KR102740160B1 - System for measuring exhaust gas and method of operation thereof - Google Patents
System for measuring exhaust gas and method of operation thereof Download PDFInfo
- Publication number
- KR102740160B1 KR102740160B1 KR1020210146078A KR20210146078A KR102740160B1 KR 102740160 B1 KR102740160 B1 KR 102740160B1 KR 1020210146078 A KR1020210146078 A KR 1020210146078A KR 20210146078 A KR20210146078 A KR 20210146078A KR 102740160 B1 KR102740160 B1 KR 102740160B1
- Authority
- KR
- South Korea
- Prior art keywords
- sensor
- exhaust gas
- value
- measurement
- pollution
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0006—Calibrating gas analysers
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N1/00—Sampling; Preparing specimens for investigation
- G01N1/02—Devices for withdrawing samples
- G01N1/22—Devices for withdrawing samples in the gaseous state
- G01N1/2247—Sampling from a flowing stream of gas
- G01N1/2258—Sampling from a flowing stream of gas in a stack or chimney
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Immunology (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Molecular Biology (AREA)
- Theoretical Computer Science (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Combustion & Propulsion (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Sampling And Sample Adjustment (AREA)
Abstract
인공 신경망을 이용하여 배출 시설 환경에 최적화되는 배출 가스 측정 시스템 및 그 동작 방법이 개시된다. 일 실시예에 따른 배출 가스 측정 시스템은 배출 시설로부터 배출 가스를 입력 받아 배출 가스의 온도 및 습도를 조절하는 전처리 장치; 및 전처리 장치로부터 전처리된 배출 가스를 입력 받아 온도, 습도 및 대기오염물질 농도를 측정하여 오염값을 계산하는 센서 장치를 포함하며, 센서 장치는 배출 시설과 직접 연결된 기준 측정 장치로부터 배출 가스의 기준 오염값 정보를 수신하여 초기화를 수행할 수 있다.An emission gas measurement system optimized for an emission facility environment using an artificial neural network and an operating method thereof are disclosed. According to one embodiment, the emission gas measurement system includes a preprocessing device that receives emission gas from an emission facility and adjusts the temperature and humidity of the emission gas; and a sensor device that receives preprocessed emission gas from the preprocessing device and measures temperature, humidity, and air pollutant concentration to calculate a pollution value, wherein the sensor device can receive reference pollution value information of the emission gas from a reference measurement device directly connected to the emission facility and perform initialization.
Description
배출 가스 측정을 위한 기술로서 특히, 인공 신경망을 이용하여 배출 시설 환경에 최적화되는 배출 가스 측정 시스템 및 그 동작 방법에 관한 것이다.As a technology for measuring exhaust gases, the present invention relates to an exhaust gas measuring system optimized for an exhaust facility environment using an artificial neural network, and an operating method thereof.
굴뚝원격감시체계는 사업장 굴뚝에 설치된 자동측정기에서 실시간 측정된 대기오염물질의 측정값을 자료수집기(Datalogger)로 전송하고, 자료수집기는 통신망(인터넷)을 통해 한국환경공단으로 전송하는 시스템이다.The chimney remote monitoring system is a system that transmits the measured values of air pollutants in real time from automatic measuring devices installed on business chimneys to a data logger, and the data logger then transmits the data to the Korea Environment Corporation via a communication network (Internet).
그러나, 굴뚝원격감시체계는 매우 고가의 장비로 대기환경보전법 상 사업장 분류 중 4,5 종에 해당하는 영세사업장에서 활용하는데 어려움이 있다. 반면, 배출 가스의 경우 매우 고온 및 다습한 성질을 가지고 있어 저가의 상용 센서를 이용하여 측정하는데 한계가 있다. 이에 따라, 인공 신경망을 이용하여 상용 센서의 정확도를 향상시킬 수 있는 기술 개발이 필요하다.However, the chimney remote monitoring system is very expensive equipment, making it difficult to use in small businesses that fall under categories 4 and 5 of the classification of businesses under the Clean Air Conservation Act. On the other hand, exhaust gas has very high temperature and high humidity, so there are limitations in measuring it using low-cost commercial sensors. Accordingly, it is necessary to develop technology that can improve the accuracy of commercial sensors using artificial neural networks.
인공 신경망을 이용하여 배출 시설 환경에 최적화되는 배출 가스 측정 시스템 및 그 동작 방법을 제공하는데 목적이 있다.The purpose is to provide an exhaust gas measurement system and its operation method that are optimized for the environment of an exhaust facility using an artificial neural network.
일 양상에 따르면, 배출 가스 측정 시스템은 배출 시설로부터 배출 가스를 입력 받아 배출 가스의 온도 및 습도를 조절하는 전처리 장치; 및 전처리 장치로부터 전처리된 배출 가스를 입력 받아 온도, 습도 및 대기오염물질 농도를 측정하여 오염값을 계산하는 센서 장치를 포함하며, 센서 장치는 배출 시설과 직접 연결된 기준 측정 장치로부터 배출 가스의 기준 오염값 정보를 수신하여 센서 측정값들을 보정함으로써 초기화를 수행할 수 있다.According to one aspect, an exhaust gas measurement system includes a preprocessing device that receives exhaust gas from an emission facility and controls the temperature and humidity of the exhaust gas; and a sensor device that receives preprocessed exhaust gas from the preprocessing device and measures temperature, humidity, and air pollutant concentration to calculate a pollution value, wherein the sensor device can perform initialization by receiving reference pollution value information of the exhaust gas from a reference measurement device directly connected to the emission facility and correcting sensor measurement values.
센서 장치는 온도 센서, 습도 센서 및 대기오염물질 측정 센서를 포함하는 센서부; 및 센서부로부터 측정 정보를 수신하여 오염값을 계산하도록 학습되는 인공 신경망을 포함하는 제어부를 포함할 수 있다. The sensor device may include a sensor unit including a temperature sensor, a humidity sensor, and an air pollutant measuring sensor; and a control unit including an artificial neural network trained to receive measurement information from the sensor unit and calculate a pollution value.
