CN108872122A - 一种用于水质检测的光纤氧气传感器 - Google Patents

Abstract

本发明涉及一种用于水质检测的光纤氧气传感器，其特征在于包括激发光源、信号发射模块(一)、检测池(二)和接收模块(三)四部分组成；中心波长为304nm的LED光源由光纤耦合，其发出的光经透镜进入检测池；检测池由两个侧面装有反射镜的比色皿组成，反射镜反射荧光，增加光强；荧光信号由接收光纤传输到接收模块；接受光纤与激发光源成90°夹角，以尽量减少激发光对荧光信号的干扰；荧光信号通过一根石英光纤入射到光谱仪中进行检测，光谱数据实时发送到计算机中进行处理。所提供的传感器是一种光谱法，具有快速和可反复测定的优点。

Description

一种用于水质检测的光纤氧气传感器

技术领域

本发明涉及一种用于水质检测的光纤氧气传感器，所述的传感器可用于水体中水质检测和分析，属于传感器领域。

背景技术

目前国内水质化学需氧量的检测依旧是依据采用GB11914-89《重铬酸盐法水质化学需氧量的测定》方法测量。其测量需要采样后进行化学滴定，基于物质之间的反应间接获取待测物的含量，检测过程繁琐复杂，同时也会造成二次污染。近些年，国内外多基于纯物理的光学检测方法进行了大量的研究，并通过一些实际的实验验证证实可行。由于不需要化学试剂而不会产生二次污染，又具有检测速度快和重复检测的特点，适合实时在线检测。根据物质吸收光谱的不同来检测有机污染的技术早已问世，紫外吸光度也被有些国家作为有机污染检测的综合指标。

本发明在已报道的技术的基础上设计了一款光纤耦合紫外LED光源，拟选用中心波长为307nm的中波紫外线波段高功率LED作为光源，由水体中各成分的吸收光谱不同的原理来测定水中氧气的含量，又加入预测模型优化算法从而有望开发出便捷、高效、精度高的氧气检测系统，并通过与现有标准方法所测数值进行比对和校准，得到完整的数据比对体系，以进行水中含氧量含量的检测，从而构建本次发明。本发明所提供的传感器器检测时可少量取样便获得较高的测量准确度，同时分析过程需时较短。

发明内容

本发明的目的在于提供一种用于水质检测的光纤氧气传感器，提供的检测器用于自然水体中含氧量的检测，其提供了快捷准确的运算体系，构成的高便捷度、高精确度的检测系统具有很好的推广价值。

本发明的传感器部分的基本原理是朗伯-比尔定律，是指当一束平行单色光通过均匀、非散射的稀溶液时，溶液对光的吸收程度与溶液的浓度和液层厚度的乘积成正比。水体中的大部分有机物在紫外区域内具有吸收特性，存在共轭双键、苯环等共轭体系的化合物在紫外波段具有吸收，如苯系物、吡啶、苯酚类等。虽然此方法无法测出所有的有机物，但却能检测到一些化学滴定法无法测得的笨系物等，是一种比较客观全面的水中有机物检测法。

本发明所提供的一种用于水质检测的光纤氧气传感器主要由激发光源及信号发射模块和检测池和接收模块等组成，其中激发光源及信号发射模块(一)，包括紫外LED电路驱动板，304nm带通滤光片，信号光纤；检测池(二)，包括304nm带通滤光片，10mm×10mm的石英比色皿，反射镜，反射镜；接收模块(三)，包括304nm带通滤光片和接收光纤。其中激发光源及信号发射模块(一)和接收模块(三)在不锈钢外壳内，检测池(二)的304nm带通滤光片和两片反射镜也在不锈钢外壳内，比色皿为可拆卸设计，可将其卸下后装入样本在装回原位。

具体各部件阐述如下：

紫外LED驱动电路：

LED需要采用恒流源驱动，系统采用12V直流电源供电，通过LM7806进行电压调节。恒流输出通过MHL7136来实现。MHL7136是一款LED线性降压恒流集成电路，它的输入电压在2.7～18V，可以提供10mA～1A之间可调的输出电流。LED的正负极分别接在MHL7136的VDD端和LED端。紫外LED购自美国SETI公司，型号为LED-BL-3050。

反光镜：

比色皿的两侧后方加入紫外高反射率的反光镜以反射所激发出的荧光，增强输出荧光强度。

不锈钢防水外壳：

检测器的(一)、(三)模块和(二)模块的部分内容以不锈钢外壳进行封装，各模块之间以具有SMA接口的光纤进行连接，并在不锈钢的接口处加以防水胶封，确保仪器的安全和准确率。

本发明所述的预测模型对传统的算法进行优化，提出一种基于粒子群算法联合最小二乘支持向量(PSO_LSSVM)预测水质COD模型的优化方法，进而通过引入PCA算法对模型输入光谱数据进行降维预处理以提高模型的收敛速度。克服了LSSVM模型的精度较低、泛化能力和稳健性较差等缺点。

