Using low-cost particle sensors in HVAC ducts
Notice bibliographique
Résumé
Low-cost sensors (LCSs) are increasingly used to measure particulate matter (PM). The possibility of using this kind of sensor within the HVAC system opens opportunities for improved control and management of indoor air quality and predictive maintenance of air filtration systems. This experimental study evaluates the effectiveness of LCSs in detecting particles within air ducts, employing three distinct types of LCSs under different testing aerosols, particle concentrations, and airstream velocities with particular emphasis non-statutory concentrations of PM2.5 and PM10. Data analysis includes statistical assessments to determine correlations and agreements to a reference laboratory-grade optical spectrometer (TSI OPS 3330). The findings underscore the suitability of LCSs for relative measurements, especially for PM2.5 concentrations, with varying degrees of accuracy for PM10 concentrations. In particular, one LCS did not perform well for PM10 for either a standardized test aerosol or for measurements of outdoor aerosol, potentially owing to the lack of a sampling fan in the sensor. The other two sensors generally had a linear response with the reference instrument for PM2.5 under test conditions with both the standardized aerosol and outdoor aerosol and at different velocity conditions. However, the agreement was generally worse at higher velocity conditions, especially for PM10, suggesting challenges associated with accurate PM10 assessments with the tested LCSs. This investigation highlights opportunities and constraints for using LCSs in HVAC systems.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».