인공 신경망은 온도 센서, 습도 센서 및 대기오염물질 측정 센서 각각의 측정 정보를 입력 받아 오염값을 출력하며, 기준 측정 장치의 기준 오염값 정보와 계산된 오염값을 비교한 피드백 정보를 수신하여 학습을 수행할 수 있다. The artificial neural network receives measurement information from each of a temperature sensor, a humidity sensor, and an air pollutant measurement sensor, outputs a pollution value, and can perform learning by receiving feedback information comparing the calculated pollution value with the reference pollution value information of a reference measurement device.
센서 장치는 기준 측정 장치의 기준 오염값 정보와 계산된 오염값의 오차가 임계값 이내가 되는 경우 인공 신경망의 학습을 완료하여 초기화를 완료할 수 있다.The sensor device can complete initialization by completing learning of the artificial neural network when the error between the reference contamination value information of the reference measurement device and the calculated contamination value is within the threshold value.
센서 장치는 초기화가 완료된 경우, 기준 측정 장치로부터 기준 오염값 정보를 수신하지 않으며, 계산된 오염값을 저장부에 저장할 수 있다.When initialization is complete, the sensor device does not receive reference contamination value information from the reference measurement device and can store the calculated contamination value in the storage unit.
배출 가스 측정 시스템은 외부 사용자 단말과 통신을 수행하는 통신 장치를 더 포함하며, 센서 장치는 오염값이 소정 값 이상이 되는 경우, 통신 장치를 통하여 외부 사용자 단말로 오염값에 대한 정보를 전송할 수 있다.The exhaust gas measurement system further includes a communication device that performs communication with an external user terminal, and the sensor device can transmit information on the pollution value to the external user terminal through the communication device when the pollution value is higher than a predetermined value.
일 양상에 따르면, 배출 시설로부터 배출 가스를 입력 받아 배출 가스의 온도 및 습도를 조절하는 전처리 단계; 및 전처리된 배출 가스를 입력 받아 온도, 습도 및 대기오염물질 농도를 측정하여 오염값을 계산하는 단계를 포함하며, 오염값을 계산하는 단계는 배출 시설과 직접 연결된 기준 측정 장치로부터 배출 가스의 기준 오염값 정보를 수신하여 센서 측정값들을 보정함으로써 초기화를 수행할 수 있다.According to one aspect, the method comprises a preprocessing step of receiving exhaust gas from an emission facility and controlling the temperature and humidity of the exhaust gas; and a step of receiving preprocessed exhaust gas and measuring the temperature, humidity, and concentration of air pollutants to calculate a pollution value. The step of calculating the pollution value may include performing initialization by receiving reference pollution value information of the exhaust gas from a reference measuring device directly connected to the emission facility and correcting sensor measurement values.
인공 신경망을 이용하여 센서 측정값을 보정함으로써 보다 정확하게 대기오염물질을 측정할 수 있다.By using artificial neural networks to correct sensor measurements, air pollutants can be measured more accurately.
도 1은 일 실시예에 따른 배출 가스 측정 시스템의 구성도이다.
도 2는 일 실시예에 따른 센서 장치의 구성도이다.
도 3은 일 실시예에 따른 배출 가스 측정 방법을 도시한 흐름도이다. Figure 1 is a configuration diagram of an exhaust gas measurement system according to one embodiment.
Figure 2 is a configuration diagram of a sensor device according to one embodiment.
FIG. 3 is a flow chart illustrating a method for measuring exhaust gas according to one embodiment.
이하, 첨부된 도면을 참조하여 본 발명의 일 실시예를 상세하게 설명한다. 본 발명을 설명함에 있어 관련된 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다. 또한, 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로, 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.Hereinafter, an embodiment of the present invention will be described in detail with reference to the attached drawings. In describing the present invention, if it is judged that a detailed description of a related known function or configuration may unnecessarily obscure the gist of the present invention, the detailed description thereof will be omitted. In addition, the terms described below are terms defined in consideration of the functions in the present invention, and these may vary depending on the intention or custom of the user or operator. Therefore, the definitions should be made based on the contents throughout this specification.
이하, 배출 가스 측정 시스템 및 그 동작 방법의 실시예들을 도면들을 참고하여 자세히 설명한다.Hereinafter, embodiments of an exhaust gas measurement system and its operating method will be described in detail with reference to drawings.
도 1은 일 실시예에 따른 배출 가스 측정 시스템의 구성도이다.Figure 1 is a configuration diagram of an exhaust gas measurement system according to one embodiment.
일 실시예에 따르면, 배출 가스 측정 시스템(100)은 배출 시설로부터 배출 가스를 입력 받아 배출 가스의 온도 및 습도를 조절하는 전처리 장치(110), 및 전처리 장치로부터 전처리된 배출 가스를 입력 받아 온도, 습도 및 대기오염물질 농도를 측정하여 오염값을 계산하는 센서 장치(120)를 포함할 수 있다. According to one embodiment, the exhaust gas measurement system (100) may include a pretreatment device (110) that receives exhaust gas from an emission facility and controls the temperature and humidity of the exhaust gas, and a sensor device (120) that receives pretreated exhaust gas from the pretreatment device and measures temperature, humidity, and air pollutant concentration to calculate a pollution value.
