Luftforurensningsdeteksjon + Luftfiltrering: 4 trinn

2024 Forfatter: John Day | [email protected]. Sist endret: 2024-01-30 11:22

Studentene (Aristobulus Lam, Victor Sim, Nathan Rosenzweig og Declan Loges) fra German Swiss International School jobbet med personalet i MakerBay for å produsere et integrert system for luftforurensningsmåling og luftfiltreringseffektivitet. Dette integrerte systemet lar deg overvåke filtrert og ufiltrert luftkvalitet samtidig. Dataene vil bli konvertert til et effektivitetsforhold og bli grafisk. Dette prosjektet anbefales for 15+, selv om yngre aldre må ta hensyn til risikoen for elektrisk støt og vanskeligheten med programmeringen.

Hvorfor bør du gjøre dette:

Vel, vi tror at selv om det absolutt er mye motivasjon for å gi data for overvåking av luftforurensning (som er forklart i detalj på Smartcitizen nettsted, tror vi også at bare det å vite hvor mye luftforurensning det er rundt deg, ikke gjør noe for helsen din. Vi tror at vi må iverksette tiltak selv, så vi har laget disse integrerte sensorene og luftfilteret.

Rekvisita

• Et stort stykke papp
• 2x PC -vifter
• Flere varianter av luftfiltre
• 2 LED -lys
• 2x Smartcitizen startpakker (kjøp her)
• 2x motstander
• 1 elektrisk bryter
• 1 datamaskin som kan kjøre Jupyter Notebook, Matplotlib og Python
• Pluss alle andre dekorasjoner du vil ha !!!

Trinn 1: Oppsett av SCK -sensor

Sørg for at du har de to SCK -sensorene. Velg den første og koble den til batteriet eller datamaskinen. Gå deretter til oppsettstedet og følg instruksjonene. Gjør det samme for den andre sensoren. Når du må navngi dem, navngi dem henholdsvis A og B for ufiltrert og filtrert luftsensor. Etter dette må du registrere begge på samme konto og sørge for at du logger deg på kontoen for å få dataene.

Kontroller at sensorene fungerer ved å gå til denne plattformen og søke etter sensorene dine. Sørg for at den kontinuerlig legger ut data hvert minutt.

Trinn 2: Kapslingsdesign

Bruk den nevnte papp og legg den ut foran deg. Alle målinger vil være i henhold til vår endelige prototype. Mål ut 12,5 cm på den ene siden og skjær over pappet. Legg deretter viften på pappet, og begynn å bruke viften for å rulle pappet. Når du har laget en fullstendig firkant, merker du punktet med en markør. Bruk saks til å skjære over. Gjenta dette for den andre viften.

Trinn 3: Strøm til fansen

Vi laget en bryter som slår luftrenser på og av. For å forklare hvordan bryteren fungerer, kan du bruke diagrammet som referanse. Fra venstre til diagrammet har vi en 220 volt AC til DC -omformer som reduserer volt til 12 volt for å bruke den på en trygg måte. Uten denne enheten vil strømmen fra en strømkilde være for farlig for oss å bruke. Etter at voltene er redusert betydelig, har vi 2 ledninger som er koblet til 2 LED -lys og bryteren. Du må lodde ledningene til LED -lysene, slik at de alle er koblet til hverandre. Når kretsen er fullført og begge LED -lysene er testet, kobler du begge ledningene, en positiv og en negativ, til viften. Når oppsettet er fullført, setter du støpselet inn i kontakten. Når du har gjort dette, skal 'power on' LED'en lyse. Når du snur bryteren, skal LED -lampen for "vifte på" lyse og viften skal begynne å fungere.

Trinn 4: Koding

Anbefalt for 15+

Dette programmet er laget av Victor Sim. Dette programmet vil tillate data fra smart -borger -sensoren å bli hentet fra utvikler -API -en til smart -borgernettstedet og beregne en effektivitetsverdi. Programmet jeg brukte vil bli skrevet i Python 3. Jeg skrev koden på en Jupyter Notebook på en Macbook air utstyrt med Mac OS (versjon 10.14.6).

Hva du trenger for dette programmet: Matplotlib Numpy Pandas JSON CSV A python 3 IDE

Trinn 1: Importer de nødvendige bibliotekene Du trenger urllib.request inorder for å be om tilgang til API og for å åpne URL -en til API. Du trenger csv for å konvertere filen til en csv -fil som enkelt kan manipuleres. Du trenger JSON for å lese JSON som api -en kommer i. Du trenger pandaer for å enkelt analysere datarammen. Matplotlib er nødvendig for at dataene skal bli representert i en intuitiv graf.

Trinn 2: Be om tilgang til Smart-citizen API: Denne koden ber om data fra API-en. Erfaringsmessig er det viktig å sette overskriftene til å sende forespørselen for å få svar. De to forespurte nettadressene er formatert slik: Referere til smart citizen API, få informasjon om enhetene, kontrollere ID -en til en bestemt enhet, referere til sensor -IDen 87 (PM 2.5 -sensor) og registrere data hvert minutt. Den ber deretter om tilgang til API.

Trinn 3: Åpne og analysere dataene:

Disse linjene leser dataene og setter deretter dataene i en "pen utskrift". Dette gjør dataene lette å lese og dermed lettere å feilsøke.

Trinn 4: Konverter dataene til en CSV -fil: I disse kodelinjene leser pandas -biblioteket dataene og konverterer dem til et csv -skjema som enkelt kan manipuleres. CSV -filen lagres deretter under variabelen data_csv.

Trinn 5: Gjør CSV -data fordøyelige: CSV -kolonnene får nå navnet "ignorere" for den unødvendige indeksraden, "tid" for opptakstiden og "verdi" for PM 2.5 -konsentrasjonen registrert. Alle skråstreker og verdier fjernes slik at verdiene enkelt kan plottes på grafen.

Trinn 6: Finn gjennomsnittet av verdikolonnen:

Disse linjene finner gjennomsnittet av verdikolonnen og setter deretter verdiene i en liste for å plotte dem enkelt.

Trinn 7: Opprette flere data for sammenligning: Gjenta koden fra trinn 1 til 6 for sensor B å sammenligne

Trinn 8: Plotte dataene:

Linjen plotter midlene til både sensoren og viser forskjellen

Trinn 9: Finne effektiviteten:

Effektiviteten kan beregnes med det opprinnelige gjennomsnittet og det senere gjennomsnittet og deretter dividere med det opprinnelige gjennomsnittet. Det kan da beregnes som en prosentandel.

KOMPLETT: Du bør få en prosentandel og en graf som utgang. Produksjonen din skal se ut som bildet nedenfor: