CN109191819A - 一种基于聚类算法的多点水质监测分析系统及监测分析方法 - Google Patents
一种基于聚类算法的多点水质监测分析系统及监测分析方法 Download PDFInfo
- Publication number
- CN109191819A CN109191819A CN201811138007.4A CN201811138007A CN109191819A CN 109191819 A CN109191819 A CN 109191819A CN 201811138007 A CN201811138007 A CN 201811138007A CN 109191819 A CN109191819 A CN 109191819A
- Authority
- CN
- China
- Prior art keywords
- module
- data
- sub
- monitoring
- water quality
- 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.)
- Granted
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 85
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 38
- 238000004458 analytical method Methods 0.000 title abstract description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 90
- 238000004891 communication Methods 0.000 claims abstract description 76
- 238000012545 processing Methods 0.000 claims abstract description 16
- 238000013461 design Methods 0.000 claims abstract description 11
- 230000006870 function Effects 0.000 claims description 31
- 239000013598 vector Substances 0.000 claims description 24
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 claims description 23
- 229910052710 silicon Inorganic materials 0.000 claims description 23
- 239000010703 silicon Substances 0.000 claims description 23
- 238000005259 measurement Methods 0.000 claims description 20
- 238000012360 testing method Methods 0.000 claims description 16
- 239000003795 chemical substances by application Substances 0.000 claims description 15
- 230000003750 conditioning effect Effects 0.000 claims description 13
- 238000002835 absorbance Methods 0.000 claims description 12
- 239000003153 chemical reaction reagent Substances 0.000 claims description 12
- 239000013078 crystal Substances 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000013500 data storage Methods 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 5
- 230000003321 amplification Effects 0.000 claims 1