일 예로, 배출 시설에서 발생하는 배출 가스는 고온 및 다습의 성질을 가지고 있다. 이에 따라, 고온 및 다습의 배출 가스에 포함된 대기오염물질을 직접 측정하기 위해서는 환경 조건에 강건한 센서를 이용하여야 한다. 그러나, 이러한 센서는 매우 고가이며, 공급량이 한정되어 있어 사용 및 유지 보수에 어려움이 있다. 반면, 고온 및 다습한 배출 가스의 온도 및 습도를 조절하는 전처리 과정을 거치는 경우, 환경 조건이 낮은 상용 센서를 이용하여 배출 가스에 포함된 대기오염물질을 측정할 수 있다.For example, the exhaust gas generated from the emission facility has the characteristics of high temperature and high humidity. Accordingly, in order to directly measure the air pollutants contained in the high temperature and high humidity exhaust gas, a sensor robust to environmental conditions must be used. However, such sensors are very expensive and have limited supply, making them difficult to use and maintain. On the other hand, if a pretreatment process is performed to control the temperature and humidity of the high temperature and high humidity exhaust gas, the air pollutants contained in the exhaust gas can be measured using a commercial sensor with low environmental conditions.
도 2는 일 실시예에 따른 센서 장치의 구성도이다.Figure 2 is a configuration diagram of a sensor device according to one embodiment.
일 실시예에 따르면, 센서 장치(120)는 온도 센서, 습도 센서 및 대기오염물질 측정 센서를 포함하는 센서부(121) 및 센서부(121)로부터 측정 정보를 수신하여 오염값을 계산하도록 학습되는 인공 신경망을 포함하는 제어부(123)를 포함할 수 있다. According to one embodiment, the sensor device (120) may include a sensor unit (121) including a temperature sensor, a humidity sensor, and an air pollutant measurement sensor, and a control unit (123) including an artificial neural network trained to receive measurement information from the sensor unit (121) and calculate a pollution value.
일 예에 따르면, 센서부(121)는 온도,습도, 산소 및 유량 중 적어도 하나를 측정할 수 있는 센서를 포함할 수 있다. 또한, 센서부(121)는 먼지, 일산화탄소, 질소산화물, 이산화황, 염화수소, 불화수소, 암모니아 중 적어도 하나를 측정할 수 있는 대기오염물질 측정 센서를 포함할 수 있다. According to one example, the sensor unit (121) may include a sensor capable of measuring at least one of temperature, humidity, oxygen, and flow rate. In addition, the sensor unit (121) may include an air pollutant measuring sensor capable of measuring at least one of dust, carbon monoxide, nitrogen oxides, sulfur dioxide, hydrogen chloride, hydrogen fluoride, and ammonia.
일 예에 따르면, 센서 장치(120)는 배출 시설과 직접 연결된 기준 측정 장치로부터 배출 가스의 기준 오염값 정보를 수신하여 초기화를 수행할 수 있다. According to one example, the sensor device (120) can perform initialization by receiving reference pollution value information of the exhaust gas from a reference measuring device directly connected to the emission facility.
예를 들어, 배출 가스 측정 시스템(100)을 구성하고 있는 전처리 장치(110) 및 센서 장치(120)의 센서들은 제조 과정에서 오차가 발생할 수 있다. 또한, 배출 가스 측정을 수행할 배출 시설에 따라 온도, 습도, 배출량, 대기오염물질의 종류 등의 특성이 상이할 수 있다. 이에 따라, 배출 가스 측정 시스템을 설치 후 초기화를 통한 조율(tuning) 과정이 필요할 수 있다. 특히, 인공 신경망을 통한 배출 가스의 오염 정도를 측정하기 위해서는 환경에 맞는 학습 과정이 필요하다. For example, the sensors of the preprocessing device (110) and the sensor device (120) that constitute the exhaust gas measurement system (100) may have errors during the manufacturing process. In addition, the characteristics such as temperature, humidity, emission amount, and type of air pollutant may be different depending on the emission facility where the exhaust gas measurement is performed. Accordingly, a tuning process through initialization may be required after the installation of the exhaust gas measurement system. In particular, in order to measure the degree of pollution of the exhaust gas through an artificial neural network, a learning process suitable for the environment is required.
일 실시예에 따르면, 제어부(123)에 포함된 인공 신경망은 온도 센서, 습도 센서 및 대기오염물질 측정 센서 각각의 측정 정보를 입력 받아 오염값을 출력하며, 기준 측정 장치의 기준 오염값 정보와 계산된 오염값을 비교한 피드백 정보를 수신하여 학습을 수행할 수 있다.According to one embodiment, the artificial neural network included in the control unit (123) receives measurement information from each of a temperature sensor, a humidity sensor, and an air pollutant measurement sensor, outputs a pollution value, and receives feedback information comparing the reference pollution value information of a reference measurement device with the calculated pollution value to perform learning.
일 예로, 배출 가스 측정 시스템(100)을 배출 시설에 설치 후 가동을 시작하면, 배출 시설 및 전처리 장치(110)의 동작에 따라 온도, 습도, 대기오염물질의 배출량 및 종류 등이 시시각각 변화할 수 있다. 이때, 인공 신경망은 센서부(121)를 구성하는 각각의 센서들을 통해 획득한 측정 정보를 입력 받을 수 있으며, 입력된 측정 정보에 기초하여 오염값을 계산하여 출력할 수 있다. For example, when an exhaust gas measurement system (100) is installed in an emission facility and then started to operate, the temperature, humidity, emission amount and type of air pollutants may change from time to time depending on the operation of the emission facility and pretreatment device (110). At this time, the artificial neural network can receive measurement information acquired through each sensor constituting the sensor unit (121), and calculate and output a pollution value based on the input measurement information.
일 예로, 제어부(123)는 기준 측정 장치로부터 기준 오염값 정보를 수신할 수 있다. 예를 들어, 기준 측정 장치는 고온 및 다습한 배출 가스를 직접 측정할 수 있도록 제작되어 배출 시설에서 배출되는 대기오염물질을 전처리 과정 없이 직접 측정할 수 있으며, 측정값이 공인된 장치일 수 있다. For example, the control unit (123) may receive reference pollution value information from a reference measurement device. For example, the reference measurement device may be manufactured to directly measure high temperature and humid exhaust gas, so that air pollutants emitted from an emission facility can be directly measured without a preprocessing process, and the measurement value may be an authorized device.
일 예로, 제어부(123)는 인공 신경망을 통해 계산된 오염값과 기준 측정 장치에서 측정한 기준 오염값을 비교할 수 있으며, 그 결과를 이용하여 인공 신경망을 학습시킬 수 있다. For example, the control unit (123) can compare the pollution value calculated through the artificial neural network with the reference pollution value measured by the reference measurement device, and use the result to train the artificial neural network.
일 실시예에 따르면, 센서 장치(120)는 소정 범위의 온도 및 소정 범위의 습도 내에서 기준 측정 장치의 기준 오염값 정보와 계산된 오염값의 오차가 임계값 이내가 되는 경우 인공 신경망의 학습을 완료하여 초기화를 완료할 수 있다. According to one embodiment, the sensor device (120) may complete initialization by completing learning of the artificial neural network when the error between the reference contamination value information of the reference measurement device and the calculated contamination value within a predetermined range of temperature and a predetermined range of humidity becomes within a threshold value.
일 예로, 전처리 장치(110)를 통해 센서 장치(120)로 입력되는 배출 가스의 온도 및 습도는 소정 범위 내의 값을 가질 수 있다. 예를 들어, 전처리된 배출 가스의 온도 범위는 30oC ~ 80oC 일 수 있으며, 습도 범위는 45% ~ 65% 일 수 있다. For example, the temperature and humidity of the exhaust gas input to the sensor device (120) through the preprocessing device (110) may have values within a predetermined range. For example, the temperature range of the preprocessed exhaust gas may be 30 o C to 80 o C, and the humidity range may be 45% to 65%.
이때, 인공 신경망은 온도 범위 내 소정 간격 및 습도 범위 내 소정 간격 마다 오염값에 대한 학습을 수행하며, 모든 경우에서 오염값의 오차가 임계값 이내가 되는 경우, 학습을 완료할 수 있다. 예를 들어, 온도 간격이 5oC인 경우, 30oC ~ 80oC 범위에서 5oC 간격으로 증가시키며 오염값을 계산할 수 있다. 또한, 습도 간격이 5%인 경우, 45% ~ 65% 내에서 5% 간격으로 증가시키며 오염값을 계산할 수 있다. At this time, the artificial neural network performs learning on the contamination value at predetermined intervals within the temperature range and at predetermined intervals within the humidity range, and if the error of the contamination value is within the threshold value in all cases, the learning can be completed. For example, if the temperature interval is 5 o C, the contamination value can be calculated by increasing it at 5 o C intervals within the range of 30 o C to 80 o C. In addition, if the humidity interval is 5%, the contamination value can be calculated by increasing it at 5% intervals within 45% to 65%.
예를 들어, 인공 신경망은 30oC , 45% 환경에서 배출 가스의 오염값을 계산할 수 있으며, 이 조건에서의 기준 측정 장치의 기준 오염값 정보와 계산된 오염값을 비교하여 인공 신경망을 학습시킬 수 있다. 해당 조건에서 학습이 완료된 경우, 온도 및 습도 조건을 위에서 설명한 바와 같이 변화시킬 수 있으며, 변화된 조건에서 반복적으로 인공 신경망을 학습시킬 수 있다.For example, the artificial neural network can calculate the pollution value of exhaust gas in a 30 o C, 45% environment, and the artificial neural network can be trained by comparing the calculated pollution value with the reference pollution value information of the reference measuring device under these conditions. When learning under these conditions is completed, the temperature and humidity conditions can be changed as described above, and the artificial neural network can be repeatedly trained under the changed conditions.
일 예에 따르면, 배출 시설의 공정에 따라 온도, 습도 및 대기오염물질의 배출량 및 종류 등이 달라질 수 있다. 이에 따라, 인공 신경망은 공정에 따른 센서부(121)의 측정 정보를 획득하여 오염값을 계산할 수 있다. 또한, 센서 장치(120)는 동일한 공정에서 기준 측정 장치의 기준 오염값 정보를 획득할 수 있다. 센서 장치(120)는 배출 시설의 공정에 따른 기준 측정 장치의 기준 오염값 정보와 계산된 오염값을 비교하여 인공 신경망을 학습시킬 수 있다. 이를 위해서, 초기화 과정은 오염값의 오차가 임계값 이내가 될 때까지 배출 시설의 공정을 반복 수행하여 수행될 수 있다.For example, temperature, humidity, and the amount and type of air pollutants emitted may vary depending on the process of the emission facility. Accordingly, the artificial neural network may obtain measurement information of the sensor unit (121) according to the process and calculate the pollution value. In addition, the sensor device (120) may obtain reference pollution value information of the reference measurement device in the same process. The sensor device (120) may compare the reference pollution value information of the reference measurement device according to the process of the emission facility with the calculated pollution value to train the artificial neural network. To this end, the initialization process may be performed by repeatedly performing the process of the emission facility until the error of the pollution value becomes within the threshold value.
일 실시예에 따르면, 센서 장치(120)는 초기화가 완료된 경우, 기준 측정 장치로부터 기준 오염값 정보를 수신하지 않으며, 계산된 오염값을 저장부(미도시)에 저장할 수 있다.According to one embodiment, when initialization is completed, the sensor device (120) does not receive reference contamination value information from the reference measurement device and may store the calculated contamination value in a storage unit (not shown).
일 예로, 센서 장치(120)는 초기화가 완료된 후 독립적으로 배출 가스의 오염을 측정할 수 있다. 이에 따라, 전처리 장치(110)는 배출 시설의 공정에서 발생하는 배출 가스를 전처리할 수 있으며, 센서 장치(120)는 각 공정에서 발생되는 대기오염물질을 측정할 수 있다. 또한, 센서 장치(120)는 계산된 오염값에 대한 정보를 별도의 저장부에 저장하여 관리할 수 있다. For example, the sensor device (120) can independently measure the pollution of the exhaust gas after the initialization is completed. Accordingly, the preprocessing device (110) can preprocess the exhaust gas generated in the process of the emission facility, and the sensor device (120) can measure the air pollutants generated in each process. In addition, the sensor device (120) can store and manage information on the calculated pollution value in a separate storage unit.
