ระบบเฝ้าตรวจมลภาวะอากาศแบบระยะไกล

Remote aio pollution monitoring systems

Name: มานะ ศรียุทธศักดิ์

Organization : จุฬาลงกรณ์มหาวิทยาลัย. สถาบันเทคโนโลยีชีวภาพและวิศวกรรมพันธุศาสตร์

ThaSH: มลพิษทางอากาศ -- การวัด

ThaSH: มลพิษทางอากาศ -- การวิเคราะห์ข้อมูลระยะไกล

Abstract: โครงการวิจัยนี้ได้ทำการพัฒนาเฝ้าตรวจมลภาวะแบบระยะไกลขึ้น โดยมีส่วนประกอบที่สำคัญ 3 ส่วนดังนี้คือ ระบบวัดก๊าซ ระบบรับและส่งข้อมูล และระบบประมวลผล ระบบสามารถทำงานได้ 2 ลักษณะคือ แบบที่ทำการวัดได้ระยะที่ไม่ไกลมากนัก กล่าวคือ เชื่อมระบบวัดและระบบประมวลผลด้วยสายไฟ และแบบที่เชื่อมระบบวัดและระบบประมวลผลด้วยโมเดมซึ่งทำให้สามารถทำการวัดในระยะไกลเท่าที่มีสายโทรศัพท์ไปถึงได้ ระบบวัดก๊าซสามารถติดตั้งหัววัดก๊าซได้สูงสุด 5 ตัวสำหรับเก็บข้อมูล เพื่อทำการวิเคราะห์สารตัวอย่างได้ทั้งในเชิงคุณภาพและเชิงปริมาณ หัววัดก๊าซที่ใช้เป็นหัววัดก๊าซที่ทำจากสารกึ่งตัวนำ ระบบวัดเป็นระบบไหลผ่านโดยสามารถวัดสารตัวอย่างทั้งที่อยู่ในสถานะก๊าซ และสารตัวอย่างที่เป็นของเหลวได้ ระบบรับและส่งข้อมูลที่พัฒนาขั้นนั้นมี 2 แบบคือ แบบที่ไม่ใช้โมเดมสำหรับการวัดในระยะไม่ไกลมากนัก และแบบที่ใข้โมเดลสำหรับการวัดระยะไกลความเร็วที่ใช้ในการส่งข้อมูลนั้นจะใช้ความเร็ว 9600 bps โดยสามารถควบคุมความเร็วในการสุ่มตัวอย่างได้เร็วสุด 52 microsec ต่อ 1 ข้อมูล อย่างไรก็ตามในโครงการวิจัยนี้ทำการสุ่มตัวอย่างด้วยความเร็วว 0.6 วินาที ต่อ 1 ข้อมูลก็เพียงพอ ส่วนของระบบประมวลผลนั้นทำหน้าที่ในการควบคุมการวัดและรับส่งข้อมูลทั้งระบบ และทำการวิเคราะห์สารตัวอย่าง การวิเคราะห์สารตัวอย่างนั้นได้ทำทั้งหมด 3 วิธีคือ การวิเคราะห์โดยใช้ระบบเครือข่ายประสาทแบบเคลื่อนกลับ ระบบเครือข่ายประสาทแบบ Radial Basis และโคโมทริกซ์ ในการวิเคระห์ได้นำเสนอให้ใช้ลักษณะสมบัติการตอบสนองของหัววัดก๊าซต่อสารตัวอย่าง (ความเร็วในการตอบสนองขาขึ้น ค่าการตอบสนองสูงสุด และความเร็วในการตอบสนองขาลง) เป็นข้อมูลในการวิเคราะห์ การทดสอบระบบได้ทำการทดสอบ 2 ลักษณะคือ การวิเคราะห์สารตัวอย่างเชิงคุณภาพและการวิเคราะห์เชิงปริมาณ โดยได้ทำการทดสอบการวิเคราะห์สารตัวอย่าง 5 ชนิด คือ น้ำบริสุทธิ์ แอลกอฮอล์ แอมโมเนีย อาซิโตน และอะเซตัลอัลดีไฮด์ ที่มีความเข้มข้นในช่วง 0.01% ถึง 0.1% โดยปริมาตา ผลการทดสอบพบว่าโดยการใช้ระบบเครือข่ายประสาทแบบ Radial Basis จะทำให้สามารถวิเคราะห์เชิงปริมาณได้แม่นยำถึง 100% ส่วนการวิเคราะห์เชิงคุณภาพนั้นสามารถทำได้โดยการใช้ระบบเครือข่ายประสาทแบบเคลื่อนกลับ ซึ่งจะได้ความแม่นยำในการวิเคราะห์สูงถึง 100%

Abstract: A remote air pollution monitoring system is developed in this project. The system consists of 3 main parts; measuring unit, data transfer unit and data processing unit. The system can work in 2 modes. One is for a not too long distance which connect the measuring unit the data processing unit with an electrical wire. And the other connetcs the measuring system and the data processing via modem which can be worked as far as telephone line can be reached. Up to 5 gas sensors could be installed in the gas measuring unit to collect data for both qualitative and quantitative analysis of the samples. The gas sensors are made from semiconductor material. The system is a flow system which could be measured samples in both gas and liquid phase. 2 types of data transfer unit were developed. The first one is for the case which is applied for not too long distance and the modem was not used. The latter is for the long distance measurement which modem is used to transfer data at a speed at a speed of 9600 bps. The unit could be sampled as fast as 52 microsec per 1 data. However in this project, the sampling speed of 0.6/data is sufficient for data collection. The data processing unit will control the data transfering in the system and also analysis the samples. There are 3 types of analytical methods which could be applied; a analysis using back-propagation neural networks, a analysis using radial basis neural networks and chemometrics. In the analysis procedure, the effective using of response characteristics of sensors (rise-time, peak and fall-time of the response curve) is proposed. The system was tested in 2 modes; qualitative and quantitative analysis of the samples. 5 types of samples, namely de-ionized water, alcohol, amonia, acetone and acetadehyde, with the concentration in the range of 0.01%-0.1% by volume, are used. The analysis results shows that the using of radial basis neural networks provided 100% accuracy in quantitative analysis. The qualitative analysis with accuracy upto 100% could be obtained from the back-propagation neural networks.

จุฬาลงกรณ์มหาวิทยาลัย

Address: กรุงเทพมหานคร (Bangkok)

Email: cuir@car.chula.ac.th

Name: ทุนงบประมาณแผ่นดิน ปี 2538

Created: 2540

Issued: 2005-12-29

Modified: 2006-08-30

งานวิจัย/Research report

URL: http://thailis-db.car.chula.ac.th/CU_DC/April2005/Research/Mana(rem).pdf

CallNumber: 621.3678 ร229

tha

©copyrights จุฬาลงกรณ์มหาวิทยาลัย

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	Mana(rem).pdf	18.24 MB	93	2023-02-28 10:12:11

ใช้เวลา

0.026695 วินาที