PMS5003
PMS7003 Sensores Plantower PMS 5003 y PMS 7003
El PMS 7003 y PMS 5003 son la séptima o quinta generación de la serie PMSx003 desarrollada por Plantower (nombre chino 攀藤).
Configuración del experimento
Para este experimento, 3 PMS 7003 y 3 PMS 5003 se ubican juntos. El objetivo es comprender la precisión de las lecturas de los sensores individuales y el nivel potencial de error inducido por la falta de calibración eficiente de sensores de bajo costo.
Para cada sensor (PMS5003 y PMS7003), hay 3 sensores (identificados como PMSx003 #1, #2 y #3) funcionando alternativamente durante un período de 3 minutos. Para cada minuto, solo se recopilan los datos de los últimos 30 segundos, ya que los primeros 30 segundos se conservan para permitir que el sensor estabilice su salida.
Hay un sensor PMS5003 adicional (número 4): es un sensor (antiguo) usado que ha estado funcionando en modo continuo durante varios meses en exteriores. El objetivo de este sensor es comprender si la precisión disminuye con la edad (durante el desgaste del láser o del ventilador).
Hojas de especificaciones: PMS5003.pdf and PMS7003.pdf.Tenga en cuenta que los datos PMSx del sensor vienen en dos tipos: '标准颗粒物' (partículas estándar o CF-1, bytes 4-9) y '大气环境下' (entorno atmosférico, bytes 10). -15). Es el segundo que utilizamos para estos experimentos (Gracias a Bart por la aclaración).
Desmontaje del sensor
Las siguientes fotografías están tomadas de un PMS5003 funcionando durante varios meses al aire libre en modo continuo.
La buena noticia es que Plantower logró hacer un diseño mecánico bastante bueno que evita la acumulación de polvo en la parte frontal de la PCB (ver imagen A a la derecha), donde se montan el láser y el diodo. En comparación con la acumulación de polvo en el Dylos, esto garantiza una vida útil y una precisión de los datos mucho mejores. con el tiempo.
En términos de componentes eléctricos y electrónicos, el PMS5003 no es muy diferente del diseño inicial del PMS1003. La CPU sigue siendo una Cypress CY8C4245, que solía funcionar con un ARM Cortex-M0 combinado que funciona a 48 Mhz con ADC dedicado. Muestreo de la salida del diodo.
Datos en tiempo real
db significa contenedor de basura y se mide en conteos por minuto. Por ejemplo, db2.5-um representa el recuento de partículas con un diámetro aerodinámico inferior a 2,5 µm;
Series temporales de condiciones meteorológicas
Se necesitan condiciones meteorológicas, y especialmente la humedad relativa (HR), ya que una HR alta podría tener un impacto directo en el tamaño de las partículas detectadas por el láser. Para los sensores BAM, en realidad existe un requisito de humedad constante.
El gráfico anterior se basa en la estación CWOP EW2754. La siguiente tabla se basa en las lecturas en tiempo real de nuestra estación GAIA A12.
Series temporales de materia particulada
Tenga en cuenta que los primeros 3 gráficos de series temporales muestran los valores utilizando AQI (y no mg/m3 brutos). El AQI se basa en los puntos de corte de la EPA de EE. UU. Para PM1, se utilizan los puntos de interrupción PM2.5.
Para los gráficos de partículas, se muestran las mediciones de BAM de referencia de las estaciones vecinas, pero no se tienen en cuenta para el gráfico de desviación. El objetivo de estos experimentos es comprender la desviación entre sensores del mismo tipo (por ejemplo, PMS) y no entre sensores que utilizan diferentes tecnologías (por ejemplo, contador láser frente a atenuación beta).
Los gráficos de desviación debajo de cada serie temporal se calculan como la diferencia entre el mínimo (en azul) resp. valor máximo (en rojo) y la lectura promedio para cada bloque de período de 5 minutos. El eje X muestra el valor promedio y el eje Y la diferencia entre mínimo/máximo y promedio. Para los primeros 3 gráficos de series temporales, la diferencia se expresa en AQI: de esta manera, es fácil evaluar el error potencial en el valor de AQI de esos sensores de bajo costo.
Comparación entre Std. Particle (partículas estándar) y Std. Atmosphere (entorno atmosférico)
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)
Una pregunta interesante es si la relación CF-1/SAT es parte del proceso de calibración realizado por Plantower; Al menos, para PM2.5 el umbral superior para PMS7003 y PMS5003 es diferente (85 para el primero y 100 para el segundo). Cuando haya suficientes datos disponibles, esta página se actualizará con la respuesta...
Correlación entre PM10 y PM2,5
Por ahora, la correlación parece perfectamente lineal, pero tan pronto como llegue el próximo evento de contaminación PM10, el gráfico podrá confirmar la eficiencia de la detección del tamaño de los contenedores.
Además, un patrón interesante a comprobar es la curva no lineal, que se puede ver en el sensor Dylos. Este patrón curvo se debe a que el sensor no puede detectar adecuadamente los diferentes contenedores de partículas, debido a que un número demasiado elevado de partículas "obstruyen" el diodo. Por ahora, la contaminación del aire es demasiado baja para detectar este fenómeno, pero en cuanto llegue el invierno los datos confirmarán la existencia de este patrón o no.
Serie temporal para partículas (configuración en interiores)
--