일 실시예에 따르면, 배출 가스 측정 시스템(100)은 외부 사용자 단말과 통신을 수행하는 통신 장치(미도시)를 더 포함할 수 있다. 예를 들어, 통신 장치는 LTE, 5G와 같은 셀룰러 통신, Wi-Fi 통신 등의 통신 기술을 이용하여 사용자 단말과 통신을 수행할 수 있다. According to one embodiment, the exhaust gas measurement system (100) may further include a communication device (not shown) that performs communication with an external user terminal. For example, the communication device may perform communication with the user terminal using a communication technology such as cellular communication such as LTE, 5G, Wi-Fi communication, etc.
일 실시예에 따르면, 센서 장치(120)는 오염값이 소정 값 이상이 되는 경우, 통신 장치를 통하여 외부 사용자 단말로 오염값에 대한 정보를 전송할 수 있다. According to one embodiment, when the contamination value is higher than a predetermined value, the sensor device (120) can transmit information about the contamination value to an external user terminal through a communication device.
일 예로, 배출 시설에서 과도한 대기오염물질을 배출하는 경우, 배출 가스 측정 시스템은 배출 시설을 관리하는 관리자에게 해당 사실을 통지할 필요가 있다. 이에 따라, 배출 가스 측정 시스템은 센서 장치(120)에서 계산된 오염값이 소정 값 이상인 경우, 미리 지정된 사용자 단말로 해당 정보를 전송하여 배출 시설의 상태를 관리하도록 할 수 있다.For example, if an emission facility emits excessive air pollutants, the emission gas measurement system needs to notify the manager managing the emission facility of the fact. Accordingly, if the pollution value calculated by the sensor device (120) is higher than a predetermined value, the emission gas measurement system can transmit the information to a pre-designated user terminal to manage the status of the emission facility.
도 3은 일 실시예에 따른 배출 가스 측정 방법을 도시한 흐름도이다.FIG. 3 is a flow chart illustrating a method for measuring exhaust gas according to one embodiment.
일 실시예에 따르면, 배출 가스 측정 시스템은 배출 시설로부터 배출 가스를 입력 받아 배출 가스의 온도 및 습도를 조절할 수 있다(310). According to one embodiment, the exhaust gas measurement system can receive exhaust gas from an exhaust facility and control the temperature and humidity of the exhaust gas (310).
일 예로, 배출 가스 측정 시스템은 고온 및 다습한 배출 가스의 온도 및 습도를 조절하는 전처리 과정을 통하여 환경 조건이 낮은 상용 센서를 이용하여 배출 가스에 포함된 대기오염물질을 측정하도록 할 수 있다.As an example, an exhaust gas measurement system can measure air pollutants contained in exhaust gas using commercial sensors with low environmental conditions through a preprocessing process that controls the temperature and humidity of high-temperature and high-humidity exhaust gas.
일 실시예에 따르면, 배출 가스 측정 시스템은 전처리된 배출 가스를 입력 받아 온도, 습도 및 대기오염물질 농도를 측정하여 오염값을 계산할 수 있다(320).According to one embodiment, the exhaust gas measurement system can receive preprocessed exhaust gas and measure temperature, humidity, and air pollutant concentration to calculate a pollution value (320).
일 실시예에 따르면, 배출 가스 측정 시스템은 온도 센서, 습도 센서 및 대기오염물질 측정 센서 등의 각종 센서 및 센서로부터 측정 정보를 수신하여 오염값을 계산하도록 학습되는 인공 신경망을 포함할 수 있다. According to one embodiment, the exhaust gas measurement system may include various sensors, such as a temperature sensor, a humidity sensor, and an air pollutant measurement sensor, and an artificial neural network trained to receive measurement information from the sensors and calculate a pollution value.
일 예에 따르면, 배출 가스 측정 시스템은 온도,습도, 산소 및 유량 중 적어도 하나를 측정할 수 있는 센서를 포함할 수 있다. 또한, 배출 가스 측정 시스템은 먼지, 일산화탄소, 질소산화물, 이산화황, 염화수소, 불화수소, 암모니아 중 적어도 하나를 측정할 수 있는 대기오염물질 측정 센서를 포함할 수 있다.In one example, the emission measurement system may include a sensor capable of measuring at least one of temperature, humidity, oxygen, and flow rate. Additionally, the emission measurement system may include an air pollutant measurement sensor capable of measuring at least one of dust, carbon monoxide, nitrogen oxides, sulfur dioxide, hydrogen chloride, hydrogen fluoride, and ammonia.
일 실시예에 따르면, 배출 가스 측정 시스템은 오염값을 계산함에 있어서, 배출 시설과 직접 연결된 기준 측정 장치로부터 배출 가스의 기준 오염값 정보를 수신하여 초기화를 수행할 수 있다. According to one embodiment, the emission gas measurement system can perform initialization by receiving reference pollution value information of the emission gas from a reference measurement device directly connected to the emission facility when calculating the pollution value.
일 실시예에 따르면, 배출 가스 측정 시스템에 포함된 인공 신경망은 온도 센서, 습도 센서 및 대기오염물질 측정 센서 각각의 측정 정보를 입력 받아 오염값을 출력하며, 기준 측정 장치의 기준 오염값 정보와 계산된 오염값을 비교한 피드백 정보를 수신하여 학습을 수행할 수 있다.According to one embodiment, an artificial neural network included in an exhaust gas measurement system receives measurement information from each of a temperature sensor, a humidity sensor, and an air pollutant measurement sensor, outputs a pollution value, and receives feedback information comparing the reference pollution value information of a reference measurement device with the calculated pollution value to perform learning.
