозь объем зондирования. Пороговое значение может быть по меньшей мере одним из по меньшей мере формы огибающей сигнала и максимальной амплитуды сигнала.
[0055] На этапе S105 детектируют сигналы частиц от частиц, пролетающих сквозь объем зондирования.
[0056] На этапе S107 извлекают значения параметров сигнала из каждого детектированного сигнала частицы. Параметрами сигнала могут быть по меньшей мере одно из амплитуды сигнала, частоты колебаний сигнала, количества колебаний в сигнале, времени пролета частицы сквозь объем зондирования, формы огибающей сигнала. Однако извлекаемые параметры сигнала не ограничены только перечисленными параметрами и могут быть любыми известными в области техники параметрами электромагнитного сигнала.
[0057] На этапе S109 строят статистическое распределение извлеченных значений по меньшей мере одного параметра сигнала, предпочтительно выбранного из амплитуды сигнала, количества колебаний в сигнале и формы огибающей сигнала или комбинации всех параметров сигнала. Однако параметры сигнала, которые могут быть использованы для построения статистического распределения не ограничены только перечисленными параметрами и могут быть любыми известными в области техники параметрами электромагнитного сигнала.
[0058] На этапе S111 строят распределение частиц по размерам с использованием построенного статистического распределения и обученной модели распределения частиц по размерам. При построении распределения частиц по размерам выбирают функцию зависимости размера частицы от параметров сигнала , которая отображает параметры сигнала в размер частиц в зависимости от параметров обученной модели распределения частиц по размерам. Далее распределение частиц по размерам строят с использованием функции зависимости размера частицы от параметров сигнала.
[0059] Оценку размеров частиц согласно функции зависимости размера частицы от параметров сигнала выполняют на основании длин траекторий пролета частиц сквозь объем зондирования. Эффект турбулентности всегда присутствует в окружающем воздушном потоке и приводит к случайным/хаотическим изменениям направления движения частиц, даже если воздушный поток является направленным, частицы всегда пролетают сквозь объем зондирования по разным траекториям. Поскольку размер объема зондирования различен для частиц разного размера, общая комбинация траекторий частиц внутри их объемов зондирования также различается в зависимости от размера частиц. Моделирование процесса пролета частиц разного размера сквозь объем зондирования показало, что более крупные частицы, как правило, имеют большие медианные значения длин траекторий и больший разброс длин траекторий.
[0060] Функция зависимости размера частицы от параметров сигнала может быть задана, например, по частоте f колебаний сигнала. Длина траектории пролета частицы сквозь объем зондирования может быть вычислена с использованием частоты f колебаний сигнала. Частота f колебаний сигнала определяется скоростью v i частицы. Частота f колебаний сигнала определяется эффектом Доплера и скорость v i частицы может быть вычислена с использованием частоты лазерного излучения, частоты f колебаний сигнала и скорости с света. Поскольку вычисление скорости v i частицы с учетом эффекта Доплера известно в уровне техники, то подробное описание такого вычисления опущено. Кроме того, вычисление скорости v i частицы не ограничено вычислением с учетом эффекта Доплера и может быть применено любое известное вычисление скорости v i частицы. Длина траектории пролета частицы сквозь объем зондирования равна произведению времени Δt пролета частицы сквозь объем зондирования на скорость v i частицы.
[0061] Функция зависимости размера частицы от параметров сигнала может быть задана, например, по количеству N OSC колебаний в сигнале. Величина длины траектории пролета частицы сквозь объем зондирования может быть определена с использованием количества N OSC колебаний в сигнале. Количество N OSC колебаний в сигнале зависит от длины траектории пролета частицы сквозь объем зондирования. Каждое колебание сигнала вызвано перемещением частицы через объем зондирования на длину λ волны лазерного луча. Общее количество N OSC колебаний в сигнале определяет длину траектории пролета частицы сквозь объем зондирования, чем больше N OSC , тем больше длина траектории пролета частицы сквозь объем зондирования.