本发明所述的水质COD检测器由于采用紫外LED作为光源，光源强度稳定，可以多次测量，抗干扰能力强，使用寿命长，适应能力强，具有很广阔的前景。

附图说明

图1为本发明实施例的基于氧气传感器总体结构示意图，图中示例说明如下：

1.紫外LED电路驱动板 2.304nm带通滤光片 3.信号光纤

4.304nm带通滤光片 5.10mm×10mm的石英比色皿 6.反射镜

7.反射镜 8.304nm带通滤光片 9.接收光纤

图2为本发明实施例的LED驱动电路图

图3为PSO_LSSVM算法流程示意图

具体实施方式

下面结合附图进一步阐述本发明的实质性特点和显著的进步，但本发明绝非仅局限于实施例。

实施例1：

本发明所提供的氧气传感器的结构如图1所示。所述的氧气传感器主要由所述的激发光源及信号发射模块单元包括：紫外LED电路驱动板1,304nm带通滤光片2，信号光纤3；检测池模块包括：304nm带通滤光片4,10mm×10mm的石英比色皿5，反射镜6，反射镜7；接收模块包括透镜8，接收光纤9；信号光纤3和接收光纤9成90°夹角；激发光源和信号发射模块以及接收模块的全部部件和检测池的部分封装在不锈钢外壳内，各模块之间由带有SMA接头的光纤连接；将待测样本置入检测池模块的比色皿中，接通电源后，信号光纤耦合激发光源并进入比色皿，接收光纤收集经水中有机物吸收后的紫外光，传导经过304nm带通滤光片进入光谱仪，传输到计算机中。

实施例2：

1)对模型PCA降维处理

光谱仪为Ocean Optics公司的USB4000微型光纤光谱仪，每条光谱数据点为1204个。在得到数据后，首先对获得的光谱数据进行去噪、浊度校正处理；然后采用PCA算法对构成的输入样本矩阵进行冗余信息剔除。PCA分析的具体步骤如图3所示。

对于给定的样本集(x₁，y₁)，(x₂，y₂)，(x₃，y₃)，……，(x_n，y_n)，x_i∈Rⁿ为n维输入向量，Y_i为一维输出向量，n为样本数，LSSVM构造如下最小化目标函数及其约束条件：

式(1)中，ω∈Rⁿ，为权向量，ω^T为ω的转置；γ为正规化参数；e_k为误差变量；φ(x_k)是将输入向量映射到高维特征空间的函数；J(ω，e)为Lagrange函数；b∈R，为偏置参数。相应的Lagrange函数的KKT下的线性方程组为：

式(2)中，a＝[a₁，…，a_n]^T；Y＝[y₁，…，y_n]^T；K＝φ(x)^T·φ(x_k)＝K(x,x_k)，k＝1，2，…n；I＝[1，1，…1]^T，I^T为I的转置；利用最小二乘算法求解式(2)线性方程组，即得a和b得值，由此得到预测模型的决策函数：

(3)式中k须满足

2)预测模型精度分析

预测模型精度分析针对50组实验样本，随机选取40组作为模型训练样本模，10组作为预测模型。在一个D维的目标搜索空间，有N个粒子组成群体，假设第i个粒子的位置向量x_i＝(x_i1，x_i2，…，x_iD)，速度向量为v_i＝(v_i1，v_i2，…，v_iD)，根据各粒子的适应度值来评价其优劣，并找到当前时刻的个体极值p_i＝(p_i1，p_i2，…，p_iD)和全局极值p_g＝(p_g1，p_g2，…，p_gD)，对于第t次迭代，其第d维(1≤d≤D)根据下列格式迭代：

由下式进行更新：

v_id(t+1)＝w·v_id(t)+c₁r₁[p_id-x_id(t)]+c₂r₂[g_id-x_id(t)]x_id(t+1)＝x_id(t+1)+v_id(t+1) (6)

式(6)中，r₁和r₂为[0，1]之间的随机数，c₁和c₂为学习因子；w为惯性权重。

在每一维，粒子都有一个最大限制速度v_max，如果某一维的速度超过设定的v_max，那么这一维的速度就等于v_max；惯性权重一般定义为w，则

t_max为总的迭代次数，t为当前迭代次数，w_max、w_min分别为最大和最小权重因子。

本次实施例中POS的参数设置为：r₁和r₂为[0，1]之间的随机数，，c₁＝c₂＝1.8，D＝2，最大迭代次数t_max＝1000，w_max＝0.94，w_min＝0.4。算法采用标准C语言进行编写，使用MATLAB 7.0版本进行编译，最终得到C＝268.354,σ＝10.489。

Claims (7)

