|
地面气象观测是气象观测的重要组成部分，它对于了解和掌握天气变化情况，为人们的生产、生活和经济发展提供有力的保障具有重要意义。通过对天气、气候、大气等信息的准确观测，为天气预报、气候变化预测和气象科研提供准确的数据保障。由于我国偏见辽阔，地广人多，发生气象灾害，经常造成重大损失，严重影响着我国农业、工业、军事、国民经济发展和人民生活水平的提高，为此加强地面观测技术进步，实现智能便携的气象观测，对于防灾减灾是非常必要的。 目前自动气象站已近发展到了较为成熟阶段，已经实现了网络化、智能化，可以监测多种气象要素，并且能够与其他系统进行数据共享和交互。从结构上来看，当前自动气象站有 3 种，分别为紧凑型、一体式和独立式。紧凑型和一体式主要应用于农业气象观测，这两种类型的自动气象数据传输能力有限，且不会保存在本地或者云端。而独立式自动气象站可以通过 WiFi 将数据传输到集中处理器，这种类型的气象站可以将采集到的数据直接传送到云端进行集中的处理。与更传统的有人值守站相比，使用自动气象站有许多优势，能够监测和有效地反映的数据、降低成本、减少随机误差、提高可靠性、测量精度等。然而，在安装这些类型的气象站之前也面临一些困难。主要包括安装困难、与专业气象观测员的测量数据出现分歧（特别是在降水、云量和云底的情况下）、传输成本等。前瞻性通过在气象站的基础上引入网络芯片 W5500，来实现气象数据网的可视化；由志强等通过设置采集器端面算法，对同一时刻、同一要素多个探测数据进行阈值交叉验证，得出最优的探测数据；Bernardes 等设计了一种低成本的自动气象站以及智能传感器校准方法；Kustiyanto 等使用基于 Arduino 设计了一种应用于校园的气象站。上述研究均采用 RS485 通信协议将各个传感器连接起来，再通过网络上数据传输，使得自动气象站的体积和功耗增加，且对安装和调试人员有一定的技术要求，不利于大众气象观测的发展。 针对上述存在的问题，本文设计了一种多要素模块化自动气象站，其硬件为主控模块，传感器及通信模块和测风模块 3 个部分。主控模块主要负责电池的充放电管理和数据的收集，传感器及通信模块负责温度气压以及 PM 的数据采集和组网上报、测风模块负责风速风向的采集。基于模块化思想在 USB-C 接口中采用多种通信协议以适配不同的传感器。同时，为了实现模块化和小型化，设计了可用于手持测量的测风传感器，将陀螺仪数据与测风数据相融合得到最终的测量结果。 1 系统整体设计 系统结构如图 1 所示。主控芯片采用 STM32，通过一条 IIC 总线与 OLED 屏幕、SHT20 温湿度传感器、BMP240 气压传感器进行通信，将所得到的数据显示在 OLED 中，3 个串口分别与 E103-W07 模块、超声波传感器和定位模块通信。GP2710 粉尘传感器将所测量的值转换为电压输出，将输出的电压信号与 STM32 的 IO 口相连接通进入 ID 转换到电压值，最后将电压值转换为 PM 值。陀螺仪与测风传感器通过 UART 连接，作为电子罗盘。主要考虑到在手持测风的传感器会会对测风结果造成影响，因此将测风结果与传感器偏向角融合得到真实测量结果，消除人为转动的影响。 在采集到数据之后，通过构建的树形拓扑网络进行数据传输，本拓扑网络最大可以构成四级通信网，由黑节点、中间交节点和中节点构成，中节点自动气象站将采集到的数据上报给中间交节点，中间交节点收到数据之后自动向上转发，最终数据都发送到根结点气象站。根结点气象站同时与无线网络连接，数据发送到 MQTT 服务器，再经过质量控制之后送入数据库，之后通过小区域气象要素分析系统实现对数据的可视化和分析。其网络结构如图 2 所示。 