[0062] Функция зависимости размера частицы от параметров сигнала может быть задана, например, по амплитуде А сигнала. Величина длины траектории пролета частицы сквозь объем зондирования может быть определена с использованием амплитуды A сигнала. Поскольку интенсивность обратного рассеяния света от детектируемой частицы пропорциональна площади поверхности частицы, амплитуда A детектируемого сигнала связана с длиной траектории пролета частицы через объем зондирования и размером частицы. Чем ближе траектория частицы к фокусу лазерного луча, тем больше амплитуда А детектируемого сигнала. Чем больше размер частицы, тем больше амплитуда A.
[0063] Функция зависимости размера частицы от параметров сигнала может быть задана, например, по форме огибающей сигнала. Величина длины траектории пролета частицы сквозь объем зондирования может быть определена с использованием формы огибающей сигнала, которая зависит от длины траектории пролета частицы через объем зондирования и размера частицы. Поскольку объем зондирования различается для разных размеров частиц, форма огибающей сигнала также различается для разных размеров частиц.
[0064] Функция зависимости размера частицы от параметров сигнала может быть задана, например, по времени Δt пролета частицы сквозь объем зондирования. Время Δt пролета частицы сквозь объем зондирования также зависит от размера частицы, скорости v i частицы и длины траектории пролета частицы сквозь объем зондирования и может быть использовано для оценки размера частицы.
[0065] Функция зависимости размера частицы от параметров сигнала не ограничена только заданием по вышеперечисленным параметрам и может быть задана по любому параметру, зависящему от размера частицы.
[0066] В дополнительном варианте осуществления обученную модель распределения частиц по размерам получают посредством обучения (S110) модели распределения частиц по размерам. На фиг. 4 показана блок-схема последовательности операций обучения модели распределения частиц по размерам. В этом дополнительном варианте осуществления упомянутый способ 100 дополнительно содержит следующие этапы.
[0067] На этапе S110-1 формируют базу обучающих данных. База обучающих данных содержит наборы сигналов частиц, каждый набор сигналов частиц содержит разное количество сигналов частиц для частиц разного размера, при этом размеры частиц известны. База обучающих данных может быть сформирована путем детектирования частиц известного размера, путем моделирования пролета частиц известного размера сквозь объем зондирования и детектирования сигналов частиц эталонным датчиком с заранее заданными параметрами датчика или база обучающих данных может быть получена, например, через Интернет или из памяти удаленного устройства.
[0068] На этапе S110-2 значения параметров сигнала извлекают из каждого сигнала частицы каждого набора сигналов частиц, причем параметрами сигнала являются по меньшей мере одно из амплитуды сигнала, частоты колебаний сигнала, количества колебаний в сигнале, времени пролета частицы сквозь объем зондирования, формы огибающей сигнала. Однако извлекаемые параметры сигнала не ограничены только перечисленными параметрами и могут быть любыми известными в области техники параметрами электромагнитного сигнала.
[0069] На этапе S110-3 модель распределения частиц по размерам формируют посредством задания функции зависимости размера частицы от параметров сигнала и определения числовых параметров М модели распределения частиц по размерам. Возможные варианты задания функции зависимости размера частицы от параметров сигнала описаны выше в отношении этапа S111, поэтому описание задания функции зависимости размера частицы от параметров сигнала здесь опущено.
[0070] На этапе S110-4 распределение частиц по размерам строят для каждого набора сигналов частиц согласно сформированной модели распределения частиц по размерам.
[0071] На этапе S110-5 формируют обученную модель распределения частиц по размерам . Для этого получают соответствующие заранее заданные распределения частиц по размерам для каждого построенного распределения частиц по размерам. Заранее заданные распределения частиц по размерам могут быть получены из любого доступного источника информации. Каждое построенное распределение частиц по размерам аппроксимируют по соответствующему заранее заданному распределению частиц по размерам, и обновляют числовые параметры М сформированной модели распределения частиц по размерам с использованием аппроксимированных распределений частиц по размерам.
[0072] В одном из вариантов осуществления способ 100 на этапе S101 может дополнительно содержать настройку объема зондирования посредством изменения фокусного расстояния лазерного луча для детектирования частиц требуемых размеров. Обнаружение частиц конкретного размера может быть оптимизировано путем изменения фокусного расстояния лазерного луча. Чем меньше фокусное расстояние лазерного луча, тем лучше детектируются частицы малого размера и наоборот.