일 예로, 인공 신경망은 각각의 센서들을 통해 획득한 측정 정보를 입력 받을 수 있으며, 입력된 측정 정보에 기초하여 오염값을 계산하여 출력할 수 있다. For example, an artificial neural network can receive measurement information acquired through each sensor, and calculate and output a contamination value based on the input measurement information.
일 예로, 배출 가스 측정 시스템은 기준 측정 장치로부터 기준 오염값 정보를 수신할 수 있다. 예를 들어, 기준 측정 장치는 고온 및 다습한 배출 가스를 직접 측정할 수 있도록 제작되어 배출 시설에서 배출되는 대기오염물질을 전처리 과정 없이 직접 측정할 수 있으며, 측정값이 공인된 장치일 수 있다. For example, the emission measurement system can receive reference pollutant value information from a reference measurement device. For example, the reference measurement device can be manufactured to directly measure high temperature and high humidity exhaust gas, so that air pollutants emitted from the emission facility can be directly measured without a pretreatment process, and the measurement value can be an authorized device.
일 예로, 배출 가스 측정 시스템은 인공 신경망을 통해 계산된 오염값과 기준 측정 장치에서 측정한 기준 오염값을 비교할 수 있으며, 그 결과를 이용하여 인공 신경망을 학습시킬 수 있다. For example, an emission gas measurement system can compare a pollution value calculated through an artificial neural network with a reference pollution value measured by a reference measurement device, and use the results to train the artificial neural network.
일 실시예에 따르면, 배출 가스 측정 시스템은 소정 범위의 온도 및 소정 범위의 습도 내에서 기준 측정 장치의 기준 오염값 정보와 계산된 오염값의 오차가 임계값 이내가 되는 경우 인공 신경망의 학습을 완료하여 초기화를 완료할 수 있다. According to one embodiment, the emission gas measurement system can complete initialization by completing learning of the artificial neural network when the error between the reference pollution value information of the reference measurement device and the calculated pollution value within a predetermined range of temperature and a predetermined range of humidity becomes within a threshold value.
일 예에 따르면, 배출 시설의 공정에 따라 온도, 습도 및 대기오염물질의 배출량 및 종류 등이 달라질 수 있다. 이에 따라, 인공 신경망은 공정에 따른 센서들의 측정 정보를 획득하여 오염값을 계산할 수 있다. 또한, 배출 가스 측정 시스템은 동일한 공정에서 기준 측정 장치의 기준 오염값 정보를 획득할 수 있다. 배출 가스 측정 시스템은 배출 시설의 공정에 따른 기준 측정 장치의 기준 오염값 정보와 계산된 오염값을 비교하여 인공 신경망을 학습시킬 수 있다. 이를 위해서, 초기화 과정은 오염값의 오차가 임계값 이내가 될 때까지 배출 시설의 공정을 반복 수행하여 수행될 수 있다.For example, temperature, humidity, and the amount and type of air pollutants emitted may vary depending on the process of the emission facility. Accordingly, the artificial neural network may obtain measurement information of sensors according to the process and calculate a pollution value. In addition, the emission gas measurement system may obtain reference pollution value information of a reference measurement device in the same process. The emission gas measurement system may train the artificial neural network by comparing the reference pollution value information of the reference measurement device according to the process of the emission facility with the calculated pollution value. To this end, the initialization process may be performed by repeatedly performing the process of the emission facility until the error of the pollution value becomes within a threshold value.
일 실시예에 따르면, 배출 가스 측정 시스템은 초기화가 완료된 경우, 기준 측정 장치로부터 기준 오염값 정보를 수신하지 않으며, 계산된 오염값을 저장할 수 있다.According to one embodiment, the emission gas measurement system may not receive reference pollution value information from the reference measurement device when initialization is completed, and may store the calculated pollution value.
일 예로, 배출 가스 측정 시스템은 초기화가 완료된 후 독립적으로 배출 가스의 오염을 측정할 수 있다. 또한, 배출 가스 측정 시스템은 계산된 오염값에 대한 정보를 별도의 저장 장치에 저장하여 관리할 수 있다. For example, the exhaust gas measurement system can independently measure the pollution of exhaust gas after initialization is completed. In addition, the exhaust gas measurement system can store and manage information on the calculated pollution value in a separate storage device.
일 실시예에 따르면, 배출 가스 측정 시스템은 외부 사용자 단말과 통신을 수행하는 통신 장치를 더 포함할 수 있다. 예를 들어, 통신 장치는 LTE, 5G와 같은 셀룰러 통신, Wi-Fi 통신 등의 통신 기술을 이용하여 사용자 단말과 통신을 수행할 수 있다. According to one embodiment, the emission gas measurement system may further include a communication device that performs communication with an external user terminal. For example, the communication device may perform communication with the user terminal using a communication technology such as cellular communication such as LTE, 5G, Wi-Fi communication, etc.
일 실시예에 따르면, 배출 가스 측정 시스템은 오염값이 소정 값 이상이 되는 경우, 통신 장치를 통하여 외부 사용자 단말로 오염값에 대한 정보를 전송할 수 있다. According to one embodiment, the exhaust gas measurement system can transmit information about the pollution value to an external user terminal via a communication device when the pollution value is higher than a predetermined value.
