具备空气质量检测功能的usb充电器的制造方法
【技术领域】
[0001 ]本发明涉及一种具备空气质量检测功能的USB充电器。
【背景技术】
[0002]目前市场上智能机终端设备普遍采用USB接口充电器进行充电，USB接口充电器是指输出端符合USB接口标准定义，利用USB输出电源直接给下级设备充电的电源转换设别。USB接口充电器通常设计一端可接入220V交流电插座，另一端提供符合USB标准定义的接口(电压和电流输出符合要求)，可接入标准的USB连接线。这种USB充电器仅实现电压转化，控制输出电流等基本功能，功能单一相对，附加价值小。本专利主要目的是使普通USB充电器具备环境控制质量检测的功能。在USB充电器内增加PM2.5、⑶2、⑶、甲醛，苯，TVOC等传感器，实现对环境空气中PM2.5浓度，C02浓度、CO浓度，苯，甲醛浓度等检测，并通过有限或无线的方式上传到智能终端或远程服务器。并且现有技术仅实现通过USB借口充电的功能，功能单一，浪费资源。
【发明内容】
[0003]本发明所要解决的技术问题是要提供一种在给手机充电的同时还能够检测居室空气中有害成分的充电器，使充电器的功能丰富多彩。实现上述目的的技术方案如下:
[0004]具备空气质量检测功能的USB充电器，包括USB充电器，其特征在于:其中USB充电器内设置空气传感器模块、微处理器，微处理器分别与空气传感器模块、USB接口电连接或信号连接，同时USB充电器内的USB充电模块还分别与微处理器、空气传感器模块电连接或信号连接，所述空气传感器模块能够检测空气中的成分含量和/或浓度，微处理器用于存储、处理空气传感器模块检测的结果；
[0005]其中，USB接口与智能终端连接，微处理器将检测结果通过USB接口传输给智能终端，同时智能终端与远程服务器信号连接或电连接，微处理器存储的检测结果通过智能终端传输给远程服务器。
[0006]空气传感器模块检测能够检测空气中的PM2.5浓度、C02浓度、CO浓度、苯浓度、甲醛浓度、TVOC浓度。
[0007]优选的，空气传感器模块内集成能够检测空气中的PM2.5浓度、C02浓度、CO浓度、苯浓度、甲醛浓度、TVOC浓度的各类传感器。
[0008]优选的，所述智能终端设备为智能手机。
[0009]在USB充电的过程中，设备主动完成环境空气质量检测，并通过充电设备将检测结果进行收集，展示或发送给远程服务器或手机，使充电器的功能多样化，同时避免有害空气对人体造成侵害，及时对有害气体采取处理措施。
【附图说明】
[0010]图1为本发明USB充电器示意图[0011 ]图2为本发明工作过程示意图
[0012]附图序号说明:USB充电器I
【具体实施方式】
[0013]下面结合附图对本发明做详细的说明。
[0014]图中，具备空气质量检测功能的USB充电器，包括USB充电器I，其中USB充电器I内设置空气传感器模块、微处理器，空气传感器模块上集成各种测量空气成分的传感器。本发明分为三个部分，分别是MCU数据处理层、智能终端处理层、云服务器层数据处理层。
[0015]微处理器分别与空气传感器模块、USB接口电连接或信号连接，同时USB充电器内的USB充电模块还分别与微处理器、空气传感器模块电连接或信号连接，所述空气传感器模块能够检测空气中的成分含量和/或浓度，例如空气传感器模块能够检测居室内空气中的PM2.5浓度、C02浓度、CO浓度、苯浓度、甲醛浓度、TV0C(挥发性有机物)浓度。微处理器用于存储空气传感器模块检测的结果;其中，USB接口与智能终端信号连接或电连接，智能终端与远程服务器信号连接，微处理器将检测结果通过USB接口的数据线传输给智能终端或远程服务器，当然传输方式还可以是无线的方式。优选智能终端设备为智能手机。
[0016]MCU数据处理层:
[0017]空气接触传感器模块，传感器模块将空气质量检测结果送到微处理器(Μ⑶)。微处理器内集成存储器形成内部存储器，微处理器将检测结果送入内部存储器进行缓存，对于存储的检测结果可以通过底层算法进行连续差值判断剔除传感器自身的误差(由于器件本身或电源波动引入的偏差)，得到二次检测结果，之后可以对连续数据(二次检测结果)进行分析，分析结果用于传感器自校准，自校准的主要作用是使传感器重新获取基准点，也就是内部检测结果的标尺。
[0018]智能终端处理层:
[0019]微处理器将空气传感器模块检测的数据转换为检测结果通过USB接口送到智能终端，智能终端内置运算模块(本地算法)或者软件，本发明中运算模块可以是现有技术中任何可以显示空气传感器模块检测结果的模块或者软件，并且运算模块内集成存储器，存储器形成本地数据库，本地数据库用于存储单点数据，所述单点数据为USB充电器传输给单个智能终端的检测数据，本地数据存储的数据是短期数据，当微处理器将数据转换为检测结果通过数据线传输给智能手机后，可以对本地数据库存储的短期数据进行优化，提升环境空气质量检测结果的准确度，至于如何优化可以采取现有的任何技术。优化后通过运算模块对本地数据库内的存储数据进行处理，本发明中运算模块采用递推平均值方式或Slope方式进行处理，采用递推平均值方式的主要目的是保证数据的有效性，滤除任何可能影响本地数据库存储结果的异常干扰信息。递推平均值方式如下所示:
[0020]Xti = Xi+X2+X3......Xn
[0021]Xt2 = X2+X3+X4......Xn+1
[0022]Xt3 = X3+X4+X5......Xn+2...