[0073] В одном из вариантов осуществления способ 100 на этапе S105 может дополнительно содержать преобразование детектированных сигналов частиц из временного представления в одно из частотного представления или частотно-временного представления. В этом варианте осуществления способа 100 на этапе S103 задают по меньшей мере одно из максимальной амплитуды преобразованного сигнала и протяженности спектральной области сигнала в качестве порогового значения, а на этапе S107 извлекают значения параметров сигнала из каждого преобразованного сигнала частицы.
[0074] Преобразованием детектированных сигналов частиц из временного представления в одно из частотного представления или частотно-временного представления может быть одно из по меньшей мере преобразования Фурье, быстрого преобразования Фурье, оконного преобразования Фурье и вейвлет-преобразования.
[0075] Объем зондирования может иметь гантелеобразную форму с сужением в области точки фокуса лазерного луча. В этом случае способ 100 на этапе S105 может содержать дополнительные операции. Временной порог задают в качестве минимального времени пролета частицы сквозь два утолщения объема зондирования, имеющего гантелеобразную форму, с вылетом из объема зондирования в сужении объема зондирования. Выявляют два сигнала частиц, детектированных друг за другом. Если время между детектированием двух сигналов частиц, детектированных друг за другом, меньше заданного временного порога, исключают второй сигнал частицы из упомянутых двух сигналов частиц из дальнейшей обработки. В качестве альтернативы вместо этих дополнительных операций возможно учитывать появление двух детектированных сигналов от одной частицы в обученной модели распределения частиц по размерам. Для этого на этапе обучения модели распределения частиц по размерам детектирование частиц в открытом воздухе выполняют в течение заданного промежутка времени. Выявляют количество одинарных детектированных сигналов от одной частицы и количество двойных детектированных сигналов от одной частицы, например, с помощью вышеприведенных операций. Затем вычисляют отношение количества одинарных детектированных сигналов от одной частицы к количеству двойных детектированных сигналов от одной частицы и включают это отношение в модель распределения частиц по размерам в качестве дополнительного параметра.
[0076] На фиг. 5 показана блок-схема последовательности операций еще одного варианта осуществления способа 100 определения гранулометрического состава воздуха для датчика пыли бескамерного типа. Способ 100 определения гранулометрического состава воздуха для датчика пыли бескамерного типа в дополнение к этапам, описанным со ссылкой на фиг. 3, содержит следующие этапы.
[0077] На этапе S113 скорость v [м/с] потока воздуха вычисляют на основании частоты f колебаний сигнала. В качестве скорости v потока воздуха принимают скорость v i частицы. Описание вычисления скорости v i частицы описано выше и здесь опущено, чтобы избежать повторения.
[0078] На этапе S115 определяют количество N частиц, пролетевших сквозь объем зондирования за время T [с] детектирования. Количество N частиц равно количеству детектированных сигналов частиц.
[0079] На этапе S117 концентрации [мкг/м3] частиц вычисляют для частиц каждого размера частиц по формуле . Размером частицы является диаметр , является порядковым номером конкретного размера частиц. Константу [м2/мкг] выбирают для каждого диаметра частиц.
[0080] На этапе S119 полную концентрацию частиц вычисляют для частиц всех размеров посредством суммирования всех вычисленных концентраций частиц.
[0081] На этапе S121 вычисляют концентрации частиц по стандартам посредством суммирования вычисленных концентраций частиц для частиц с размерами меньше и равными .
[0083] Константы могут быть заданы посредством калибровки датчика пыли бескамерного типа по измерениям, выполненным эталонным датчиком для каждого размера частиц при разных скоростях v потока воздуха. Константа может быть вычислена с применением формулы , в которой в случае калибровочного эксперимента все остальные величины известны, либо измерены: - показания эталонного датчика, T - заданное время измерения, v - известная или измеренная скорость воздушного потока, N - число частиц зарегистрированных датчиком пыли бескамерного типа.