- 230000002457 bidirectional effect Effects 0.000 claims 1
- 238000003199 nucleic acid amplification method Methods 0.000 claims 1
- 241001269238 Data Species 0.000 abstract 1
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 10
- 238000006243 chemical reaction Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 229910052757 nitrogen Inorganic materials 0.000 description 5
- 238000007405 data analysis Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000002798 spectrophotometry method Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000003911 water pollution Methods 0.000 description 3
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000003912 environmental pollution Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- KMUONIBRACKNSN-UHFFFAOYSA-N potassium dichromate Chemical compound [K+].[K+].[O-][Cr](=O)(=O)O[Cr]([O-])(=O)=O KMUONIBRACKNSN-UHFFFAOYSA-N 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000003869 coulometry Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000002243 precursor Substances 0.000 description 1
- 238000010561 standard procedure Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 238000004148 unit process Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08C—TRANSMISSION SYSTEMS FOR MEASURED VALUES, CONTROL OR SIMILAR SIGNALS
- G08C17/00—Arrangements for transmitting signals characterised by the use of a wireless electrical link
- G08C17/02—Arrangements for transmitting signals characterised by the use of a wireless electrical link using a radio link
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种基于聚类算法的多点水质监测分析系统及监测分析方法,系统包括上位机部分、GPRS无线通讯模块、下位机部分和电源模块,上位机部分和下位机部分通过GPRS无线通讯模块连接,电源模块为下位机部分和GPRS无线通讯模块提供电能。方法包括下位机部分通过主控单片机控制数据采集部分内的各个子采集部分协同完成多点水质监测数据采集;下位机部分采集的数据通过GPRS无线通讯模块上传至上位机部分;上位机部分通过Labview设计GUI界面,并通过内部接口函数调用Python完成样本数据处理。本发明采集多个野外环境水质准确数据的同时,提供样本数据的在线聚类算法处理,有助于更好的分析水质情况。
Description
技术领域
本发明属于水质监测领域,尤其是一种基于聚类算法的多点水质监测分析系统及监测分析方法。
背景技术