2 自动气象站模块化设计 在目前的自动气象站的设计中，为了确保不同测量要素能够在互不干扰的条件下准确测量多种环境参数，需要留出足够空间来安置多个传感器，以提高系统的观测能力和扩展性，这是导致设备体积增大的一个因素。数字式传感器可以根据精确的数据输出，不仅优化了数据处理流程，还增强了系统对于复杂测量任务的适应性。因此，采用数字式传感器在所设计自动气象站中，有助于简化硬件结构，减少单个组件的体积，同时提升整体测量性能和满足多变观测需求的能力。但是，当前数字式传感器之间具有通信协议各不相同，考虑到实际应用场景，采用 USB-C 接口，在线口每条线路内都有通信协议实现模块间的通信。与传统的接口相比其体积小且内部最多可以有 24 个引脚，可以将多种不同的通信技术融合到该接口中，同时有利于之后其他气象要素的拓展。其内部如图 3 所示。 图 3 可以看到其内部不但集成了 3.3 V 和 5.0 V 两种不同的电源而且，而且实现了 3 路 UART、1 路 IIC、1 路 RS485和6路ADC的通信，可以有效地解决由于数字传感器协议不同，同一接口无法实现的问题。为此设计了如图4所示的3个模块。 模块化实施方案将设计理念划分为3大模块：主控模块、传感器模块、测风模块。3个模块均以USB-C接口为基础，在接口中将多种通信协议集成，便于模块间的通信与拓展。 1）主控模块：该模块采用STM32最小系统，以OLED屏幕和独立按键组成对采集到的气象要素数据进行处理和显示。同时，引入电源充放电管理电路，采用锂电池，为整个系统提供电能，以提高设备的便携性。 2）传感器模块：该模块集成了SHT20数字温湿度传感器、BMP240气压传感器、E103-W07通信模块、GP2710粉尘传感器。 3）测风模块：由4个垂直向下的超声波换能器、STM32最小系统、USB转TTL电路以及JY901S陀螺仪模块构成，同时外接CH340N芯片实现。实施时，需确保超声波换能器位置准确，陀螺仪模块安装正常，保证风速风向的观测精度以及数据的采集和通信。 3 测风模块硬件设计 为了满足模块化和小型化的需求设计了测风模块。由4个频率为40kHz收发一体式超声波换能器垂直向下组成，信号通过上下板之间的多次反射来传输。所设计的测风模型的直径为120mm；高为63mm；支柱距圆心55mm；直径为8mm；换能器A、B、C、D距圆心50mm；上下板之间的距离为43mm。针对测风模块的优化和计算是之前做的工作，具体的模型优化在文献[20]中说明。模型如图5所示。 由于本设计所采用的超声波换能器其频率40kHz，其可以直接通过单片机进行驱动。与200kHz的超声波换能器相比，不需要设计专门的升压电路，其原理如图6所示。 同时，为了确保超声换能器和传输线的最佳性能，需要采用匹配电路，使超声换能器的阻抗等于传输线的特性阻抗，减小反射功率从而使换能器的有用功率最大。匹配电阻R26、R27、R28和R29的大小都为4.7kΩ。超声波换能器在发送信号之后，由其余的换能器负责接收信号。信号选通器RS2255控制对哪个超声波的接收信号进行调理，其原理如图7所示。 引脚A和引脚B为控制端口，单片机通过发送逻辑电平来实现信号选通。信号在经过选通之后进入超声波信号调理电路,将超声波换能器所接收的超声波信号进行滤波放大。由于已知所接收信号的频率为 40 kHz,因此,设计中心频率为 40 kHz 的带通滤波器对超声波回波信号进行调理,其具体原理如图 8 所示。 在图 8 中,一级电路为反向多路负反馈带通滤波放大电路。在一级滤波放大电路中 R1=10 kΩR1=10kΩ, R2=3.9 kΩR2=3.9kΩ, R3=110 kΩR3=110kΩ, C1=220 pFC1=220pF, C2=220 pFC2=220pF。