[0084] Константы могут быть заданы посредством моделирования потока воздуха с частицами заданного размера. Количество N частиц, попадающих в область детектирования подсчитывается в течение заданного времени T при заданной скорости v воздушного потока и заданной концентрации . Область детектирования для данного датчика пыли бескамерного типа является характеристикой конструкции датчика и считается известной и заданной заранее. Затем константа может быть вычислена с применением формулы .
[м2] является площадью эффективного сечения детектирования частицы размера [м], площадь эффективного сечения детектирования частицы размера является усредненным значением площадей всех сечений области зондирования, к которым все возможные направления вектора скорости частицы размера являются нормалью,
является распределением частиц по размерам, полученным на этапе S111, является безразмерной величиной.
[0086] На фиг. 6 показана блок-схема последовательности операций еще одного варианта осуществления способа 100 определения гранулометрического состава воздуха для датчика пыли бескамерного типа. Способ 100 определения гранулометрического состава воздуха для датчика пыли бескамерного типа в дополнение к этапам, описанным со ссылкой на фиг. 3 и 5, содержит следующие этапы.
[0087] На этапе S123 извлекают предварительно определенные распределения частиц по размерам для конкретных типов частиц. Предварительно определенные распределения частиц по размерам для конкретных типов частиц представляют собой распределения частиц по размерам для разных типов частиц, таких как, например, цветочная пыльца, вирусы, бактерии, аллергены, споры плесени, домашняя пыль, промышленная пыль, зола, сажа и частицы любого происхождения, которые могут находиться в воздухе в взвешенном состоянии. Предварительно определенные распределения частиц по размерам для конкретных типов частиц могут быть получены в различных географических местоположениях, в различных помещениях или на открытом воздухе, в разные времена года при различных погодных условиях. Предварительно определенные распределения частиц по размерам для конкретных типов частиц могут быть получены из доступных источников.
[0088] На этапе S125 получают информацию условий детектирования, содержащую по меньшей мере одно из местоположения, погодных условий и времени года. Местоположения представляют собой различные географические местоположения, различные помещения или на открытом воздухе. Информация условий детектирования может быть получена из приложений «Календарь», «Погода», «Карты», установленных на мобильном устройстве, выполняющем способ 100, или введена пользователем.
[0089] На этапе S127 выбирают предварительно определенные распределения частиц по размерам для конкретных типов частиц, которые соответствуют информации условий детектирования, полученной на этапе S125.
[0090] На этапе S129 определяют тип частиц посредством сравнения распределения частиц по размерам, построенного на этапе S111, с предварительно определенными распределениями частиц по размерам для конкретных типов частиц, выбранными на этапе S127. Совпадение распределения частиц по размерам, построенного на этапе S111, с предварительно определенными распределениями частиц по размерам для конкретных типов частиц укажет типы частиц, присутствующие в детектируемом воздухе. Совпадение сравниваемых распределений частиц по размерам не обязательно должно быть точным. Сравниваемые распределения частиц по размерам считаются совпадающими, если кривая распределения частиц по размерам, построенного на этапе S111, наиболее близко соответствует кривым тех предварительно определенных распределений частиц по размерам для конкретных типов частиц, которые выбраны на этапе S127.
[0091] На фиг. 7 показана блок-схема, иллюстрирующая мобильное устройство 200, выполненное с возможностью выполнения способа 100 определения гранулометрического состава воздуха для датчика пыли бескамерного типа. Мобильное устройство 200 содержит датчик 201 пыли бескамерного типа, фокусирующий элемент 202 по меньшей мере один процессор 203 и память 204. Память 204 хранит числовые параметры обученной модели распределения частиц по размерам и инструкции, которые при выполнении по меньшей мере одним процессором 203, заставляют по меньшей мере один процессор 203 выполнять любой из вариантов осуществления способа определения гранулометрического состава воздуха для датчика пыли бескамерного типа.
[0092] Мобильное устройство 200 может быть любым мобильным устройством, таким как смартфон, мобильный телефон, планшетный компьютер, интеллектуальные часы и т.д.
