PMS5003
PMS7003 Sensore Plantower PMS 5003 e PMS 7003
Il PMS 7003 e PMS 5003 i sensori sono la settima e la quinta generazione della serie PMSx003 sviluppata da Plantower (nome cinese 攀藤).
Configurazione dell'esperimento
Per questo esperimento, 3 PMS 7003 e 3 PMS 5003 sono collocati insieme. L'obiettivo è comprendere l'accuratezza delle letture dei singoli sensori e il potenziale livello di errore indotto dalla mancanza di una calibrazione efficiente dei sensori a basso costo.
Per ciascun sensore (PMS5003 e PMS7003), sono presenti 3 sensori (identificati come PMSx003 #1, #2 e #3) che funzionano in alternanza per un periodo di 3 minuti. Per ogni minuto, vengono raccolti solo i dati degli ultimi 30 secondi, poiché i primi 30 secondi vengono conservati per consentire al sensore di stabilizzare la propria uscita.
È presente un sensore PMS5003 aggiuntivo (numero n. 4): è un sensore (vecchio) usato che ha funzionato in modalità continua per diversi mesi all'aperto. L'obiettivo di questo sensore è capire se la precisione diminuisce con l'età (durante l'usura del laser o della ventola).
Schede tecniche: PMS5003.pdf and PMS7003.pdf.Tieni presente che i dati PMSx provenienti dal sensore sono disponibili in due versioni: '标准颗粒物' (Standard Particles o CF-1, byte 4-9) e '大气环境下' (Atmospheric Environment, byte 10 -15). È il secondo che utilizziamo per questi esperimenti (grazie a Bart per il chiarimento).
Demolizione del sensore
Le seguenti immagini sono state scattate da un PMS5003 in funzione per diversi mesi all'aperto in modalità continua.
La buona notizia è che Plantower è riuscita a realizzare un progetto meccanico piuttosto buono che previene l'accumulo di polvere sulla parte anteriore del PCB (vedi immagine A a destra), dove sono montati laser e diodo. Rispetto all'accumulo di polvere sul Dylos, questo garantisce una durata e una precisione dei dati molto migliori col tempo.
In termini di componenti elettrici ed elettronici, il PMS5003 non è molto diverso dal design iniziale del PMS1003. La CPU è ancora un Cypress CY8C4245, utilizzato da un ARM Cortex-M0 combinato che funziona a 48 Mhz con ADC dedicato campionare l'uscita dal diodo.
Dati in tempo reale
db sta per cestino e viene misurato in conteggi al minuto. Ad esempio, db2.5-um rappresenta il conteggio delle particelle con un diametro aerodinamico inferiore a 2,5 µm;
Serie temporali per le condizioni meteorologiche
Le condizioni meteorologiche, e in particolare l'umidità relativa (RH), sono necessarie poiché un'umidità relativa elevata potrebbe avere un impatto diretto sulla dimensione delle particelle rilevate dal laser. Per i sensori BAM, in realtà è richiesta un'umidità costante.
Il grafico sopra è basato sulla stazione CWOP EW2754. La tabella seguente si basa sulle letture in tempo reale della nostra stazione A12 GAIA
Serie temporali per il particolato
Si noti che i primi 3 grafici delle serie temporali mostrano i valori utilizzando l'AQI (e non i mg/m3 grezzi). L’AQI si basa sui breakpoint dell’EPA statunitense. Per PM1 vengono utilizzati i punti di interruzione PM2.5.
Per i grafici del particolato, vengono mostrate le misurazioni BAM di riferimento delle stazioni vicine, ma non prese in considerazione per il grafico delle deviazioni ~ lo scopo di questi esperimenti è comprendere la deviazione tra sensori dello stesso tipo (ad es. PMS) e non tra sensori che utilizzano tecnologie diverse (ad esempio contatore laser vs attenuazione beta).
I grafici delle deviazioni sotto ciascuna serie temporale vengono calcolati come la differenza tra il minimo (in blu) risp. valore massimo (in rosso) e la lettura media per ciascun blocco di periodo di 5 minuti. L'asse X mostra il valore medio e l'asse Y la differenza tra min/max e media. Per i primi 3 grafici delle serie temporali, la differenza è espressa in AQI: in questo modo è facile valutare il potenziale errore nel valore AQI di quei sensori a basso costo.
Confronto tra Std. Particle (particolato standard) e Std. Atmosphere (ambiente atmosferico)
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 domanda interessante è se il rapporto CF-1/SAT fa parte del processo di calibrazione effettuato da Plantower; Almeno per il PM2,5 le soglie superiori per PMS7003 e PMS5003 sono diverse (85 per il primo e 100 per il secondo). Quando saranno disponibili dati sufficienti, questa pagina verrà aggiornata con la risposta...
Correlazione tra PM10 e PM2,5
Per ora la correlazione sembra perfettamente lineare, ma non appena si verificherà il prossimo evento di inquinamento da PM10, il grafico sarà in grado di confermare l'efficienza del rilevamento delle dimensioni dei contenitori.
Inoltre, uno schema interessante da verificare è la curva non lineare, che può essere vista sul sensore Dylos. Questo andamento curvo è dovuto al fatto che il sensore non è in grado di rilevare correttamente i diversi contenitori delle particelle, causato da un numero troppo elevato di particelle che "ostruiscono" il diodo. Per ora l’inquinamento atmosferico è troppo basso per rilevare questo fenomeno, ma non appena arriverà l’inverno i dati confermeranno o meno l’esistenza di questo modello.
Serie temporali per il particolato (configurazione indoor)
--