首先由 M 点的基尔霍夫电流定律得到式(1): IR1(s)=IR2(s)+IC1(s)+IC2(s)IR1(s)=IR2(s)+IC1(s)+IC2(s) 然后,代入电压得到式(2): UA(s)−UA(s)R1=UA(s)R2+(UA(s)−UA(s))SR1UA(s)−UA(s)=R2UA(s)+(UA(s)−UA(s))S 再由理想运放的虚短和虚断,得到式(3): UA(s)SCUA(s)SC 联立式(2)和(4)最终得到一级滤波放大电路的传递函数式(4): H(s)=UA(s)UA(s)=s1R1×1C2R1R2+1C2R2R3+1R3(C1C2+1)s+s2C1H(s)=UA(s)UA(s)=R11×C2R1R21+C2R2R31+R31(C2C1+1)s+s2C1s 其中心频率 f0f0: f0=12πR1+R2R1R2R3C1C2=41.178 kHzf0=2π1R1R2R3C1C2R1+R2=41.178kHz 可以看到,该带通滤波器的中心频率与换能器的频率基本匹配。由式(4)可以看到当传递函数分母的二次项和常数项为 0 时可以得到该换能器的放大倍数 A_1, 既: A1=−R32×R1=−5.5A1=2×R1−R3=−5.5 品质因素 Q: Q=(R1+R2)R32R1R2=4.46Q=2R1R2(R1+R2)R3=4.46 由于一级电路引入了多路负反馈,因此其放大倍数会比较小,故而需要引入第二级电路来实现对信号的放大。其主要由电阻 RS, R4 和运算放大器 SGM722 组成。其放大倍数 A_2 的计算公式为: A2=R3R4=−100A2=R4R3=−100 所以,该电路理论的放大倍数 A 为: A=A1×A2=550A=A1×A2=550 同时,为了使放大后信号尽可能不失真和缩小模块体积和控制成本,本设计采用单电源供电,采用电阻 R6, R7 进行分析,将运放正确的电压抬升到 1.65 V,以满足信号的不失真。 4 测风算法设计 所设计的测风模块是基于时差法进行测风。超声波时差法利用超声波在介质中传播时,介质的移动速度加载到超声波的速度上;在相同的传播距离内,顺向传播的时间会小于逆向传播的时间。本设计所选用的超声波换能器在发射时的角度特性如图 9 所示。 图 9 中,曲线代表换能器输出的最大强度,曲线向外扩展时,表示超声波强度的降低。由图 9 可以看到在发射信号强度衰减一半(-6 dB)时的角度为 30°,即该超声波换能器的典型发射角为 30°。 如图 10 所示,为多次反信号接收原理图,M,N 均为收发一体式的超声波换能器,距离为 L,与地面的高度为 L。超声波通过上下两个板之间的多次反射来时间传播,超声波换能器 M,N 交替收发信号,测得信号顺风传播的时间 t_{NM} 和逆风传播时间 t_{MN}。 假设,风由水平方向 M 到 N,风速为 V,超声波在 25℃的环境中超声波的传播速度为 V_0。换能器超声波信号的发射方向为 θ,则此时超声波水平的风速大小: Vx=V0sinθVx=V0sinθ 由已知的条件可得： {LMN=LVMN+V,L=LV0sinθ+VLNM=LVMN+V,L=LV0sinθ−V{LMN=VMNL+V,LNM=VMNL+V,L=V0sinθ+VLL=V0sinθ−VL 由式(11)可得水平 NM 方向的风速 V： V=L2(1tMN−1tNM)V=2L(tMN1−tNM1) 在强噪声或强干扰的恶劣环境中，复杂的环境因素导致对超声波传播时间的测量愈发困难。当前的时差法无法满足测量需求。