[0093] В качестве датчика 201 пыли бескамерного типа можно использовать любой из датчиков пыли бескамерного типа, предназначенных для выполнения любого из известных способов когерентного детектирования, таких как гомодинное детектирование, гетеродинное детектирование и автодинная интерферометрия.
[0094] В одном из примеров конструкций датчика пыли бескамерного типа для гомодинного детектирования датчик 201 пыли бескамерного типа может содержать, например, один лазер, зеркало для формирования опорного лазерного луча, светоделитель для разделения лазерного луча и фотодетектор. Лазер испускает лазерный луч, который светоделитель делит на два лазерных луча, один из двух лазерных лучей рассеивается на частице и является детектирующим лазерным лучом, а второй из двух лазерных лучей отражается от зеркала и является опорным лазерным лучом. Детектирующий лазерный луч и опорный лазерный луч смешиваются на фотодетекторе.
[0095] В одном из примеров конструкций датчика пыли бескамерного типа для гетеродинного детектирования датчик 201 пыли бескамерного типа может содержать, например, два лазера и фотодетектор. Один лазер обеспечивает детектирующий лазерный луч, который рассеивается на частице, а второй лазер обеспечивает опорный лазерный луч. Детектирующий лазерный луч и опорный лазерный луч смешиваются на фотодетекторе.
[0096] В одном из примеров конструкций датчика пыли бескамерного типа для автодинной интерферометрии датчик 201 пыли бескамерного типа может содержать, например, один лазер, лазерный резонатор и фотодетектор. Лазер испускает лазерный луч, который делится в лазерном резонаторе на два лазерных луча, один из двух лазерных лучей рассеивается на частице и является детектирующим лазерным лучом, а второй из двух лазерных лучей является опорным лазерным лучом. Детектирующий лазерный луч, рассеянный на частице, и опорный лазерный луч смешиваются внутри лазерного резонатора и смешанный луч попадает на фотодетектор.
[0097] В качестве фокусирующего элемента 202 может быть использован любой фокусирующий элемент, такой как зеркало, линза, дифракционный элемент, голографический элемент и т.д., который обеспечивает фокусировку лазерного луча датчика 201 пыли бескамерного типа.
[0098] Фокусирующий элемент 202 может представлять собой фокусирующий элемент с переменным фокусом для изменения фокусного расстояния лазерного луча. Фокусное расстояние лазерного луча можно изменять путем ручной настройки фокусирующего элемента 202 пользователем или путем автоматической настройки фокусирующего элемента 202 процессором 203.
[0099] По меньшей мере один процессор 203 может представлять собой центральный процессор (ЦП), процессор приложений (AP) или тому подобное или специализированный процессор AI, такой как, например, нейронный процессор (NPU) или тому подобное.
[0100] Память 204 может представлять собой любую из энергозависимой памяти или энергонезависимой памяти.
[0101] Кроме того, способы, раскрытые в данном документе, могут быть реализованы на считываемом компьютером носителе, который хранит числовые параметры обученной модели распределения частиц по размерам и исполняемые компьютером инструкции, которые при выполнении процессором компьютера, заставляют компьютер выполнять любой из вариантов осуществления способа 100. Обученная модель распределения частиц по размерам и инструкции для реализации любого из вариантов осуществления способа 100 могут быть загружены в мобильное устройство 200 через сеть или с носителя.
[0102] Вышеприведенные описания вариантов осуществления изобретения являются иллюстративными, и модификации конфигурации и реализации не выходят за пределы объема настоящего описания. Например, хотя варианты осуществления изобретения описаны, в общем, в связи с фигурами 1-7, приведенные описания являются примерными. Хотя предмет изобретения описан на языке, характерном для конструктивных признаков или методологических операций, понятно, что предмет изобретения, определяемый прилагаемой формулой изобретения, не обязательно ограничен конкретными вышеописанными признаками или операциями. Более того, конкретные вышеописанные признаки и операции раскрыты как примерные формы реализации формулы изобретения. Изобретение не ограничено также показанным порядком этапов способа, порядок может быть видоизменен специалистом без новаторских нововведений. Некоторые или все этапы способа могут выполняться последовательно или параллельно.