[0023]Xtn = Xn+Xn+l+Xn+2......+Xn+n
[0024]关键项定义:
[0025]X:室内USB充电器单次测试结果；
[0026]t:手机端显示刷新时间；
[0027]Xtl:手机端显示数值；
[0028]N:为数据统计项数，初始值为100;
[0029]ΔΤ:Χη与Xn-!时间间隔，目前取值为15s。
[0030]通过本地数据库缓存检测结果和使用上述处理方式可以滤除异常因子，从而提升检测结果准确度。
[0031 ] Slope 的方式
[0032]Slope的方式主要目的是对单个产品(也就是单点)，即室内空气质量测试结果和室外空气质量进行对比，本发明中室外空气质量结果是从国家方法检测结构发布的数据中直接获取的。Slope的方式如下:
[0033]Slopel=Sum(X—Xmean)*(Y—Ymean)/(X-Xmean)^(X-Xmean)
[0034]SI ope 2 = Sum (W-Wmean)* (Y-Ymean)/(ff-ffme an) * (ff-ffme an)
[0035]其中，Slopel:室内空气统计结果；
[0036]X:室内USB充电器单次测试结果；
[0037]Xmean:连续多次X平均值；
[0038]Y:采样时间；
[0039]Ymean:
[0040]Slope2:室外空气统计结果；
[0041]W:室外空气质量单次测试结果；
[0042]Wmean:连续多次平均值W平均值；
[0043]Y:采样时间。
[0044]当递推平均值方式或Slope的方式处理完成后，其结果通过用户界面，例如手机屏幕展示单点的室内空气质量状态和室外空气质量对比情况；当递推平均值方式或Slope的方式处理数据的过程中发现连续异常数据时，智能终端会主动触发传感器模块校准或提醒具有异常情况发生。智能终端处理层是对单点数据进行的处理(单点数据主要是指一个智能手机上的测试结果)。
[0045]云服务器层数据处理层:
[0046]本发明中智能终端(例如智能手机)能够连接网络，智能终端可将缓存的数据传输到远程服务器，而服务器内也具有运算模块(服务器算法)或者软件，运算模块内集成存储器，存储器形成远程数据库，远程数据库存储非单点的数据，非单点的数据是多个传感器和多个智能终端上传的所有数据，本发明中运算模块可以是现有技术中任何可以显示空气传感器模块检测结果的模块或者软件，当然还可以是本发明中描述的处理方式，本发明中通过Kmeans方式或Bayes方式将远程数据库内的存储结果进行处理。
[0047]本发明中智能手机传输到远程数据库的结果仅仅是微处理器传输给本地数据库的原始数据，因为本阶段的处理方式区别于智能终端处理层的单点数据，而是在同一时刻，所有对环境进行测试的智能手机的数据汇总，可以是一个区域，云服务器层数据处理层是对多点区域的检测数值进行统计，分析的大数据。
[0048]Kmeans方式主要目的是将某个区域的采集数据(例如海淀区)，汇聚到一个统一的值，用以描述这个区域内的室内环境空气质量(每个测试点，测试结果是分散，且存在差异化的)。
[0049]首先给出原始数据{xl，x2，...，xn}；
[0050]初始化k个随机数据ul，u2，...，uk，每一个ui都是一个聚类中心，k就是分为k类，这些xn和uk都是向量；
[0051]根据下面两个公式迭代就能求出最终所有的聚类中心U。
[0052]c“) =argjmin I x(l)-Uj 2-------------公式一;
[0053]其中x(1)是第i个测试数据，Uj是第j(l?k)的聚类中心，这个公式就是求出每一个data到k个聚类中心的距离，并求出最小距离，那么数据Xi就可以归到这一类(根据建筑分类)。
[0054]Uj = Σι? i = ll{c⑴=j}x(1)/2m i = ll{c(1) = j}-----公式二；
[0055]由于之前已经求出来每一个检测数据到每一类的聚类中心Uj，那么可以在每一类总求出其新的聚类中心(用这一类每一个检测数据到中心的距离之和除以总的检测数据)，分别对k类同样的处理，这样我们就得到了 k个新的聚类中心。
[0056]反复迭代公式一和公式二，直到聚类中心不怎么改变为止。
[0057]公式一和二中:X为单次检测结果，K为建筑物类型分类，Ui为一个类型中检测结果的聚类中心。通过算法时间将单点的检测结果先聚类到分类中心，通过多次迭代在聚类到一个区域。
[0058]Bayes 方式:
[0059]P(B|A)根据A参数值判断其数据类别B的概率，称为后验概率。P(B)是直接判断某个样本属于B的概率，