본 발명의 일 양상은 컴퓨터로 읽을 수 있는 기록 매체에 컴퓨터가 읽을 수 있는 코드로서 구현될 수 있다. 상기의 프로그램을 구현하는 코드들 및 코드 세그먼트들은 당해 분야의 컴퓨터 프로그래머에 의하여 용이하게 추론될 수 있다. 컴퓨터가 읽을 수 있는 기록 매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함할 수 있다. 컴퓨터가 읽을 수 있는 기록 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 디스크 등을 포함할 수 있다. 또한, 컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산 방식으로 컴퓨터가 읽을 수 있는 코드로 작성되고 실행될 수 있다.One aspect of the present invention can be implemented as computer-readable codes on a computer-readable recording medium. Codes and code segments implementing the above program can be easily inferred by a computer programmer in the art. The computer-readable recording medium can include all kinds of recording devices that store data that can be read by a computer system. Examples of the computer-readable recording medium can include ROM, RAM, CD-ROM, magnetic tape, floppy disk, optical disk, etc. In addition, the computer-readable recording medium can be distributed to computer systems connected to a network, and can be written and executed as computer-readable codes in a distributed manner.
이제까지 본 발명에 대하여 그 바람직한 실시 예들을 중심으로 살펴보았다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 따라서, 본 발명의 범위는 전술한 실시 예에 한정되지 않고 특허 청구범위에 기재된 내용과 동등한 범위 내에 있는 다양한 실시 형태가 포함되도록 해석되어야 할 것이다.The present invention has been described so far with reference to preferred embodiments thereof. Those skilled in the art will understand that the present invention can be implemented in modified forms without departing from the essential characteristics of the present invention. Accordingly, the scope of the present invention should not be limited to the above-described embodiments, but should be interpreted to include various embodiments within a scope equivalent to the contents described in the patent claims.
100: 배출 가스 측정 시스템
110: 전처리 장치
120: 센서 장치
121: 센서부
123: 제어부100: Emission measurement system
110: Preprocessing unit
120: Sensor device
121: Sensor section
123: Control Unit
Claims (7)
배출 시설로부터 배출 가스를 입력 받아 배출 가스의 온도 및 습도를 조절하는 전처리 장치; 및
상기 전처리 장치로부터 전처리된 배출 가스를 입력 받아 온도, 습도 및 대기오염물질 농도를 측정하여 오염값을 계산하는 센서 장치
를 포함하며,
상기 센서 장치는
온도 센서, 습도 센서 및 대기오염물질 측정 센서를 포함하는 센서부; 및
상기 센서부로부터 측정 정보를 수신하여 오염값을 계산하도록 학습되는 인공 신경망을 포함하는 제어부
를 포함하고,
상기 인공 신경망은
상기 온도 센서, 상기 습도 센서 및 상기 대기오염물질 측정 센서 각각의 측정 정보를 입력 받아 오염값을 출력하며,
상기 배출 시설과 직접 연결된 기준 측정 장치로부터 수신한 상기 배출 가스의 기준 오염값 정보와 상기 계산된 오염값을 비교한 피드백 정보를 수신하여 학습을 수행하고,
상기 센서 장치는
상기 기준 측정 장치로부터 상기 기준 오염값 정보를 수신하여 센서 측정값들을 보정함으로써 초기화를 수행하되, 상기 기준 측정 장치의 기준 오염값 정보와 상기 계산된 오염값의 오차가 임계값 이내가 되는 경우 상기 인공 신경망의 학습을 완료하여 초기화를 완료하는,
배출 가스 측정 시스템.
As an emission gas measuring system,
A pretreatment device that receives exhaust gas from an exhaust facility and controls the temperature and humidity of the exhaust gas; and
A sensor device that receives preprocessed exhaust gas from the above preprocessing device and measures temperature, humidity, and air pollutant concentration to calculate pollution values.
Including,
The above sensor device
A sensor unit including a temperature sensor, a humidity sensor, and an air pollutant measurement sensor; and
A control unit including an artificial neural network that is trained to receive measurement information from the above sensor unit and calculate a contamination value.
Including,
The above artificial neural network
It receives measurement information from each of the temperature sensor, humidity sensor, and air pollutant measurement sensor and outputs a pollution value.
Learning is performed by receiving feedback information comparing the reference pollution value information of the above-mentioned emission gas received from a reference measuring device directly connected to the above-mentioned emission facility with the calculated pollution value,
The above sensor device
Initialization is performed by receiving the reference contamination value information from the reference measurement device and correcting the sensor measurement values, and when the error between the reference contamination value information of the reference measurement device and the calculated contamination value is within the threshold value, the learning of the artificial neural network is completed, thereby completing the initialization.
Emission measurement system.
상기 센서 장치는
초기화가 완료된 경우, 상기 기준 측정 장치로부터 기준 오염값 정보를 수신하지 않으며, 상기 계산된 오염값을 저장부에 저장하는, 배출 가스 측정 시스템.
In paragraph 1,
The above sensor device
An exhaust gas measuring system that, when initialization is completed, does not receive reference pollution value information from the reference measuring device and stores the calculated pollution value in the storage unit.
외부 사용자 단말과 통신을 수행하는 통신 장치를 더 포함하며,
상기 센서 장치는 오염값이 소정 값 이상이 되는 경우, 상기 통신 장치를 통하여 상기 외부 사용자 단말로 오염값에 대한 정보를 전송하는, 배출 가스 측정 시스템.
In paragraph 1,
Further comprising a communication device for performing communication with an external user terminal,
An exhaust gas measurement system in which the sensor device transmits information about the pollution value to the external user terminal through the communication device when the pollution value exceeds a predetermined value.
배출 시설로부터 배출 가스를 입력 받아 배출 가스의 온도 및 습도를 조절하는 전처리 단계; 및
전처리된 배출 가스를 입력 받아 온도, 습도 및 대기오염물질 농도를 측정하여 오염값을 계산하는 단계
를 포함하며,
상기 오염값을 계산하는 단계는
온도 센서, 습도 센서 및 대기오염물질 측정 센서 각각의 측정 정보를 입력 받아 오염값을 출력하며, 상기 배출 시설과 직접 연결된 기준 측정 장치로부터 상기 배출 가스의 기준 오염값 정보를 수신하여 센서 측정값들을 보정함으로써 초기화를 수행하되, 상기 기준 오염값 정보와 상기 계산된 오염값을 비교한 피드백 정보를 수신하여 인공 신경망의 학습을 수행하고, 상기 기준 측정 장치의 기준 오염값 정보와 상기 계산된 오염값의 오차가 임계값 이내가 되는 경우 상기 인공 신경망의 학습을 완료하여 초기화를 완료하는,
배출 가스 측정 방법.
