الکترونیک پایش هوای شهری: سیستم IOT پایش CO، دما و رطوبت 2022-07-03

[H1]هوای شهری: سیستم IOT پایش CO، دما و رطوبت[/H1]

مناطق شهری در سراسر جهان به دلیل کیفیت پایین هوا، دمای غیرمعمول و سایر عواملی که سلامت ساکنان را به خطر می اندازد، به شدت آسیب می بینند. این پروژه برای پایش و نمونه برداری از پارامترهای جوی مانند غلظت مونوکسید کربن، دما و رطوبت در نقاط هدف در یک شهر ساخته شده است. داده‌های جمع‌آوری‌شده بعداً نمونه‌برداری و برای تعیین عوامل مؤثر بر این پارامترهای کلیدی مورد تجزیه و تحلیل قرار گرفت. در این پروژه ما داده ها را در دو نقطه در یک جمعیت شهری به فاصله پنج کیلومتر از یکدیگر مستندسازی کرده ایم. ما داده ها را تجزیه و تحلیل کرده و عوامل موثر بر این نتایج را استنباط کرده ایم.

[H2]چکیده پروژه:[/H2]
این پروژه توسط NodeMCU، یک برد توسعه مبتنی بر ESP8266 کنترل می شود. داده های غلظت CO را با استفاده از سنسور MQ07 جمع آوری می کند و دما و رطوبت را با استفاده از سنسور DHT11 نظارت می کند. پس از جمع‌آوری داده‌ها، هر دقیقه در ابر (پلتفرم ThingSpeak) بارگذاری می‌شود.

ما داده ها را در دو مکان مختلف در دو روز مختلف جمع آوری کرده ایم. داده ها در هر مکان به مدت 24 ساعت جمع آوری شده است. سپس داده‌ها را برای یافتن الگوهای CO، دما و رطوبت تجزیه و تحلیل کردیم. این الگوهای داده به ما کمک کردند تا علل احتمالی را تعیین کنیم و نتیجه گیری کنیم.

هنگامی که NODEMCU داده ها را در فضای ابری آپلود می کند، زمان در پلت فرم ابری Thingspeak ثبت می شود. ThingSpeak به ما امکان می دهد داده ها را به صورت نمودار تجسم کنیم تا بتوانیم به طور منظم داده ها را نظارت کنیم. همچنین داده های آپلود شده را می توان در هر منطقه زمانی در قالب "CSV" بارگیری کرد.

[H2]سخت افزار:[/H2]

1. برد NodeMCU
2. DHT11 (سنسور دما و رطوبت)
3. MQ-07 (سنسور گاز)
4. سیم های اتصال.

[H2]نمودار بلوکی:[/H2]

[H2]مدار:[/H2]

[H2]نمونه اولیه:[/H2]

[H2]ماهیت مکان ها:[/H2]
ما داده ها را به مدت 24 ساعت در دو مکان مختلف جمع آوری کرده ایم.

مکان 1: این یک ساختمان آپارتمانی است که حدود 20 خانوار را در خود جای داده است. فضای شهری معمولی با درختان کمتر و آلودگی متوسط ناشی از ترافیک.

1. مکان 2: خانه انفرادی که جمع و جور و محکم در یک محل خاص بسته بندی شده است. فضای شهری معمولی با درختان کمتر و آلودگی متوسط ناشی از ترافیک.

[H2]مجموعه داده ها:[/H2]
صفحه گسترده اکسل فوق شامل داده های CO، دما و رطوبت است. توجه داشته باشید که هنگام جمع‌آوری داده‌ها در مکان 2 با مشکل DHT11 مواجه شده‌ایم که از این پس رطوبت و دما کنار گذاشته شده است. در زیر برخی از مشاهدات جالب از این مجموعه داده ها آورده شده است.

1. مکان 1: اوج میزان CO در اثر پخت و پز

2. مکان 1: رطوبت به دلیل باران در شب همراه با کاهش دما بالا می رود

3. مکان 2: سطوح بالای CO به دلیل پخت و پز

4. مکان 2: هوای خارج از منزل دارای سطوح CO کمتری نسبت به هوای داخل است

[H2]نتیجه گیری:[/H2]
از مجموعه داده های زیر می توانیم مشاهدات زیر را استنباط کنیم.

1. سطوح CO در هر دو مکان از صبح تا بعد از ظهر به اوج خود رسید. این به دلیل پخت و پز خانگی است که در آن از گازهای LPG استفاده می شود. این منجر به افزایش شدید سطوح CO و به دنبال آن کاهش سطح CO بعد از ظهر می شود.
2. مجموعه داده از مکان 2 افت ناگهانی سطح CO را نشان می دهد. این به دلیل قرار گرفتن سنسور در نزدیکی یک پنجره باز است. این اجازه می دهد تا فضای بیرونی بیشتری با حسگر تعامل داشته باشد. این نتیجه می گیرد که سطح CO در هوای بیرون کمتر از هوای داخل است. این تحقیق در مورد مقایسه بین هوای داخلی و خارجی مشاهدات جالب مشابهی دارد.
3. دما و رطوبت با یکدیگر نسبت معکوس دارند. هر زمان که درجه حرارت افزایش یابد رطوبت افت می کند و بالعکس.

[H2]الگوریتم:[/H2]

1. کلیدهای مورد نیاز مانند کلید API، شناسه کانال Thing Speak، SSID WiFi و رمز عبور را به عنوان رشته در نظر بگیرید.
2. پین های آنالوگ و دیجیتال را برای دریافت ورودی پیکربندی کنید.
3. منتظر بمانید تا دستگاه به نقطه اتصال WiFi متصل شود.
4. داده های DHT11 (دما و رطوبت) و MQ-07 را بخوانید و ذخیره کنید و سپس آن را در یک متغیر ذخیره کنید.
5. سخت افزار را طوری تنظیم کنید که داده های حسگر را در دقیقه بخواند.
6. داده ها را در فضای ابری آپلود کنید.
7. مراحل را تکرار کنید.

دانلود کدها در پیوست

این کتابخانه ها را دانلود کرده و به پوشه کتابخانه آردوینو خود منتقل کنید. ESP8266 ، کتابخانه DHT-11 و MQ-7 .