[0103] Соответственно предполагается, что объем вариантов осуществления изобретения ограничивается только нижеследующей формулой изобретения.
Claims (48)
1. Способ определения гранулометрического состава воздуха для датчика пыли бескамерного типа, при этом упомянутый способ содержит этапы, на которых:
фокусируют (S101) лазерный луч в точке пространства для задания объема зондирования в области вблизи точки фокуса лазерного луча, причем размер объема зондирования является переменным в зависимости от размеров частиц, которые должны быть детектированы;
задают (S103) пороговое значение для сигналов частиц, причем сигналы частиц представляют собой принятое лазерное излучение, рассеянное на частицах, пролетающих сквозь объем зондирования, при этом пороговое значение является по меньшей мере одним из по меньшей мере формы огибающей сигнала и максимальной амплитуды сигнала;
детектируют (S105) сигналы частиц от частиц, пролетающих сквозь объем зондирования;
извлекают (S107) значения параметров сигнала из каждого детектированного сигнала частицы, причем параметрами сигнала являются по меньшей мере одно из амплитуды сигнала, частоты колебаний сигнала, количества колебаний в сигнале, времени пролета частицы сквозь объем зондирования, формы огибающей сигнала;
строят (S109) статистическое распределение извлеченных значений по меньшей мере одного параметра сигнала, выбранного из амплитуды сигнала, количества колебаний в сигнале и формы огибающей сигнала или комбинации всех параметров сигнала;
строят (S111) распределение частиц по размерам с использованием построенного статистического распределения и обученной модели распределения частиц по размерам.
2. Способ по п. 1, в котором обученную модель распределения частиц по размерам получают посредством обучения (S110) модели распределения частиц по размерам, при этом упомянутый способ дополнительно содержит этапы, на которых:
формируют (S110-1) базу обучающих данных, причем база обучающих данных содержит наборы сигналов частиц, каждый набор сигналов частиц содержит разное количество сигналов частиц для частиц разного размера, при этом размеры частиц известны;
извлекают (S110-2) значения параметров сигнала из каждого сигнала частицы каждого набора сигналов частиц, причем параметрами сигнала являются по меньшей мере одно из амплитуды сигнала, частоты колебаний сигнала, количества колебаний в сигнале, времени пролета частицы сквозь объем зондирования, формы огибающей сигнала;
формируют (S110-3) модель распределения частиц по размерам посредством задания функции зависимости размера частицы от параметров сигнала и определения числовых параметров модели распределения частиц по размерам;
строят (S110-4) для каждого набора сигналов частиц распределение частиц по размерам согласно сформированной модели распределения частиц по размерам;
формируют (S110-5) обученную модель распределения частиц по размерам посредством подбора соответствующего заранее заданного распределения частиц по размерам для каждого построенного распределения частиц по размерам, аппроксимации каждого построенного распределения частиц по размерам по соответствующему заранее заданному распределению частиц по размерам и обновления числовых параметров сформированной модели распределения частиц по размерам с использованием аппроксимированных распределений частиц по размерам.
3. Способ по п. 1, в котором этап (S101) дополнительно содержит настройку объема зондирования посредством изменения фокусного расстояния лазерного луча для детектирования частиц требуемых размеров.
4. Способ по п. 1, в котором этап (S105) дополнительно содержит преобразование детектированных сигналов частиц из временного представления в одно из частотного представления или частотно-временного представления,
при этом на этапе (S103) задают по меньшей мере одно из максимальной амплитуды преобразованного сигнала и протяженности спектральной области сигнала в качестве порогового значения,
и при этом на этапе (S107) извлекают значения параметров сигнала из каждого преобразованного сигнала частицы.
5. Способ по п. 1, в котором преобразование детектированных сигналов частиц является одним из по меньшей мере преобразования Фурье, быстрого преобразования Фурье, оконного преобразования Фурье и вейвлет-преобразования.