随着工业的发展,水质污染越来越严重,化学需氧量(COD)、含氮量、水质PH值、溶液浊度等指标能反映水质污染的程度,是衡量环境质量的重要标准,目前,测量以上参数更多的使用化学方法,包括重铬酸钾标准法、库仑滴定法等,针对于不同的水质参数需要用不同的测定方法,且无法将多种参数的采集和测量集成到一种仪器上,且这些传统方法都存在试剂用量大,二次污染严重、测试时间长、操作步骤繁杂的缺点,已不适应现代化的市场需求,双通道分光光度法是一种准确快速测量多种水质参数的有效方法,仪器可通过调整紫外光源的波段长度,分别测量不同的水质参数,且两个通道可以测量同一参数的不同范围值,使结果更加精确。
一般的野外水质监测仪器只能固定在一个水质采样点进行采样,多处的水质采样结果无法做到统一采集与实时处理,且监测仪器与上位机的远程通讯直接采用GPRS模块完成,由于野外环境下的信号强度很弱,所以通讯很难做到实时性、准确性,极端条件下,无法保障仪器通讯可用性,Zigbee通讯技术不用借助于网络信号即可完成远距离通讯,其通讯距离远在蓝牙通讯之上,同时Zigbee模块可以通过点对多通讯,可以完成主控单片机与各个子监测模块之间的通讯,将各个子监测模块的监测信息进行统一采集与实时控制处理。
现存的水质监测仪器只完成了单一的数据采集功能,对于后期的数据处理并没有太多的涉及,且由于水质监测的参数众多,难以对样本数据添加合适的标签以评估水质的好坏,机器学习领域的聚类算法适用于无标签数据集的分类及数据处理工作,通过对无标记训练样本的学习来解释数据内在性质及规律,既可以用于寻找数据内在的分布结构,也可作为分类等其它学习任务的前驱。
发明内容
发明目的:一个目的是提供一种基于聚类算法的多点水质监测分析系统及监测分析方法,以解决现有技术与应用存在的上述问题,扩展水质监测仪功能,同时测量多点水质的多种参数,且借助Zigbee模块通讯解决野外环境GPRS信号弱的问题,使得水质监测工作更加方便快捷,同时,采用Labview设计用户GUI界面,并调用Python实现对水质测量数据的聚类算法,完成对水质参数的多点精确采集及数据分析。
技术方案:为实现上述发明目的,采用以下技术方案:
一种基于聚类算法的多点水质监测分析系统,包括上位机部分、GPRS无线通讯模块、下位机部分和电源模块,上位机部分和下位机部分通过GPRS无线通讯模块连接,其中:
下位机用于控制采集不同浓度范围的待测试剂参数;
GPRS无线通讯模块用于将下位机输出的数据上传至上位机部分;
上位机部分将接收到的数据进行分析处理,并进行显示;
电源模块为下位机部分和GPRS无线通讯模块提供电能。
优选的,下位机部分包括主控单片机、数据采集部分以及SD卡数据存储部分,其中,主控单片机包括控制单元、晶振、外部RTC和Zigbee主模块,数据采集部分包括多个子采集部分,每个子采集部分均包括EEPROM模块、子监测板模块、Zigbee子模块和双通道分光光度器,双通道分光光度器采集相应浓度范围的待测试剂参数传输给子监测板模块,同时EEPROM模块与子监测板模块双向连接,子监测板模块输出与Zigbee子模块的输入连接,Zigbee子模块的输出通过Zigbee主模块与控制单元连接,控制单元对接收到的数据进行处理后存储至SD卡数据动态存取部分,并通过GPRS无线通信模块传输给上位机部分;同时晶振和外部RTC为控制单元提供频率和时钟信号。
优选的,双通道分光光度器包括紫外光源1、紫外光源2、硅光电池1、硅光电池2、试管固定装置、光度器固定底座和光路通断开关,其中,试管固定装置固定在光度器固定底座上,装有待测试剂的试管放置在试管固定装置内,所述光路通断开关设置于试管固定装置内壁,两个紫外光源与两个硅光电池1分为两组,硅光电池与紫外光源相对放置,分别置于双通道分光光度器两侧;光路通断开关用来开闭双通道分光光度器内对应光路,紫外光源通过双通道分光光度器照射到待测试剂上,硅光电池用来接收吸光度的微弱模拟电流信号。
优选的,子监测板模块包括子控制单元、子晶振、子外部RTC、信号调理放大电路和双通道ADC数据采集模块,双通道分光光度器采集的数据信号经过信号调理放大电路和双通道ADC数据采集模块传送到子控制单元EEPROM数据缓存模块缓存,然后通过Zigbee子模块通讯连接将数据传送到主控单片机,经过控制单元的数据分拣、归类处理后通过GPRS无线通讯模块传送到上位机,上位机对数据进行分析处理,并通过GUI界面显示,同时有选择的将数据存储到主控单片机的SD卡内。
优选的,GPRS无线通讯模块包括SIM900模块和SIM卡连接模块,SIM900模块与下位机部分的主控单片机之间通过串口进行数据传输,由电压放大模块供电,通过GPRS网络与Internet上的上位机建立连接,将采集到的数据通过天线发送给上位机;所述SIM卡连接模块与SIM900模块电连接,由SIM900模块经过电压调理电路供电。