针对这一问题，基于所设计的多反射超声波测风阵列，提出了改进的自适应滤波算法，对超声波的延时信号进行预处理。 由于本算法基于多反射超声波测风原理基于时差法，所以需要测量出超声波信号从发射到接收的时间。在所设计的多反射超声波测风阵列中，当1个超声波换能器发射时，其余3个换能器均能接收到信号，因此可以测得12组时间信号。 受到多种环境因素的干扰，在无风时其信号接收的时间也会产生波动，从而降低测量精度。为了降低干扰提高测量精度，使用变换器的LMS自适应滤波算法对超声波时间信号进行预处理。传统的LMS算法的简单程度为固定的，若窗体大小则无法有效滤除干扰，若窗体宽度过大，则会损失信号特性。本文引入窗体宽度系数σ，来调节窗体的大小。其滑动窗口的长度为M'=[size=1.21em]J(M)J(M)，M为原始窗口的大小。θ由上一个时刻的风速大小来决定，通过调节窗体的宽度，使得窗口大小可以动态变化。x表示n时刻超声波信号的传输时间。在n时刻，窗口内的数据为X_n=[x(n), x(n-1), ..., x(n-M'+1)]^T。首先，定义滤波器的权重向量W(n)，其初始值为零向量。滤波器输出Y(n)为：Y(n)=W′(n)XnY(n)=W′(n)Xn 则，期望D[n]与输出Y[n]的误差e[n]为： e[n]=D[n]−Y[n]e[n]=D[n]−Y[n] 然后，通过代价函数f(n)，依据当前时刻误差e(n)对下一时刻的权重W(n+1)进行优化，如式(15)所示。 f(n)=1M′∑i=0M′e2(n−i)f(n)=M′1i=0∑M′e2(n−i) 为了最小化f(n)，采用梯度下降法来更新滤波器。计算滤波器的系数向量W(n)的梯度： ∂f(n)∂W=∂∂W∑i=0M′e2(n−i)∂W∂f(n)=∂W∂i=0∑M′e2(n−i) 将式(14)和(15)带入式(16)得到： ∂f(n)∂W=∂∂W(1M′∑i=0M′(d(n−i)−W′(n)X(n−i))2)∂W∂f(n)=∂W∂M′1i=0∑M′(d(n−i)−W′(n)X(n−i))2 考虑到计算效率和系统的实时性，采用近似梯度更新权重，如式(18)所示。 ∂f(n)∂W≈−2x(n)e(n)∂W∂f(n)≈−2x(n)e(n) 最后，将新的权重系数W(n+1)更新： W(n+1)=W(n)+2μM′∑i=0M′e2(n−i)xn−iW(n+1)=W(n)+M′2μi=0∑M′e2(n−i)xn−i 式中：μ为步长参数，它决定了学习率或权重调整的幅度。然后，将滤波结果y(n)保存。对所有信号传播时间进行滤波之后，得到第i时刻滤波后的信号传播时间数据Y_i=[y_{(i)(i)}, y_{(i)(i)},...,y_{(i)(i)}]。然后，通过时差法来计算当前的风速和风向。由时差测风法原理，得到第i时刻的相邻超声波换能器之间的风速表达式： {VNE=L02(1tNE−1tEN)VNW=L02(1tNW−1tEW)VWS=L02(1tWS−1tSW)VES=L02(1tES−1tSE)⎩⎨⎧VNE=2L0(tNE1−tEN1)VNW=2L0(tNW1−tEW1)VWS=2L0(tWS1−tSW1)VES=2L0(tES1−tSE1) 式中：tNE,tEN,tNW,tWS,tSW,tSEtNE,tEN,tNW,tWS,tSW,tSE为相邻换能器超声波传播的时间。通过，对两个方向的风速行矢量合成可以得到当前的风速V_i和风向a_i： {Vx=VNW−VWS2Vy=VNW−VES2Vz=Vx2+Vy2ai=arcsinVxVz⎩⎨⎧Vx=2VNW−VWSVy=2VNW−VESVz=Vx2+Vy2ai=arcsinVzVx 由对角的两组换能器得到另一组测风结果，如式(22)所示。 {VNS=2L02(1tNS−1tSN)VWE=2L02(1tWE−1tEW)⎩⎨⎧VNS=22L0(tNS1−tSN1)VWE=22L0(tWE1−tEW1) 式中：tNS,tSN,tWE,tEWtNS,tSN,tWE,tEW为超声波传播的时间。对其进行矢量合成得到V_i和a_i得到： {Vz=VNS2+VWE2az=arcsinVWEVz+45∘{Vz=VNS2+VWE2az=arcsinVzVWE+45∘ 在得到两组换能器的测风结果之后，为了消除圆柱绕流对测风路径的干扰，将对角和相邻测风结果进行加权，从而得到最终的测风结果。第i时刻的权重系数w_i的计算公式为： {wi=ai−1−0×4545,wi=ai−1−0×4545,wi=1−ai−1−0×4545,wi=0{wi=45ai−1−0×45,wi=45ai−1−0×45,wi=1−45ai−1−0×45,wi=0 式中：ai−1ai−1 为上一时刻的风向角，o=(ai−145)o=(45ai−1)，最后将电子罗盘航向角 yatyat 和风向相融合得出最终的风速和风向： V=V1×wi+V2×(1−wi)V=V1×wi+V2×(1−wi) a=yat+(ai+1×wi+ai+2×(1−wi))a=yat+(ai+1×wi+ai+2×(1−wi)) 5 实验 5.1 超声波信号调理电路验证实验 首先，对超声波信号调理电路的性能进行验证，实验基于上述电路的原理图。在幅值为3 mV频率40 kHz的正弦信号上叠加一个10 mV的噪声信号，经过第一级的多路负反馈有源滤波放大电路和第二级的反向放大电路。具体实验结果如图11所示。 图11中，幅值较小且混有噪声的为输入信号，幅值较大并且显示清晰为滤波后的信号。通过对示波器的观察，发现滤波放大电路可以完好的筛选出频率为40 kHz的正弦信号，且不发生相移。由示波器显示可得到调频后的信号幅值2.8 V，因此该电路在对频率40 kHz的超声波信号实际放大倍数A=2.8 V/0.006 V≈467。实际放大倍数与理论放大倍数有一些差距，可能是因为所选用电容电阻的精度没有达到要求，以及滤波器中心频率为41.178 kHz，与超声波换能器的中心频率仍有一定偏差。 接下来，计算带通滤波器在中心频率附近的信号增益，实验用幅值为3 mV的正弦信号通过信号调理电路，得到滤波后的信号波形及幅值。增益K计算如式(26)所示。 K=20log(VoVi)K=20log(ViVo) 式中：ViVi 为输入信号，VoVo 为输出信号，通过求其30～50 kHz的增益得到如图12所示的曲线图。
图12中，横轴表示信号频率单位为kHz，纵轴表示信号增益（单位为dB），可以看出信号的中心频率为40 kHz左右，且在40 kHz左右其增益最大约为53.79 dB。其中心频率的幅度差主要由于电路中电容和电阻的精度所造成的。为了进一步验证设计滤波器的对频率的筛选特性，对原始超声波的回波信号进行快速傅里叶变换得到其频谱图，如图13所示。由图13可以发现，原始回波信号存在多个频率分量，主要为0 Hz的直流信号和40 kHz原始回波信号以及122 kHz的噪声信号，且在40 kHz信号周围仍然有多个较小的其他频率的信号分量，同时，40 kHz信号的能量很低约为0.049。接下来，对经过信号调理电路的回波信号进行快速傅里叶变换，结果如图14所示。 由图14可知，经经过信号调理后，0～200 kHz的区间内仅有一个40 kHz的频率分量，其能量约为0.36与调理前的信号相比有显著提升。 