基于神经网络的空气质量采集系统的设计

空气质量采集对空气清新器的管理和控制起着关键的作用。经过对复杂非线性的空气流分析，结合信息采集及智能控制技术，本文提出一种新的空气质量信息采集系统设计方法。该方法利用多传感器力求准确采集空气质量信息，并通过神经网络建立起空气质量的预测模型，该预测模型的建立有助于空气清新器控制策略的优化。关键词：空气质量采集；神经网络；  空气清新器；多传感器人类的  80%～90%的时间是在室内度过的，室内空气的质量对人的身体健康和工作效率将产生很大的影响。国内外许多学者对不同类型建筑物的室内空气品质进行调查和分析，结果显示，引起室内空气质量恶化的原因主要体现在以下几方面：二氧化碳含量高、氧气含量低；装修材料所挥发出的气体如甲苯、甲醛；家庭烹饪中燃料的不完全燃烧或煤气的泄漏所产生的CO；微生物与固体颗粒。因一般微生物多依附于固体颗粒传播，可采用光触煤滤网与紫外线灯的方法去除[1,2]。所以本文只对影响室内空气质量的气体进行检测，采集空气中氧气含量、挥发性气体含量如甲醛、CO  浓度，再加上对空气湿度值的测量，便可准确度量室内空气质量。本文在前几代的空气净化器的基础上，设计一种新型的智能空气清新器信息采集系统，该系统配合单片机实时监测空气质量，并提出利用人工神经网络的自学习能力强和自适应性能好的特点，对空气质量进行预测，建立起预测模型，预测模型与标准模型（可以从国家关于室内空气标准的文件得到）比较后，设计出最优的控制策略。此外，空气清新器还能在采集系统发生故障的情况下，由人工神经网络建立的预测模型将代替由多传感器组成的采集系统，将空气质量的预测值送入单片机系统中，参与控制策略的优化，保证了空气清新器的智能化运行。这一点将在第三部分详细解释。