基于STM32的小范围空气质量的监测与预报

基于 STM32 的小范围空气质量的监测与预报作 者：谢延军指导教师：王莉 教授学 科：控制工程答辩日期： 2015 年 5 月 29 日辽宁科技大学硕士学位论文13级姓名谢延军分类号 TP13 密 级 公 开 UDC 621.3 单位代码 10146 学号 132085210367 硕士学位论文基于 STM32 的小范围空气质量的监测与预报研究生姓名：谢延军指导教师 ： 王莉 教授 工作单位 ： 辽宁科技大学 论文提交日期 ： 2015.05.30 答辩日期 ： 2015.05.29 学位授予日期 ： 授予单位 ： 辽宁科技大学 论文评阅人 ： 祝洪宇 副教授 工作单位 ： 辽宁科技大学 答辩委员会主席 ： 李梅娟 教授 工作单位 ： 鞍山师范学院 “The Formant Criteria of Degree Paper at USTL“ The system of Monitoring and forecasting for small-scale air quality based on STM32byXie Yanjun(Control engineering)Supervisor: Prof. Wang LiMay 30,2015i独创性声明本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得辽宁科技大学或其它教育机构的学位或证书而使用过的材料，与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。论文作者签名： 日 期： 年 月 日关于论文使用授权的说明本人完全了解辽宁科技大学有关保留、使用学位论文的规定，即：学校有权保留送交论文的复印件，允许论文被查阅和借阅：学校可以公布论文的全部或部分内容，可以采用影印、缩印或其他复制手段保存论文。本学位论文属于： 保 密 在 年解密后适用本授权书。不保密 （请在以上方框内打“” ）论文作者签名： 日期： 年 月 日指导教师签名： 日期： 年 月 日 中 文 摘 要ii中文摘要随着社会经济的持续增长和城市人口的迅速膨胀，城市空气污染问题日益严重，空气质量的监测及其变化趋势已经越来越引起人们的关注。对空气质量的实 时监测和趋势变化进行研究分析，对居民的生活健康具有重要的意义。 论文先从硬件部分以 STM32 为主处理器设计了一个具有温湿度、紫外线PM2.5、PM10 和 SO2 测量功能的监测系统。该系统不但可以在屏幕上显示当前空气质量各项参数，而且还可以通过手机与设备上的蓝牙模块连接来获得当前测量的参数。硬件部分主要涉及了 DHT11、紫外线、 PM2.5、PM10、SO 2 传感器模块电路、LCD 显示电路、电源模块电路等电路的设计，完成了系统的硬件开发。在系统硬件确立之后，在 keil 集成开发环境上运用模块化程序设计的方法根据各个模块的不同驱动原理，运用 C 语言编程来驱动各个模块的正常工作。跟一般的小范围监测空气质量系统相比，本文的监测系统加上了 AQI 这个参数，它可以让我们更加直观的认识到当前的空气质量状况。为了求解当天的AQI，我们运用 SPSS 这个软件来分析 AQI 与影响它的六个因子之间的相关性，找出其中相关性最为显著的三个因素，建立了一个多元回归模型来求解当天的AQI。然后把这个模型导入到 STM32 中，通过测量其中几个自变量来计算出AQI。在这个回归模型的基础上，结合该市 2014 年 12 月份到 2015 年三月份的气象数据和大气环境数据，首先基于 RBF 神经网络的角度建立预测模型，然后又从 BP 神经网络的角度同样建立一个预测模型，最后拿同样的预测样本去测试哪一个模型更准确，经过对比两个预测模型得出的预测结果与实际结果后发现，RBF 神经网络模型预测的精度要高于 BP 神经网络预测模型。关键词：STM32 ；AQI；回归模型；BP 神经网络；RBF 神经网络ABSTRACTiiiABSTRACTWith the continuing growth of the social economy and the rapid expansion of the city population ,air pollution in city is becoming a serious problem ,air monitoring and its trend has attracted more and more attention .The analysis of real-time monitoring and trend of air quality have an important meaningful thing for the health of people.First of all, the article design a monitoring system for the air quality including temperature ,humidity, UV index, PM2.5, PM10 and SO2 on the base of main processor of STM32. The system can not only display the current air quality parameters on the LCD, but also on the phone screen through connecting the Bluetooth module. In the mind of hardware the system mainly refer to the module circuit of DHT11, UV sensor, PM2.5, PM10 , SO2 sensor and LCD display. After finishing designing the hardware circuit, in the keil integrated development environment we use the modular programming method and C language to write the programs for every module according to theirs different driving principle.Compared with the general narrow monitoring system for air quality, the monitoring system in this article is added the parameter. of AQI specially, and the parameter can make us realize the current air quality situation intuitively. In order to solve the AQI, we use SPSS software to analyze the relevance between AQI and its six among factors, and that find out the most significant correlation to build a multivariate regression model for solve the AQI. After that, we put the model into STM32 to calculate AQI by measuring several variables. On the basis of the regression model and combined with the meteorological and atmospheric environmental data from December 2014 to March 2015, we build a prediction model from the perspective of the BP neural network and RBF neural network. Then we test that which model is more accurate through the same samples. After comparing results from the two model, we find that the RBF neural network is more accurate than the BP neural network.Key Words：STM32，AQI，Regression model, BP neural network, RBF neural network目 录iv目 录独创性声明 .i关于论文使用授权的说明 .i中文摘要 .iiABSTRACT.iii1. 绪论 .11.1 课题研究的背景和意义 .11.1.1 雾霾天气的叙述 .11.1.2 研究意义 .21.2 国内外研究现状 .21.3 本文主要工作 .32. 系统整体设计 .42.1 监测参数的和模块的选取 .42.2 AQI 多元回归模型 .42.3 监测系统的总体介绍 .52.4 AQI 预测模型的总体介绍 .63. 小范围空气质量监测系统硬件设计 .73.1 基于 STM32F103VET6 的总体设计 .73.2 数据采集 .93.2.1 温湿度采集模块 .93.2.2 紫外线采集模块 .103.2.3 PM2.5 采集模块 .103.2.4 PM10 采集模块和 SO2 采集模块 .123.3 数据传送 .133.4 数据显示 .144. 小范围空气质量监测系统软件设计 .154.1 开发环境及程序设计流程 .154.1.1 软件开发环境 .154.1.2 仿真调试工具介绍 .164.2 各个模块驱动程序设计 .174.2.1 温湿度程序设计 .174.2.2 紫外线模块程序设计 .1