为了对频率超声波回波信号的特征，通过单片机发送8个占空比为50%，频率为40 kHz的脉冲信号，进行对角换能器一组超声波信号收发实验。回波信号经经过信号调理电路后其波形如图15所示。 由图15看到,发射端超声波换能器发射8个幅值为3.3V频率为40kHz的超声波脉冲后,信号从发射到到达第一个峰值经过了1万s,经过计算,超声波信号在该测风区域的传播距离为40.26cm,与设计基本相符。同时,由图15可知由于多径效应的影响使得信号会产生多个波峰,这将对超声波发射到接收时间的信号产生影响。为了降低这种影响,在软件上仅检测第一个波峰到达所需的时间。由于信号在传播过程中会产生衰减,因此对角换能器的所接受的信号强度必然小于相邻的换能器,为了保证所接受信号的幅值尽可能一致,通过调节发射信号的脉冲个数来实现。本文设置了邻角发送超声波脉冲的个数为6,对角超声波发送的脉冲个数为8。 5.2 改进自适应滤波算法验证实验 为了验证改进LMS自适应滤波算法的性能,对滤波前后的时间变化进行分析,如图16所示。纵轴表示时间单位为0.01ms,横轴表示采样点,虚线代表超声波信号的换能器N发送到换能器S接收时间的变化量;红线代表超声波信号的换能器S发送到换能器N接收时间的变化量;变化量为实时信号由发送到接收时间与无风时间发生时间的差值,通过单片机采集计算得出。前1000多个数据点在无风环境中的采集得到,然后,在一个方向为S到N,风速由0~5m/s且逐渐增大的风场中采集得到之后的数模点。 由图16可以看到,改进LMS滤波算法既保留了大部分信号特征又降低了环境干扰。表明了改进的LMS自适应滤波算法对环境噪声具有较强的抑制效果。 分析改进LMS自适应滤波算法与传统LMS自适应滤波算法的性能。分别计算12条测风路径在1min内的时差之和,采用传统LMS自适应滤波算法和改进的LMS自适应滤波算法分别对原始信号进行处理,实验结果如表1所示。 通过表1数据可以看出,在经过改进LMS自适应滤波算法后,所测得的同差有明显降低。对实验结果进行量化分析,求两组数据改进前后的RMSE。最终发现,改进LMS自适应滤波相比于传统LMS自适应滤波算法的RMSE降低了27.6%,表明了改进LMS自适应滤波算法能够有效抵抗环境干扰,提高测量的精确度。 5.3 温湿度4h观测连续 本实验将所设计的模块化自动气象站在放置于户外进行4h连续观测,分别采集温度、湿度和气压三个气象要素,每分钟上报一次,地点位于南京信息工程大学气象观测场。将所采集到的数据与地面自动气象站DZZ4的数据进行比较。实验结果如图17所示。 图17显示了温度、湿度和气压三个气象要素,随时间变化的趋势图。图17中标“*”线表示DZZ4的观测结果,标“O”表示所设计的模块化自动气象站的观测结果。可以初步观察到,两组温度数据变化相对稳定。温度范围在24℃~25.5℃,两组趋势的变化模式较为相似,显示出高度的线性一致性。相对湿度在55%波动,虽然存在一些小的波动,但两组数据的整体趋势保持同步,表明了相对湿度在不同条件下变化的一致性。气压在一开始有着显著随着几何相同的速率下降，这表明由两个测量点受到相同大气压力变化的影响。为了更全面地评估测量准确度是否达到业务规定的要求，采用误差分布图来对测量结果进行分析，其结果如图 18 所示。 图18中,横坐标分别为温度、湿度和气压的测量误差,纵轴为其出现次数。由温度的误差分布图直方图可以看出,其误差集中在-0.2℃~0.2℃,最大误差为0.7℃,大部分温度观测与实际值接近,误差很小;湿度观测的准确性较温度观测稍差,分布更宽,集中在-1%~1%,最大误差达到2%;气压观测的高准确性观测具有较高的准确性,气压的误差分布大部分集中在-0.5~1.5hPa,其最大误差为1.4hPa。