As a method for measuring exhaust gas,
A pretreatment step for receiving exhaust gas from an exhaust facility and controlling the temperature and humidity of the exhaust gas; and
Step of calculating pollution values by inputting preprocessed exhaust gas and measuring temperature, humidity, and concentration of air pollutants
Including,
The steps for calculating the above contamination value are
The system receives measurement information from each of a temperature sensor, a humidity sensor, and an air pollutant measurement sensor, outputs a pollution value, receives reference pollution value information of the exhaust gas from a reference measurement device directly connected to the emission facility, and performs initialization by correcting the sensor measurement values, while performing learning of an artificial neural network by receiving feedback information comparing the reference pollution value information with the calculated pollution value, and when the error between the reference pollution value information of the reference measurement device and the calculated pollution value is within a threshold value, the learning of the artificial neural network is completed, thereby completing initialization.
Method for measuring exhaust gases.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210146078A KR102740160B1 (en) | 2021-10-28 | 2021-10-28 | System for measuring exhaust gas and method of operation thereof |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210146078A KR102740160B1 (en) | 2021-10-28 | 2021-10-28 | System for measuring exhaust gas and method of operation thereof |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20230061678A KR20230061678A (en) | 2023-05-09 |
| KR102740160B1 true KR102740160B1 (en) | 2024-12-11 |
Family
ID=86408900
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210146078A Active KR102740160B1 (en) | 2021-10-28 | 2021-10-28 | System for measuring exhaust gas and method of operation thereof |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102740160B1 (en) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR200415138Y1 (en) * | 2006-02-14 | 2006-04-27 | 김동원 | Odor measurement device with pretreatment |
| KR101645600B1 (en) * | 2015-12-31 | 2016-08-08 | (주)센코 | Device for measuring odor by using gas sensor |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102251990B1 (en) | 2019-02-25 | 2021-05-17 | (주)일신종합환경 | Monitoring device and method for anti pollution facilities |
| KR20210063680A (en) * | 2019-11-25 | 2021-06-02 | 연세대학교 산학협력단 | Method and Apparatus for Detecting Harmful Gas Based on Artificial Intelligence |
-
2021
- 2021-10-28 KR KR1020210146078A patent/KR102740160B1/en active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR200415138Y1 (en) * | 2006-02-14 | 2006-04-27 | 김동원 | Odor measurement device with pretreatment |
| KR101645600B1 (en) * | 2015-12-31 | 2016-08-08 | (주)센코 | Device for measuring odor by using gas sensor |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20230061678A (en) | 2023-05-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP7119930B2 (en) | Environment sensor detection data processing device, processing method, computer-readable storage medium, and environment sensor system | |
| US11131639B2 (en) | Analyzer, analysis system, analysis method and program | |
| CN111247544B (en) | System and method for tracking greenhouse gas emissions associated with an entity | |
| US5970426A (en) | Emission monitoring system | |
| US7840366B1 (en) | Calibration management for volatile organic compound detector | |
| US12044641B2 (en) | Emission monitoring of flare systems | |
| US8244505B2 (en) | Predicting NOx emissions | |
| KR20080059366A (en) | Chimney remote monitoring system | |
| CN111796064A (en) | TVOC detection equipment data quality control method and system based on remote automatic calibration | |
| GB2544575A (en) | Method and apparatus for sensing and for improving sensor accuracy | |
| CN210376230U (en) | Gas detector for monitoring target gas | |
| US12399111B2 (en) | Systems and methods for measuring emissions from a building | |
| US20220260543A1 (en) | Real-time atmospheric diffusion monitoring system | |
| KR102297804B1 (en) | Apparatus, system and method of atmospheric sampling | |
| US20090309028A1 (en) | Intelligent system and method to monitor object movement | |
| US20220260539A1 (en) | Integrated monitoring system for real-time odor tracking | |
| KR102588967B1 (en) | Method of calibrating gas sensor and self-calibrating system performing method | |
| KR102740160B1 (en) | System for measuring exhaust gas and method of operation thereof | |
| CN118936760B (en) | Industrial monitoring system and method based on gas data analysis | |
| KR102130506B1 (en) | Air Quality Monitoring System | |
| WO2022049378A1 (en) | Automated sensor calibration device | |
| KR102192655B1 (en) | Method for Checking Sensor of Gas Detector | |
| US20200191759A1 (en) | Calibrating device for automatically calibrating data of measuring instrument and method thereof | |
| CN117740706A (en) | Control method and device of gas monitoring device, electronic equipment and storage medium | |
| US20220381584A1 (en) | Extensible environmental data collection pack |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PA0109 | Patent application |
Patent event code: PA01091R01D Comment text: Patent Application Patent event date: 20211028 |
|
| PA0201 | Request for examination | ||
| PG1501 | Laying open of application | ||
| E902 | Notification of reason for refusal | ||
| PE0902 | Notice of grounds for rejection |
Comment text: Notification of reason for refusal Patent event date: 20240424 Patent event code: PE09021S01D |
|
| E701 | Decision to grant or registration of patent right | ||
| PE0701 | Decision of registration |
Patent event code: PE07011S01D Comment text: Decision to Grant Registration Patent event date: 20241201 |
|
| GRNT | Written decision to grant | ||
| PR0701 | Registration of establishment |
Comment text: Registration of Establishment Patent event date: 20241204 Patent event code: PR07011E01D |
|
| PR1002 | Payment of registration fee |
Payment date: 20241205 End annual number: 3 Start annual number: 1 |
|
| PG1601 | Publication of registration |