优选的,上位机部分包括Labview界面设计部分及Python数据处理部分,上位机部分通过Labview设计GUI界面,借助内部接口函数调用Python完成样本数据处理,所述样本数据是由多个测量得到的待测试剂参数组成的数据集,并随着新的待测试剂参数的加入,此数据集是动态可变的。
本发明另一实施例中,一种基于聚类算法的多点水质监测分析系统的监测分析方法,包括:
(1)下位机部分通过主控单片机控制数据采集部分内的各个子采集部分协同完成多点水质监测数据采集;
(2)下位机部分采集的数据通过GPRS无线通讯模块上传至上位机部分;
(3)上位机部分通过内部接口函数调用Python函数采用聚类算法完成样本数据处理,并通过Labview设计GUI界面进行显示。
进一步的,步骤(1)中子采集部分的子监测板针对不同的待测试剂通过控制PWM波的频率使得紫外光源发出不同强度和波段的紫外光,主控单片机通过Zigbee主模块分别与各个Zigbee子模块建立连接,从而进一步将控制单元接收到的上位机的指令转化为相应操作指令通过Zigbee主模块传输到各子采集部分,Zigbee主模块采用并行收发指令的方式同时与多个Zigbee子模块建立连接、收发指令,从而有选择地采集多点水质监测数据。
进一步的,步骤(2)中GPRS无线通讯模块的通讯发法为:
当系统开始启动之后,系统首先检测自身GPRS无线通讯模块通讯情况以及Zigbee模块通讯情况,其分别与上位机部分和各个子监测部分建立通讯连接,当主控单片机与上位机GPRS通讯正常、与各个子监测部分之间通讯正常时系统开始检测并传递、处理水质数据,否则,则由主控单片机重复报告发生错误的类型及系统位置;用户可通过GUI界面输入需要采集点的序号,主控单元根据输入序号通断与相应子监测部分的Zigbee通讯。
进一步的,步骤(3)中上位机部分采用聚类算法对样本数据进行处理,具体包括:
系统借助Labview直接调用Python接口函数打开Python控制台,借助Python内置的scikit-learn包内KMeans函数编码聚类算法程序,当接口正常连接,打开Pyhon控制台后,需要先导入各子监测部分测得、主控单片机分拣和归类预处理并通过GPRS无线通讯模块输入到上位机部分的多点水质监测数据集作为样本数据集D,通过用户输入的k值,从D中随机选择k个样本作为初始均值向量,计算数据集中的每个样本数据与均值向量内的各个子向量之间的距离,距离度量函数采用高斯函数计算:dij=||xj-ui||2,1≤i≤k,1≤j≤m,其中,dij表示样本数据与均值向量之间的高斯距离,xj表示待划分地样本数据,ui表示经过聚类形成的样本簇,将样本xj划分到距离最近的簇中,然后重新计算新的均值向量,并判断与之前的均值向量是否一致,若一致则聚类完成,样本数据集被划分成k个簇,若不一致则重复上面的计算步骤,直到均值向量不再变化为止。
有益效果:与现有技术相比,本发明采用了双通道的分光光度法测量水质多种参数,避免了二次污染,节约了测量成本,测量更加精确快速,测量水质参数更全面;引入Zigbee模块,通过主控机控制各子监测部分协同完成数据采集工作,且有效解决了野外GPRS信号弱的问题,尤其适用于野外环境中多个水质环境下不同水质测量参数的测量;监测分析系统更加贴近于实际应用,一定程度上满足了工业与个人需求,有助于进一步改善环境污染问题,具有很高的社会实用价值与环保价值。
附图说明
图1是本发明的监测分析系统结构图;
图2是本发明的多通道分光光度器结构示意图;
图3是本发明的系统通讯工作流程图;
图4是本发明的下位机部分结构原理图;
图5是本发明的聚类算法原理图。
具体实施方式
下面结合附图和具体实施例对本发明的技术方案进行详细说明。
本发明实施一种基于聚类算法的多点水质监测分析系统,通过采用改进的分光光度器法能够实现准确测量水质的多种参数,通过借助Zigbee模块能够实现同时测量多点水质参数,同时可以解决野外环境GPRS信号弱的问题,使得水质监测工作更加方便快捷,通过采用Labview设计用户GUI界面,并调用Python实现对水质测量数据的聚类算法,经过聚类算法处理过后的样本数据集,内部的样本数据会根据水质内部参数特性自动聚在一起,形成k个样本簇,用户可根据生成的样本簇对不同地点的水质进行区分,有区别的判断各个地点的水质污染情况,也可以通过对水质较差区域的样本簇进行分析,发现这一区域水质污染主要的影响因素是水质的哪种参数(COD、PH、含氮量等)。系统整体协调工作,完成对水质参数的多点精确采集及数据分析,其中下位机部分子控制单元与控制单元采用STM32F103RBT6作为主芯片,协调各模块有序工作。