本设计所使用的传感器均为数字式,而DZZ4自动气象站传感器为模拟式,数据采集、放大、转换过程中引入的噪声和干扰,会影响最终的测量结果。进一步结合当时的小时累计降水量进行相关性分析,具体结果如图19所示。 由图19可知,相对湿度高但相对稳定,表明空气中的水分含量高,这为降水提供了充足的水汽。然而,如果降水量实际上较小,则意味着尽管环境湿度高,但并没有足够的上升气流或其他天气动力来触发大规模的降水。温度的稳定性意味着降水事件没有显著影响该地区的温度,这与降水量较小的情况相符。气压的轻微下降趋势仍然表明了低压系统的接近,但这种低压可能没有产生预期的大量降水。通过分析,表明该地区经历了一次较轻的降水事件,与相对湿度高和气压轻微下降的观测数据相一致。 5.4 测风模块测量验证实验 由于实验条件有限，使用自制的小型风洞和风速计 AR856 进行测试。通过改变风机的档位来调节风速，通过旋转数风机和风洞来改变风向。风洞的尺寸为 30 cm × 30 cm，长度为 80 cm，前端偏离管径的风向流动更加平稳。标准仪器是型号为 AR856 的叶轮式风速仪，其相关性能参数如表 2 所示，满足本系统标定的需求。 通过所设计的上位机来接收所测量的风速和风向数据，具体实验结果如表 3 所示。 根据表 3 可知，所设计的手持自动气象站测风模块的实测数据和标准数据相比，在低风速较低时有所偏差，最大相对误差在 9.33%。风速的最大误差为 0.28 m/s。实测风向角与标准风向角相比，相对误差较小，最大在11.78%，风向角度的最大误差为4.8°。与预测的要求仍然有一定差距。 然后，在户外对风速和风向进行四小时连续观测，通过对比超声波式测风仪、风杯式测风仪和箱台自动气象站的测风模块，来验证所设计的测风模块的性能，结果如图20所示。 由图20可以看出所设计的测风模块的测量结果与另外两个相比，虽然有所偏差，但整体趋势和风速大小基本一致，仍在可控范围之内，实验测得所设计的测风模块其平均误差为0.68 m/s，故所得的实测数据较为可靠，但相比于当前高精度测风传感器仍有一定的差距。可能是由于传感器灵敏度、环境干扰(如温流)、安装位置及数据处理算法等因素的影响。 6 结论 本文基于模块的思想设计了一种便捷的多要素模块化微型自动气象站，其功耗为1.25 W可连续工作5.3 h，实现现场温度、湿度、气压、PM、风速和风向的六要素观测。相比于当前的自动气象站其体积小安装简单，只需要进行3个模块的连接。通过对数字传感器的温湿压误差的全面分析，验证了其满足观测要求。采用多路反馈电路设计的测风模块其测量的最大相对误差为14.8%，测角的相对误差为11.78%。虽然与目前的高精度测风传感器相比仍有一定的差距，但是其体积小，价格低，有利于气象观测的大众化。但是，目前所设计的自动气象站较少对土壤和雨量的采集，需要设计相应的模块使得其功能更加全面，同时，我国周边还面临很多多，所设计的微型自动气象站目前不能够在极端的天气下正常的工作，以及超声波测风受温度和PM影响较大，故而会造成测量结果产生较大的偏差，这些需要在之后的工作中未完成。 参考文献： [1]行鸿彦,李浩琪.一种多要素模块化自动气象站设计[J].电子测量技术,2025,48(09):129-139. 特别提醒：物联网专业交流群欢迎物联网行业相关的人群加入，同时群内欢迎各路社牛、大咖、前辈加入，群内除了不能发敏感内容、色情内容，以及不太建议多次发送推广内容，其他内容皆可畅聊~——交流QQ群724511126，进群的朋友请备注：姓名-单位-研究方向（无备注请恕不通过），由编辑审核后邀请入群！
| 
发表于 2025-10-12 18:57:45