1.一种用于水质检测的光纤氧气传感器，其特征在于它由激发光源、信号发射模块(一)、检测池(二)和接收模块(三)四部分构成；光源发出304nm的紫外光，经过透镜进入到检测池；检测池由两个侧面装有反射镜的比色皿组成，反射镜反射荧光，增加光强；荧光信号通过光纤传输到接收模块；光纤与激发光源成90°夹角，减少激发光对荧光信号的干扰；荧光信号通过石英光纤入射到光谱仪中进行检测，光谱数据实时发送到计算机中进行处理。

2.根据权利要求1所述的传感器，其特征在于：所述的激发光源及信号发射模块(一)包括：紫外LED电路驱动板1，304nm带通滤光片2，信号光纤3；所述的检测池单元包括：304nm带通滤光片4，10mm×10mm的石英比色皿5，反射镜6，反光镜7；所述的接收模块包括透镜8，接收光纤9；所述的信号光纤3和接收光纤9都是带有SMA905接口的石英光纤且互成90°夹角，LED需要采用恒流源驱动，系统采用12V直流电源供电，通过LM7806进行电压调节。恒流输出通过MHL7136来实现。MHL7136是一款LED线性降压恒流集成电路，它的输入电压在2.7～18V，可以提供10mA～1A之间可调的输出电流。LED的正负极分别接在MHL7136的VDD端和LED端。紫外LED购自美国SETI公司，型号为LED-BL-305。

3.一种用于水质检测的光纤氧气传感器，其特征在于包括以下步骤：(1)利用权利要求1和2所述的检测器采集样本；(2)将样本所含数据进行数据归一化；(3)1#选择LSSVM预测模型参数优化的参数；(4)训练，反归一化求解模型；(5)输出结果。

4.根据权利要求3所述的一种用于水质检测的光纤氧气传感器，其特征在于利用PCA主成分分析方法将多变量的复杂问题简化为少变量问题，具体步骤如下：(1)将M个N维样本，组成样本矩阵，进行数据标准化；(2)计算样本矩阵相关系数矩阵；(3)计算相关系数矩阵的特征向量及其对应的特征值；(4)计算特征值贡献率，确定主成分。

5.根据权利要求3所述的一种用于水质检测的光纤氧气传感器，其特征在于，步骤1#包括以下部分：(1)对粒子群进行初始化设定；(2)将每一个粒子代入LSSVM模型根据模型输出结果计算，每个粒子的适应值；(3)更新粒子极值和全局极值；更新粒子的惯性权重、速度和位置直到满足终止条件；(4)输出最优参数。

6.根据权利要求3所述的一种用于水质检测的光纤氧气传感器，其特征在于对于给定的样本集(x₁，y₁)，(x₂，y₂)，(x₃，y₃)，……，(x_n，y_n)，x_i∈Rⁿ为n维输入向量，Y_i为一维输出向量，n为样本数，LSSVM构造如下最小化目标函数及其约束条件：

式(1)中，ω∈Rⁿ，为权向量，ω^T为ω的转置；γ为正规化参数；e_k为误差变量；φ(x_k)是将输入向量映射到高维特征空间的函数；J(ω，e)为Lagrange函数；b∈R，为偏置参数。相应的Lagrange函数的KKT下的线性方程组为：

式(2)中，a＝[a₁，…，a_n]^T；Y＝[y₁，…，y_n]^T；K＝φ(x)^T·φ(x_k)＝K(x,x_k)，k＝1，2，…n；I＝[1，1，…1]^T，I^T为I的转置；利用最小二乘算法求解式(2)线性方程组，即得a和b得值，由此得到预测模型的决策函数：

(3)式中k须满足

7.根据权利要求3所述的一种用于水质检测的光纤氧气传感器，在一个D维的目标搜索空间，有N个粒子组成群体，假设第i个粒子的位置向量x_i＝(x_i1，x_i2，…，x_iD)，速度向量为v_i＝(v_i1，v_i2，…，v_iD)，根据各粒子的适应度值来评价其优劣，并找到当前时刻的个体极值p_i＝(p_i1，p_i2，…，p_iD)和全局极值p_g＝(p_g1，p_g2，…，p_gD)，对于第t次迭代，其第d维(1≤d≤D)根据下列格式迭代：

由下式进行更新：

v_id(t+1)＝w·v_id(t)+c₁r₁[p_id-x_id(t)]+c₂r₂[g_id-x_id(t)]x_id(t+1)

＝x_id(t+1)+v_id(t+1) (6)

式(6)中，r₁和r₂为[0，1]之间的随机数，c₁和c₂为学习因子；w为惯性权重。

在每一维，粒子都有一个最大限制速度v_max，如果某一维的速度超过设定的v_max，那么这一维的速度就等于v_max；惯性权重一般定义为w，则

t_max为总的迭代次数，t为当前迭代次数，w_max、w_min分别为最大和最小权重因子。