参见图1,在本发明一实施例中,一种基于聚类算法的多点水质监测分析系统包括上位机部分、GPRS无线通讯模块、下位机部分和电源模块,上位机部分和下位机部分通过GPRS无线通讯模块连接,电源模块为下位机部分和GPRS无线通讯模块提供电能;其中,
上位机部分包含Labview界面设计部分及Python数据处理部分,上位机部分通过Labview设计GUI界面,借助内部接口函数调用Python完成样本数据处理。所述上位机Labview界面设计部分主要包括用户输入模块、数据接收模块、数据显示模块、数据存储模块,所述用户输入模块主要通过前面板按钮帮助用户输入控制命令,所述数据接收模块利用Labview通信工具中TCPListen函数侦听来自主控单片机连接请求,并在指定端口等待GPRS无线通讯模块通过TCP连接请求,建立连接后,利用TCP Read函数读取终端传输的数据,将TCP Read函数工作模式设置为standard,即等待直至读取所有指定的字节或“超时毫秒”用完,返回当前已经读取的字节,倘若读取字节数少于设置的固定字节数,则报告错误;所述数据显示模块将获取到的数据经过格式转换,即通过编码-解码地方式,将通过GPRS无线通讯编码传输的数据解码成需要的数字、字符串等格式数据,此过程通过Labview自带的格式转换子vi完成,然后将数据以表格形式显示数据在前面板的可视化界面上;所述数据存储模块通过Write To Spreadsheet File函数,把数据写入本地文件夹下的电子表格中以供离线处理。
所述上位机Python数据处理部分通过Labview内部接口函数Open PythonSession打开Python,并且通过Create Session函数编码完成后续数据处理操作,通过Python Node函数调用Python脚本,用Close Python Session函数结束Python调用,防止内存泄漏。由于Python内部集成了关于机器学习算法的大量包,直接调用scikit-learn中的KMeans函数可完成对样本数据集的聚类算法,通过无监督的自主学习算法过程,让样本数据集内的各个样本数据自发的形成k个样本簇,每个样本簇内的样本数据在水质的各项参数以及水质好坏方面都有着最大的相似性,可以让用户更直观更方便地观察水质分析结果,划分不同地点的水质情况,帮助用户更好的分析多点的水质数据特性、发现对水质影响最大的水质参数,在使用Create Session函数打开python程序控制台程序编辑页面后可以在其中编码实现相关算法。
所述下位机部分包含主控单片机、数据采集部分以及SD卡数据存储部分,其中,主控单片机包括控制单元、晶振、外部RTC和Zigbee主模块,晶振和外部RTC的输出分别与控制单元的输入端连接,并分别为控制单元提供频率信号和时钟信号;Zigbee主模块与控制单元双向连接;数据采集部分由多个子采集部分组成,每个子采集部分均包括EEPROM模块、子监测板模块、Zigbee子模块和双通道分光光度器,双通道分光光度器采集多点不同浓度范围的待测试剂参数,并输出给子监测板模块,子监测板模块对数据处理后缓存至EEPROM模块,另一方面子监测板模块的输出与Zigbee子模块的输入连接,Zigbee子模块与主控单片机的Zigbee主模块连接;SD卡数据存储部分与主控单片机连接;主控单片机控制数据采集部分内的各个子采集模块协同完成数据采集。
所述GPRS无线通讯模块包括SIM900模块和SIM卡连接模块,所述SIM900模块与主控单片机之间通过串口进行数据传输,由电压放大模块提供4v电压,通过GPRS网络与Internet上的上位机建立连接,将采集到的数据通过天线发送给上位机;所述SIM卡连接模块与SIM900模块电连接,由SIM900模块经过电压调理电路提供3v或1.8v电压,根据通信公司提供的SIM模块自动选择。
电源模块包括3v直流电源驱动和电压放大模块,3v直流电源驱动由两节1.5v干电池组成,电压放大模块由PT1301芯片组成,负责将3v电压转化为3.3v、4v和5v输出到下位机不同部分。
参见图2,本发明的双通道分光光度器包括紫外光源1、紫外光源2、硅光电池1、硅光电池2、试管固定装置、光度器固定底座和光路通断开关,所述光路通断开关紧密贴合于试管固定装置内壁,保证当有试剂插入时可以稳定触发开关;两个紫外光源与两个硅光电池分为两组,硅光电池与紫外光源相对放置,分别置于双通道分光光度器两侧,紫外光源发出的光只能经过双通道分光光度器内的相应通道到达相对的硅光电池,最大程度上减小了光路损失和外界干扰,所以可以提高测量精度;装有待测试剂的试管固定在试管固定装置内,光路通断开关用来开闭双通道分光光度器内对应光路,硅光电池用来接收吸光度的微弱模拟电流信号,所述紫外光源1和紫外光源2可根据子监测板的控制命令发出不同强度和波长的紫外光,子监测板针对不同的待测试剂通过控制PWM波的频率使得紫外光源发出不同强度和波段的紫外光,不同的紫外光针对于不同的水质参数有比较好的吸光度特性,比如,水质COD浓度适合用420nm及620nm波段范围的紫外光监测,低波长对应低浓度范围有更好的吸光度特性,高波长对应高浓度范围有更好的吸光度特性,双通道分光光度器借助此原理,通过通断两通道,可测量不同浓度范围的待测试剂参数。
紫外光源根据一定的PWM波的频率发出对应于当前待测试剂参数的波长及强度,当光透过待测试剂后,光信号被硅光电池接收,硅光电池将接收到的光信号转化为电信号,然后输出给信号调理放大电路,再通过双通道ADC数据采集模块传输给子控制单元进行处理,将数据转化为支持Zigbee传输的字节码格式,并将处理后的数据缓存到EEPROM数据缓存模块,在这个过程中,会有一部分光强度被待测试剂吸收掉,损失掉的光照强度即所谓的待测试剂吸光度,根据不同待测试剂的吸光度大小,可分别得出待测试剂的当前待测参数的大小。
参见图3,当系统开始启动之后,系统会首先检测自身GPRS无线通讯模块通讯情况以及Zigbee子模块以及Zigbee主模块之间的通讯情况,这两个阶段的通讯连接检测过程都在主控单片机上进行,主控单片机通过分别与上位机和各个子监测部分建立通讯连接,起到控制系统正常运转以及数据传递、数据整合的作用,当主控单片机与上位机GPRS通讯正常、与各个子监测部分之间通讯正常时系统开始检测并传递、处理水质数据,否则,则由主控单片机重复报告发生错误的类型及系统位置。用户可通过GUI界面输入需要采集点的序号,主控单元根据输入序号通断与相应子监测部分的Zigbee通讯,以达到实时控制水质数据采集点的目的。当GPRS无线通讯模块与Zigbee子模块、Zigbee主模块通讯都正常时,远程控制过程开始,首先建立GPRS通讯连接,然后在上位机的控制下,主控单片机打开相应Zigbee子模块的通讯接口,与对应的Zigbee子模块建立通讯连接,主控单片机通过Zigbee主模块、Zigbee子模块传递控制信息,控制监测板开始检测。
参见图4,主控单片机通过GPRS无线通讯模块与上位机建立连接,通过Zigbee主模块分别与各个Zigbee子模块建立连接,从而进一步将控制单元接收到的上位机的指令转化为相应操作指令通过Zigbee主模块传输到各子采集部分,Zigbee主模块采用并行收发指令的方式可同时与多个Zigbee子模块建立连接、收发指令。子采集部分与主控单片机之间通过Zigbee主模块通讯建立通讯连接,有效的解决了野外环境GPRS信号弱的问题,保证了数据传输的可靠性与实时性,更适合于野外多点监测水质。所述子监测板包括子控制单元、子晶振、子外部RTC、信号调理放大电路和双通道ADC数据采集模块,紫外光通过双通道分光光度器照射到待测液体上,硅光电池传感器采集光信号数据,转换为电信号,然后输出给信号调理放大电路,再通过双通道ADC数据采集模块传输给子控制单元进行处理,将数据转化为支持Zigbee传输的字节码格式,并将处理后的数据缓存到EEPROM数据缓存模块,然后通过Zigbee子模块通讯连接将数据传送到主控单片机,经过控制单元的数据分拣、归类等处理后,将带有噪声较大的离谱数据,以及空白数据删除掉,将剩下的数据按照对应的数据标签划分为:测量PH、测量COD、测量含氮量、测量浊度以及包括所有待测参数的数据集,因为不同的测量对象对应于不同的输出PWM波,以及不同强度及波长的紫外光,所以得到的测量结果也有很大不同,控制单元在输出不同的PWM波测量不同测量对象时,同时会产生对应的数据标签变量,用来存储不同的测量对象,然后通过GPRS无线通讯模块传送到上位机的Labview界面显示部分,作为聚类算法需要用的样本数据集缓存在Labview内部,同时可有选择的将数据存储到主控单片机的SD卡内。
其中,系统测量PH、COD、含氮量、浊度等水质参数的方法是一致的,只需要修改PWM波的输出频率,控制紫外光源输出不同强度及波长的紫外光即可,这里以水质COD(溶液含氧量浓度)为例,介绍水质参数的计算方法及思路:控制单元控制紫外光源发出420nm或620nm波长的紫外光,其中420nm对应于COD低于1000mg/ml浓度的水质,620nm对应于高于1000mg/ml的水质,紫外光穿过光通道被硅光电池传感器接收,硅光电池传感器将接收到的光照度转化为微安级别的模拟电流信号传输到信号调理放大电路,信号调理放大电路将信号转化为0-3.3v之间的模拟电压信号输入到双通道ADC数据采集模块转化为数字信号,吸光度计算公式如下:
Absij=Abs0i-Abs1ij(i=0,1,j=0,1,...n)
其中,Absij为对应i为0或1两种紫外源下的第j次测量的吸光度,Abs1ij为分光光度器中对应i为0或1两种紫外光源下插入已滴定试剂的第j次测量的光照度,Abs0i为分光光度器中测得的对应i为0或1两种紫外光源下插入未滴定源溶液试剂的光路最大光照度;光照度与硅光电池传感器输出电流值成正比关系,因此:
VI=k*R*i
i=l*Abs
其中,VI为输入模拟电压值,k,l为比例系数,R为转换电阻,i为输入模拟电流,Abs为硅光电池传感器测得的光照度;
多通道ADC转换模块转换得到数字电压的公式为:
VO=Vc*(3.3/4096);
其中,Vc为ADC规则转换值,VO为ADC转换输出电压;
最后,水质COD由关于吸光度的拟合曲线计算得到,COD计算公式如下:
cij=ai*Absij+bi(i=0,1,j=1,2,...n);
其中,cij为对应i为0或1两种紫外光源下的第j次测量的COD值,Absij为对应i为0或1两种紫外光源下的第j次测量的吸光度值,ai、bi为对应i为0或1两种紫外光源下拟合曲线的参数值,这里所说的拟合曲线一般可从互联网上查找对应参数值或者由用户对已知吸光度及COD浓度的标准试剂多次测量得到。
参见图5,聚类算法是机器学习领域一种常见的无监督学习算法,适用于训练样本的标记时未知的情况,目标是通过对无标记训练样本的学习来揭示样本数据的内在性质及规律,为进一步的数据分析做准备,其本质是将样本数据集划分为若干互不相交的子集,即样本簇,其聚类结果好坏通过簇内相似度与簇间相似度来评判,在此系统中采用k-means均值算法完成聚类,将样本数据分成若干簇,分类结果通过Labview用户界面显示,经过聚类算法处理过后的样本数据,会根据水质内部参数特性自动聚在一起,形成k个样本簇,用户可根据生成的样本簇对不同地点的水质进行划分,有区别的判断各个地点的水质污染情况,也可以通过对水质较差区域的样本簇进行分析,发现这一区域水质污染主要的影响因素是水质的哪种参数(COD、PH、含氮量等),k值由用户自己输入指定。
本实施例中,系统借助Labview直接调用Python接口函数打开Python控制台,借助Python内置的scikit-learn包内KMeans函数编码聚类算法程序。当接口正常连接,打开Pyhon控制台后,需要先导入我们各子监测部分测得、主控单片机分拣归类等预处理并通过GPRS无线通讯模块输入到上位机的多点水质监测数据集作为样本数据集D,通过用户输入的k值,从D中随机选择k个样本作为初始均值向量,计算数据集中的每个样本数据与均值向量内的各个子向量之间的距离,这里的距离度量函数采用高斯函数计算:dij=||xj-ui||2,1≤i≤k,1≤j≤m,dij表示样本数据与均值向量之间的高斯距离,xj表示待划分地样本数据,ui表示经过聚类形成的样本簇,将样本xj划分到距离最近的簇中,然后重新计算新的均值向量,并判断与之前的均值向量是否一致,若一致则聚类完成,样本数据集被划分成k个簇,若不一致则重复上面的计算步骤,直到均值向量不再变化为止,实际操作中直接用KMeans函数可代替上面的计算步骤完成聚类任务。
总之,本发明采用了双通路的分光光度法测量水质多种参数,避免了二次污染,节约了测量成本,测量更加精确快速,测量水质参数更全面;引入Zigbee模块,通过主控机控制各子监测部分协同完成数据采集工作,且有效解决了野外GPRS信号弱的问题,尤其适用于野外环境中多个水质环境下不同水质测量参数的测量;监测分析系统更加贴近于实际应用,一定程度上满足了工业与个人需求,有助于进一步改善环境污染问题,具有很高的社会实用价值与环保价值。
Claims (10)
1.一种基于聚类算法的多点水质监测分析系统,其特征在于:包括上位机部分、GPRS无线通讯模块、下位机部分和电源模块,上位机部分和下位机部分通过GPRS无线通讯模块连接,其中:
下位机用于控制采集不同浓度范围的待测试剂参数;
GPRS无线通讯模块用于将下位机输出的数据上传至上位机部分;
上位机部分将接收到的数据进行分析处理,并进行显示;
电源模块为下位机部分和GPRS无线通讯模块提供电能。