6. Способ по п. 1, в котором объем зондирования имеет гантелеобразную форму с сужением в области точки фокуса лазерного луча,
при этом этап (S105) дополнительно содержит этапы, на которых:
задают временной порог, который является минимальным временем пролета частицы сквозь два утолщения объема зондирования, имеющего гантелеобразную форму, с вылетом из объема зондирования в сужении объема зондирования;
выявляют два сигнала частиц, детектированных друг за другом, и, если время между детектированием двух сигналов частиц, детектированных друг за другом, меньше заданного временного порога, исключают второй сигнал частицы из упомянутых двух сигналов частиц из дальнейшей обработки.
7. Способ по п. 1, дополнительно содержащий этапы, на которых:
вычисляют (S113) скорость v потока воздуха на основании частоты колебаний сигнала;
определяют (S115) количество N частиц, пролетевших сквозь объем зондирования за время T детектирования, причем количество частиц равно количеству детектированных сигналов частиц;
является площадью эффективного сечения детектирования частицы размера , причем площадь эффективного сечения детектирования частицы размера является усредненным значением площадей всех сечений области зондирования, к которым все возможные направления вектора скорости частицы размера являются нормалью,
11. Способ по п. 7, дополнительно содержащий этапы, на которых:
извлекают (S123) предварительно определенные распределения частиц по размерам для конкретных типов частиц;
получают (S125) информацию условий детектирования, содержащую по меньшей мере одно из местоположения, погодных условий и времени года;
выбирают (S127) предварительно определенные распределения частиц по размерам для конкретных типов частиц на основании информации условий детектирования;
определяют (S129) тип частиц посредством сравнения распределения частиц по размерам, построенного на этапе (S111), с выбранными предварительно определенными распределениями частиц по размерам для конкретных типов частиц.
12. Мобильное устройство, выполненное с возможностью определения гранулометрического состава воздуха, содержащее:
датчик пыли бескамерного типа;
фокусирующий элемент;
по меньшей мере один процессор; и
память, в которой хранятся числовые параметры обученной модели распределения частиц по размерам и инструкции, которые при выполнении по меньшей мере одним процессором заставляют по меньшей мере один процессор выполнять способ определения гранулометрического состава воздуха для датчика пыли бескамерного типа по пп. 1-11.
13. Мобильное устройство по п. 12, в котором фокусирующий элемент является одним из по меньшей мере одного из зеркала, линзы, дифракционного элемента, голографического элемента.
14. Мобильное устройство по п. 12 или 13, в котором фокусирующий элемент является фокусирующим элементом с переменным фокусом.
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
RU2020139032A RU2758038C1 (ru) | 2020-11-27 | 2020-11-27 | Способ определения гранулометрического состава воздуха для датчика пыли бескамерного типа и мобильное устройство для его реализации |
KR1020210161714A KR20220074754A (ko) | 2020-11-27 | 2021-11-22 | 입자 사이즈 분포를 결정하는 방법 및 전자 장치 |
PCT/KR2021/017287 WO2022114733A1 (ko) | 2020-11-27 | 2021-11-23 | 입자 사이즈 분포를 결정하는 방법 및 전자 장치 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
RU2020139032A RU2758038C1 (ru) | 2020-11-27 | 2020-11-27 | Способ определения гранулометрического состава воздуха для датчика пыли бескамерного типа и мобильное устройство для его реализации |
Publications (1)
Publication Number | Publication Date |
---|---|
RU2758038C1 true RU2758038C1 (ru) | 2021-10-25 |
Family
ID=78289776
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
RU2020139032A RU2758038C1 (ru) | 2020-11-27 | 2020-11-27 | Способ определения гранулометрического состава воздуха для датчика пыли бескамерного типа и мобильное устройство для его реализации |
Country Status (2)
Country | Link |
---|---|
KR (1) | KR20220074754A (ru) |
