Algoritmi e sistemi per la localizzazione di sorgenti di gas

CONV. R-V

AMPLIFICATORE DIFFERENZIALE

DA STRUMENTAZIONE

•struttura derivata

dall'amplificatore

differenziale

•due operazionali in più

che migliorano

l'impedenza di ingresso e

permettono di variare

l'amplificazione del

segnale differenziale

d'ingresso V variando un

in

solo componente R .

gain

METODO 1:

INSEGUIMENTO DI SCIA

ANEMOMETRO--->

vx,vy,vz

GAS SENSOR ---> ce ne

sono 6 -> 1 per ogni braccio

dell'anemometro-> la

risposta è R/R0 e per

ottenere il

gradiente(supposto

uniforme) di

concentrazione uso il

metodo dei minimi

quadrati

Ponendo l’asse x in

direzione sottovento si ha:

d = v + kg

Con k = costante

(parametro “di peso” )

•Se aumenta distanza da fonte => aumenta larghezza scia

•gradiente perpendicolare al contorno della scia => vettore g punta a sottovento

1) d*v >0 per andare controvento 

a b

2) d*g >0 per andare verso concentrazioni maggiori



Da cui : k> (V*gx)/(|g|^2) per semplicità : k=V/|g| c

RISULTATI SPERIMENTALI : la fonte viene trovata in ambiente indoor anche con

ostacoli

Impiega però diverso tempo soprattutto a causa dei tempi di risposta del sensore di

gas (60s)

PROBLEMA : se si esce dalla scia il sistema non rileva più niente e non si attiva la

ricerca !

METODO 2 (più moderno):

MAPPING

 fornisce una mappa che mostra la certezza della locazione della fonte di gas

 area considerata divisa in celle bidimensionali -> griglia

 Per ogni cella viene calcolata la certezza della presenza di una fonte con una

determinata forza applicando il MODELLO DI DIFFUSIONE TURBOLENTA

della distribuzione del gas. I risultati vengono poi aggregati stabilendo che la

fonte è nella cella dove il grado di certezza risulta più alto.

Con K= coefficiente di

diffusione turbolenta

e d=raggio della circonferenza

La concentrazione c(x,y) viene

calcolata per alcune celle della

griglia (esempio : A,B,C) usando

la formula sopracitata e viene Se la cella preselezionata contiene il gas allora

fatta una media e usata la saremo nel caso1 , altrimenti nel caso2

formula inversa.

Caso 1 (ipotesi esatta, (d)=cella con la stella) Caso 2 (ipotesi errata, cella S)

NOTA : funziona bene anche se la misura è affetta da un certo errore di misurazione

• il valore di K è stimato e precaricato nel sistema

•il risultato dipende molto da K soprattutto in ambienti outdoor !!!

•Per determinare il valore di K ottimo dobbiamo valutare il valore

efficace della distanza :

Con N = numero di celle con grado alto

di = distanza della i-esima cella dalla vera locazione della fonte

Se σ è basso => le N celle di grado alto convergono intorno alla

fonte e quindi la stima è giusta => Kottimo è quello che

minimizza σ.

MIGLIORAMENTO

Il microcontrollore calcola il K autonomamente mentre il robot è

già in funzione .

Si sfruttano i dati sulla velocità del vento.

K cresce linearmente con il valor quadratico medio di v’ (le

fluttuazioni nel valore della velocità istantanea del flusso di aria

nella direzione perpendicolare alla direzione del flusso

principale).

=> Trovato <v’^2 > , trovo anche il K ottimo che minimizza σ

LIMITI E PROBLEMI

 Ingombro dell’anemometro ultrasonico (soluzione :

MEMS)

 Tempi di risposta lenti del gas sensor (soluzione :

metodo2 perché mi sposto mentre calcolo)

 Sensibilità all’umidità troppo elevata dei sensori di gas

(ioni O- e OH- aumentano la conducibilità falsando la

risposta)

 I sistemi funzionano bene in ambienti indoor ma

hanno comportamenti discontinui in ambienti

outdoor