Luftföroreningar + luftfiltrering: 4 steg

2024 Författare: John Day | [email protected]. Senast ändrad: 2024-01-30 12:42

Eleverna (Aristobulus Lam, Victor Sim, Nathan Rosenzweig och Declan Loges) vid tyska schweiziska internationella skolan arbetade med personalen på MakerBay för att ta fram ett integrerat system för luftföroreningar och luftfiltreringseffektivitet. Detta integrerade system låter dig övervaka filtrerad och ofiltrerad luftkvalitet samtidigt. Data kommer att konverteras till ett effektivitetsförhållande och visas i diagram. Detta projekt rekommenderas för 15+, även om yngre åldrar måste tänka på risken för elstötar och svårigheten med programmeringen.

Varför ska du göra det här:

Tja, vi tror att även om det verkligen finns mycket motivation att tillhandahålla data för övervakning av luftföroreningar (som förklaras i detalj på Smartcitizen webbplats, tror vi också att bara att veta hur mycket luftföroreningar som finns runt dig gör ingenting för din hälsa. Vi tror att vi måste vidta åtgärder själva, så vi skapade dessa integrerade sensorer och luftfilter.

Tillbehör

• En stor kartongbit
• 2x PC -fläktar
• Flera varianter av luftfilter
• 2 LED -lampor
• 2x Smartcitizen startpaket (köp här)
• 2x motstånd
• 1 elektrisk strömbrytare
• 1 dator som kan köra Jupyter Notebook, Matplotlib och Python
• Plus alla andra dekorationer du vill ha !!!

Steg 1: SCK -sensorinställning

Se till att du har dina två SCK -sensorer. Välj den första och anslut den till batteriet eller till din dator. Gå sedan till installationsplatsen och följ instruktionerna. Gör samma sak för den andra sensorn. När du måste namnge dem, namnge dem A respektive B för ofiltrerad och filtrerad luftsensor. Efter detta, registrera båda till samma konto och se till att du loggar in på kontot för att få data.

Kontrollera att sensorerna fungerar genom att gå till den här plattformen och söka i dina sensorers namn. Se till att det kontinuerligt postar data varje minut.

Steg 2: Kapslingsdesign

Använd den ovannämnda kartongen och lägg ut den framför dig. Alla mätningar kommer att vara enligt vår slutliga prototyp. Mät ut 12,5 cm på ena sidan och skär över kartongen. Lägg sedan fläkten på kartongen och börja använda fläkten för att rulla kartongen. När du har gjort en hel ruta markerar du punkten med en markör. Använd sax för att klippa över. Upprepa detta för den andra fläkten.

Steg 3: Ström till fläktarna

Vi gjorde en strömbrytare som slår på och stänger av luftrenaren. För att förklara hur omkopplaren fungerar kan du använda diagrammet som referens. Från vänster i diagrammet har vi en 220 volt AC till DC -omvandlare som reducerar volt till 12 volt för säker användning. Utan den här enheten blir elen från en strömkälla för farlig för oss att använda. Efter att volt har minskat avsevärt har vi 2 ledningar som är anslutna till 2 LED -lampor och strömbrytaren. Du måste löda ledningarna till LED -lamporna så att de alla är anslutna till varandra. När kretsen är klar och båda LED -lamporna har testats, anslut båda ledningarna, en positiv och en negativ, till fläkten. När installationen är klar sätter du in kontakten i uttaget. När du har gjort detta ska LED -lampan för 'power on' tändas. När du väl vrider på omkopplaren ska 'fläkten på' LED -lampan tändas och fläkten ska börja fungera.

Steg 4: Kodning

Rekommenderas för 15+

Detta program är gjort av Victor Sim. Detta program gör det möjligt att extrahera data från smarta medborgarsensorn från utvecklar -API: et för den smarta medborgarwebbplatsen och beräkna ett effektivitetsvärde. Programmet som jag använde kommer att skrivas i Python 3. Jag skrev koden på en Jupyter Notebook på en Macbook air utrustad med Mac OS (version 10.14.6).

Vad du behöver för detta program: Matplotlib Numpy Pandas JSON CSV A python 3 IDE

Steg 1: Importera nödvändiga bibliotek Du behöver urllib.request inorder för att begära åtkomst till API: t och öppna URL: en för API: et. Du behöver csv för att konvertera filen till en csv -fil som enkelt kan manipuleras. Du behöver JSON för att läsa JSON som API: et kommer i. Du behöver pandor för att enkelt kunna analysera dataramen. Matplotlib är nödvändigt för att data ska representeras i en intuitiv graf.

Steg 2: Begär åtkomst till Smart-Citizen API: Denna kod begär data från API: et. Av erfarenhet är det viktigt att sätta rubrikerna för att begära begäran för att få ett svar. De två de begärda URL: erna är formaterade så: Refererar till smarta medborgar -API: et, hämtar information om enheterna, kontrollerar ID för en viss enhet, refererar till sensor -ID 87 (PM 2.5 -sensor) och registrerar data varje minut. Den begär sedan åtkomst till API: et.

Steg 3: Öppna och analysera data:

Dessa rader läser data och sätter sedan in data i ett "vackert tryck". Detta gör data lätt att läsa och därmed lättare att felsöka.

Steg 4: Konvertera data till en CSV -fil: I dessa kodrader läser pandasbiblioteket data och konverterar dem till en csv -form som enkelt kan manipuleras. CSV -filen lagras sedan under variabeln data_csv.

Steg 5: Gör CSV -data smältbar: CSV -kolumnerna heter nu "ignorera" för den onödiga indexraden, "tid" för den tid som inspelningen spelades in och "värde" för PM 2.5 -koncentrationen registrerad. Alla snedstreck och värden tas bort så att värdena enkelt kan plottas i diagrammet.

Steg 6: Hitta medelvärdet för värdekolumnen:

Dessa rader hittar medelvärdet för värdekolumnen och lägger sedan värdena i en lista för att enkelt plotta dem.

Steg 7: Skapa mer data för jämförelse: Upprepa koden från steg 1 till 6 för sensor B att jämföra

Steg 8: Plotta data:

Linjen plottar både sensorns medel och visar skillnaden

Steg 9: Hitta effektiviteten:

Effektiviteten kan beräknas med det initiala medelvärdet och det senare medelvärdet och sedan divideras med det initiala medelvärdet. Det kan sedan beräknas i procent.

KOMPLETT: Du bör få en procentsats och en graf som utgång. Din produktion ska se ut ungefär som bilden nedan: