Luftforureningsdetektion + luftfiltrering: 4 trin

2024 Forfatter: John Day | [email protected]. Sidst ændret: 2024-01-30 08:27

Eleverne (Aristobulus Lam, Victor Sim, Nathan Rosenzweig og Declan Loges) fra German Swiss International School arbejdede sammen med personalet i MakerBay for at producere et integreret system til måling af luftforurening og effektivitet i luftfiltrering. Dette integrerede system giver dig mulighed for at overvåge filtreret og ufiltreret luftkvalitet på samme tid. Dataene konverteres til et effektivitetsforhold og tegnes i graf. Dette projekt anbefales til 15+, selvom yngre aldre skal tage hensyn til risikoen for elektrisk stød og vanskeligheden ved programmeringen.

Hvorfor skal du gøre dette:

Tja, vi tror, at selvom der helt sikkert er meget motivation til at levere data til overvågning af luftforurening (som forklares detaljeret på Smartcitizen's websted, mener vi også, at bare det at vide, hvor meget luftforurening der er omkring dig, ikke gør noget for dit helbred. Vi mener, at vi selv skal handle, så vi har skabt disse integrerede sensorer og luftfilter.

Forbrugsvarer

• Et stort stykke pap
• 2x pc -fans
• Flere varianter af luftfiltre
• 2 LED lys
• 2x Smartcitizen Starter -sæt (køb her)
• 2x modstande
• 1 elektrisk kontakt
• 1 computer, der kan køre Jupyter Notebook, Matplotlib og Python
• Plus enhver anden dekoration, du vil have !!!

Trin 1: Opsætning af SCK -sensor

Sørg for, at du har dine to SCK -sensorer. Vælg den første, og slut den til batteriet eller til din computer. Gå derefter til installationsstedet og følg instruktionerne. Gør det samme for den anden sensor. Når du skal navngive dem, skal du navngive dem henholdsvis A og B for ufiltreret og filtreret luftsensor. Efter dette skal du registrere begge til den samme konto og sørge for, at du logger ind på kontoen for at hente dataene.

Kontroller, at sensorerne fungerer ved at gå til denne platform og søge i dine sensorers navne. Sørg for, at det løbende sender data hvert minut.

Trin 2: Kabinetdesign

Brug den førnævnte pap og læg den ud foran dig. Alle målinger vil være i henhold til vores endelige prototype. Mål 12,5 cm ud på den ene side og skær på tværs af pap. Sæt derefter blæseren på pap, og begynd at bruge blæseren til at rulle pap. Når du har lavet en komplet firkant, skal du markere punktet med en markør. Brug en saks til at skære på tværs. Gentag dette for den anden ventilator.

Trin 3: Strøm til ventilatorerne

Vi lavede en kontakt, der tænder og slukker luftrenseren. For at forklare, hvordan kontakten fungerer, kan du bruge diagrammet til reference. Fra venstre i diagrammet har vi en 220 volt vekselstrøm til DC -omformer, der reducerer volt til 12 volt for sikkert at kunne bruge. Uden denne enhed vil strømmen fra en strømkilde være for farlig for os at bruge. Efter at voltene er reduceret betydeligt, har vi 2 ledninger, der er forbundet til 2 LED -lys og kontakten. Du skal lodde ledningerne til LED -lysene, så de alle er forbundet med hinanden. Når kredsløbet er fuldført, og begge LED -lamper er blevet testet, skal du slutte begge ledninger, en positiv og en negativ, til blæseren. Når opsætningen er fuldført, skal du sætte stikket i stikkontakten. Når du har gjort dette, skal 'tændt' LED'en lyse. Når du vender kontakten, skal 'blæser til' LED -lyset lyse, og blæseren skal begynde at fungere.

Trin 4: Kodning

Anbefales til 15+

Dette program er lavet af Victor Sim. Dette program gør det muligt at udtrække data fra den smarte borgerføler fra udvikler -API'en til den smarte borgerwebsted og beregne en effektivitetsværdi. Det program, jeg brugte, vil blive skrevet i Python 3. Jeg skrev koden på en Jupyter Notebook på en Macbook air udstyret med Mac OS (version 10.14.6).

Hvad du skal bruge til dette program: Matplotlib Numpy Pandas JSON CSV A python 3 IDE

Trin 1: Importer de nødvendige biblioteker Du skal bruge urllib.request inorder for at anmode om adgang til API'et og for at åbne URL'en til API'et. Du skal bruge csv for at konvertere filen til en csv -fil, der let kan manipuleres. Du skal bruge JSON for at læse den JSON, som api'en kommer i. Du skal bruge pandaer til let at analysere datarammen. Matplotlib er nødvendig for, at dataene kan repræsenteres i en intuitiv graf.

Trin 2: Anmod om adgang til Smart-citizen API: Denne kode anmoder om data fra API'et. Erfaringsmæssigt er det vigtigt at sætte overskrifterne til at kilde anmodningen om at få et svar. De to de anmodede URL'er er formateret som sådan: Henvisning til smart citizen API, hentning af oplysninger om enhederne, kontrol af en bestemt enheds id, henvisning til sensor -id på 87 (PM 2.5 -sensor) og registrering af data hvert minut. Det anmoder derefter om adgang til API.

Trin 3: Åbn og analyser dataene:

Disse linjer læser dataene og sætter derefter dataene i et "smukt print". Dette gør dataene lette at læse og dermed lettere at fejlfinde.

Trin 4: Konverter dataene til en CSV -fil: I disse kodelinjer læser pandas -biblioteket dataene og konverterer dem til en csv -form, der let kan manipuleres. CSV -filen gemmes derefter under variablen data_csv.

Trin 5: Gør CSV -data fordøjelige: CSV -kolonnerne hedder nu 'ignorer' for den unødvendige indeksrække, 'tid' for det tidspunkt, hvor optagelsen blev registreret og 'værdi' for PM 2.5 -koncentrationen registreret. Alle skråstreger og værdier fjernes, så værdierne let kan afbildes på grafen.

Trin 6: Find middelværdien af værdikolonnen:

Disse linjer finder middelværdien af værdikolonnen og sætter derefter værdierne på en liste for let at plotte dem.

Trin 7: Oprettelse af flere data til sammenligning: Gentag koden fra trin 1 til 6 for sensor B at sammenligne

Trin 8: Plotte dataene:

Linjen tegner midlerne til både sensor og viser forskellen

Trin 9: Find effektiviteten:

Effektiviteten kan beregnes med det oprindelige middel og det senere middel og derefter dividere med det oprindelige gennemsnit. Det kan derefter beregnes som en procentdel.

FULDFØRT: Du skal få en procentdel og en graf som output. Dit output skal ligne billedet herunder: