PMS5003
PMS7003 Plantower PMS 5003 und PMS 7003 Sensor
Das PMS 7003 und PMS 5003 Sensoren sind die 7. bzw. 5. Generation der PMSx003-Serie, entwickelt von Plantower (chinesischer Name 攀藤).
Versuchsaufbau
Für dieses Experiment werden 3 PMS 7003 und 3 PMS 5003 nebeneinander aufgestellt. Das Ziel besteht darin, die Genauigkeit einzelner Sensormesswerte und das mögliche Fehlerniveau zu verstehen, das durch das Fehlen einer effizienten Kalibrierung kostengünstiger Sensoren verursacht wird.
Für jeden Sensor (PMS5003 und PMS7003) gibt es 3 Sensoren (identifiziert als PMSx003 #1, #2 und #3), die abwechselnd über einen Zeitraum von 3 Minuten laufen. Für jede Minute werden nur die Daten der letzten 30 Sekunden erfasst, während die ersten 30 Sekunden aufbewahrt werden, damit der Sensor seinen Ausgang stabilisieren kann.
Es gibt einen zusätzlichen PMS5003-Sensor (Nummer Nr. 4): Es handelt sich um einen gebrauchten (alten) Sensor, der seit mehreren Monaten im Dauerbetrieb im Freien läuft. Das Ziel dieses Sensors besteht darin, herauszufinden, ob die Genauigkeit mit zunehmendem Alter abnimmt (wenn der Laser oder der Lüfter abgenutzt sind).
Datenblätter: PMS5003.pdf and PMS7003.pdf.Beachten Sie, dass die PMSx-Daten vom Sensor in zwei Varianten vorliegen: „标准颗粒物“ (Standardpartikel oder CF-1, Bytes 4–9) und „大气环境下“ (Atmosphärische Umgebung, Bytes 10). -15). Es ist das zweite, das wir für diese Experimente verwenden (Danke an Bart für die Klarstellung).
Demontage des Sensors
Die folgenden Bilder stammen von einem PMS5003, der mehrere Monate lang im Dauerbetrieb im Freien lief.
Die gute Nachricht ist, dass Plantower ein ziemlich gutes mechanisches Design geschafft hat, das die Ansammlung von Staub auf der Vorderseite der Leiterplatte verhindert (siehe Bild A rechts), wo Laser und Diode montiert sind. Verglichen mit der Staubansammlung auf dem Dylos garantiert dies eine viel bessere Lebensdauer und Datengenauigkeit im Laufe der Zeit.
Hinsichtlich der elektrischen und elektronischen Komponenten unterscheidet sich der PMS5003 nicht wesentlich vom ursprünglichen Entwurf des PMS1003. Die CPU ist immer noch eine Cypress CY8C4245, die früher ein kombinierter ARM Cortex-M0 mit 48 MHz und dediziertem ADC war Probieren Sie den Ausgang der Diode aus.
Echtzeitdaten
db steht für Dust Bin und wird in Zählungen pro Minute gemessen. Beispielsweise stellt db2.5-um die Anzahl der Partikel mit einem aerodynamischen Durchmesser unter 2,5 µm dar;
Zeitreihen für meteorologische Bedingungen
Meteorologische Bedingungen und insbesondere die relative Luftfeuchtigkeit (RH) sind erforderlich, da eine hohe RH einen direkten Einfluss auf die Größe der vom Laser erfassten Partikelgröße haben kann. Für BAM-Sensoren ist tatsächlich eine konstante Luftfeuchtigkeit erforderlich.
Die obige Grafik basiert auf der CWOP-Station EW2754. Die folgende Tabelle basiert auf den Echtzeitmesswerten unserer GAIA A12-Station
Zeitreihen für Feinstaub
Beachten Sie, dass die ersten drei Zeitreihendiagramme die Werte mit AQI (und nicht mit rohen mg/m3) anzeigen. Der AQI basiert auf den US-EPA-Haltepunkten. Für PM1 werden die PM2.5-Haltepunkte verwendet.
Für die Feinstaubdiagramme werden die Referenz-BAM-Messungen der Nachbarstationen angezeigt, jedoch nicht für das Abweichungsdiagramm berücksichtigt. Ziel dieser Experimente ist es, die Abweichung zwischen Sensoren des gleichen Typs (z. B. PMS) und anderer Sensoren zu verstehen zwischen Sensoren, die unterschiedliche Technologien verwenden (z. B. Laser Counter vs. Beta Attenuation).
Die Abweichungsdiagramme unter jeder Zeitreihe werden als Differenz zwischen dem Minimum (in Blau) bzw. dem Minimum (in Blau) berechnet. Maximalwert (in Rot) und Durchschnittswert für jeden 5-Minuten-Zeitraumblock. Die X-Achse zeigt den Durchschnittswert und die Y-Achse die Differenz zwischen Min/Max und Durchschnitt. Für die ersten drei Zeitreihendiagramme wird die Differenz in AQI ausgedrückt: Auf diese Weise lässt sich der potenzielle Fehler im AQI-Wert dieser kostengünstigen Sensoren leicht beurteilen.
Vergleich zwischen Std. Particle (Standard-Feinstaub) und Std. Atmosphere (atmosphärische Umgebung)
The graphs below shows the correlation for the CF1 (X, absyss) and the ratio CF1/SAT (Y, ordinate), for the PM2.5 and PM10 data.
The almost too perfect correlation between approx. 30 mg to 100 mg for PM2.5 / PMS5003, (40mg to 150 for PM10) does not sound too scientific...
cf1<30 ⇒ sat=cf1
cf1>100 ⇒ sat = cf1 * 2/3
cf1 in ∈ [30;100] ⇒ sat = 30 + cf1 * (cf1-30)/70 * 2/3
The formula has been updated with correct ratio (2/3)
Eine interessante Frage ist, ob das CF-1/SAT-Verhältnis Teil des von Plantower durchgeführten Kalibrierungsprozesses ist; Zumindest für PM2,5 sind die oberen Schwellenwerte für PMS7003 und PMS5003 unterschiedlich (85 für den ersten und 100 für den zweiten). Wenn genügend Daten verfügbar sind, wird diese Seite mit der Antwort aktualisiert ...
Korrelation zwischen PM10 und PM2,5
Im Moment scheint die Korrelation vollkommen linear zu sein, aber sobald das nächste PM10-Verschmutzungsereignis eintritt, wird das Diagramm in der Lage sein, die Effizienz der Erkennung der Behältergröße zu bestätigen.
Ein interessantes Muster, nach dem es zu suchen gilt, ist außerdem die nichtlineare Kurve, die auf dem Dylos-Sensor zu sehen ist. Dieses gekrümmte Muster ist darauf zurückzuführen, dass der Sensor die verschiedenen Partikelbehälter nicht richtig erkennen kann, weil zu viele Partikel die Diode „verstopfen“. Derzeit ist die Luftverschmutzung zu niedrig, um dieses Phänomen zu erkennen, aber sobald der Winter kommt, werden die Daten bestätigen, ob dieses Muster existiert oder nicht.
Zeitreihen für Feinstaub (Indoor-Setup)
--