RU (1) | RU2758038C1 (ru) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2787347C1 (ru) * | 2021-12-17 | 2023-01-09 | Самсунг Электроникс Ко., Лтд. | Компактный датчик пыли |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7932490B2 (en) * | 2007-08-07 | 2011-04-26 | Tsi, Inc. | Size segregated aerosol mass concentration measurement device |
EP1642113B1 (en) * | 2003-07-09 | 2014-04-09 | P.M.L. - Particles Monitoring Technologies Ltd. | A method for particle size and concentration measurement |
US9297737B2 (en) * | 2004-03-06 | 2016-03-29 | Michael Trainer | Methods and apparatus for determining characteristics of particles |
US20180209892A1 (en) * | 2015-07-30 | 2018-07-26 | Koninklijke Philips N.V. | Laser sensor for particle size detection |
-
2020
- 2020-11-27 RU RU2020139032A patent/RU2758038C1/ru active
-
2021
- 2021-11-22 KR KR1020210161714A patent/KR20220074754A/ko unknown
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1642113B1 (en) * | 2003-07-09 | 2014-04-09 | P.M.L. - Particles Monitoring Technologies Ltd. | A method for particle size and concentration measurement |
US9297737B2 (en) * | 2004-03-06 | 2016-03-29 | Michael Trainer | Methods and apparatus for determining characteristics of particles |
US7932490B2 (en) * | 2007-08-07 | 2011-04-26 | Tsi, Inc. | Size segregated aerosol mass concentration measurement device |
US20180209892A1 (en) * | 2015-07-30 | 2018-07-26 | Koninklijke Philips N.V. | Laser sensor for particle size detection |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2787347C1 (ru) * | 2021-12-17 | 2023-01-09 | Самсунг Электроникс Ко., Лтд. | Компактный датчик пыли |
Also Published As
Publication number | Publication date |
---|---|
KR20220074754A (ko) | 2022-06-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10795054B2 (en) | System and method for sensing wind flow passing over complex terrain | |
Hill | Review of optical scintillation methods of measuring the refractive-index spectrum, inner scale and surface fluxes | |
Hartogensis et al. | Displaced-beam small aperture scintillometer test. Part II: CASES-99 stable boundary-layer experiment | |
Cai et al. | Calibration of the passive cavity aerosol spectrometer probe for airborne determination of the size distribution | |
JP2013533472A (ja) | 生物学的物質の検出方法および検出装置 | |
Gromke et al. | Snow particle characteristics in the saltation layer | |
WO2021200248A1 (en) | System and method for fast wind flow measurement by lidar in a complex terrain | |
Gao et al. | A high-sensitivity low-cost optical particle counter design | |
Poortinga et al. | Measuring fast-temporal sediment fluxes with an analogue acoustic sensor: a wind tunnel study | |
RU2758038C1 (ru) | Способ определения гранулометрического состава воздуха для датчика пыли бескамерного типа и мобильное устройство для его реализации | |
O'Brien et al. | An experimental study of the dynamics of saltation within a three-dimensional framework | |
Vaccaro et al. | Modeling focused beam reflectance measurement and its application to sizing of particles of variable shape | |
JP5131400B1 (ja) | 降下煤塵の非定常発塵源位置の探索方法 | |
WO2018115052A1 (en) | Particle sensor and sensing method | |
JP5505463B2 (ja) | 降下煤塵の非定常発塵源の探索方法 | |
Loubet et al. | A method for measuring the settling velocity distribution of large biotic particles | |
JP5073861B1 (ja) | 降下煤塵の非定常発塵源位置の探索方法 | |
Rambert et al. | Laboratory study of fungal spore movement using Laser Doppler Velocimetry | |
WO2022114733A1 (ko) | 입자 사이즈 분포를 결정하는 방법 및 전자 장치 | |
Rieutord et al. | Mixing height derivation from aerosol lidar using machine learning: KABL and ADABL algorithms | |
Valenzuela et al. | Electrodynamic single-particle trap integrated into double-cavity ring-down spectroscopy for light extinction | |
Lisenko et al. | Multifrequency lidar probing of the microstructure of multicomponent urban aerosols | |
CN116679320B (zh) | 一种气溶胶和风场的同时测量方法、装置、设备及介质 | |
Lukić et al. | Artificial Intelligence Application in Photoacoustic of Gases | |
Li et al. | Data-driven calibration for cup anemometer at different measurement locations around buildings using transfer learning based on domain adaptation |