2.根据权利要求1所述的一种基于聚类算法的多点水质监测分析系统,其特征在于:下位机部分包括主控单片机、数据采集部分以及SD卡数据存储部分,其中,主控单片机包括控制单元、晶振、外部RTC和Zigbee主模块,数据采集部分包括多个子采集部分,每个子采集部分均包括EEPROM模块、子监测板模块、Zigbee子模块和双通道分光光度器,双通道分光光度器采集相应浓度范围的待测试剂参数传输给子监测板模块,同时EEPROM模块与子监测板模块双向连接,子监测板模块输出与Zigbee子模块的输入连接,Zigbee子模块的输出通过Zigbee主模块与控制单元连接,控制单元对接收到的数据进行处理后存储至SD卡数据动态存取部分,并通过GPRS无线通信模块传输给上位机部分;同时晶振和外部RTC为控制单元提供频率和时钟信号。
3.根据权利要求2所述的一种基于聚类算法的多点水质监测分析系统,其特征在于:双通道分光光度器包括紫外光源1、紫外光源2、硅光电池1、硅光电池2、试管固定装置、光度器固定底座和光路通断开关,其中,试管固定装置固定在光度器固定底座上,装有待测试剂的试管放置在试管固定装置内,所述光路通断开关设置于试管固定装置内壁,两个紫外光源与两个硅光电池1分为两组,硅光电池与紫外光源相对放置,分别置于双通道分光光度器两侧;光路通断开关用来开闭双通道分光光度器内对应光路,紫外光源通过双通道分光光度器照射到待测试剂上,硅光电池用来接收吸光度的微弱模拟电流信号。
4.根据权利要求2所述的一种基于聚类算法的多点水质监测分析系统,其特征在于:子监测板模块包括子控制单元、子晶振、子外部RTC、信号调理放大电路和双通道ADC数据采集模块,双通道分光光度器采集的数据信号经过信号调理放大电路和双通道ADC数据采集模块传送到子控制单元EEPROM数据缓存模块缓存,然后通过Zigbee子模块通讯连接将数据传送到主控单片机,经过控制单元的数据分拣、归类处理后通过GPRS无线通讯模块传送到上位机,上位机对数据进行分析处理,并通过GUI界面显示,同时有选择的将数据存储到主控单片机的SD卡内。
5.根据权利要求1所述的一种基于聚类算法的多点水质监测分析系统,其特征在于:GPRS无线通讯模块包括SIM900模块和SIM卡连接模块,SIM900模块与下位机部分的主控单片机之间通过串口进行数据传输,由电压放大模块供电,通过GPRS网络与Internet上的上位机建立连接,将采集到的数据通过天线发送给上位机;所述SIM卡连接模块与SIM900模块电连接,由SIM900模块经过电压调理电路供电。
6.根据权利要求1所述的一种基于聚类算法的多点水质监测分析系统,其特征在于:上位机部分包括Labview界面设计部分及Python数据处理部分,上位机部分通过Labview设计GUI界面,借助内部接口函数调用Python完成样本数据处理,所述样本数据是由多个测量得到的待测试剂参数组成的数据集,并随着新的待测试剂参数的加入,此数据集是动态可变的。
7.一种权利要求1-6任一项所述的基于聚类算法的多点水质监测分析系统的监测分析方法,其特征在于,包括:
(1)下位机部分通过主控单片机控制数据采集部分内的各个子采集部分协同完成多点水质监测数据采集;
(2)下位机部分采集的数据通过GPRS无线通讯模块上传至上位机部分;
(3)上位机部分通过内部接口函数调用Python函数采用聚类算法完成样本数据处理,并通过Labview设计GUI界面进行显示。
8.根据权利要求7所述的一种基于聚类算法的多点水质监测分析系统的监测分析方法,其特征在于:步骤(1)中子采集部分的子监测板针对不同的待测试剂通过控制PWM波的频率使得紫外光源发出不同强度和波段的紫外光,主控单片机通过Zigbee主模块分别与各个Zigbee子模块建立连接,从而进一步将控制单元接收到的上位机的指令转化为相应操作指令通过Zigbee主模块传输到各子采集部分,Zigbee主模块采用并行收发指令的方式同时与多个Zigbee子模块建立连接、收发指令,从而有选择地采集多点水质监测数据。
9.根据权利要求7所述的一种基于聚类算法的多点水质监测分析系统的监测分析方法,其特征在于:步骤(2)中GPRS无线通讯模块的通讯发法为:
当系统开始启动之后,系统首先检测自身GPRS无线通讯模块通讯情况以及Zigbee模块通讯情况,其分别与上位机部分和各个子监测部分建立通讯连接,当主控单片机与上位机GPRS通讯正常、与各个子监测部分之间通讯正常时系统开始检测并传递、处理水质数据,否则,则由主控单片机重复报告发生错误的类型及系统位置;用户可通过GUI界面输入需要采集点的序号,主控单元根据输入序号通断与相应子监测部分的Zigbee通讯。
10.根据权利要求7所述的一种基于聚类算法的多点水质监测分析系统的监测分析方法,其特征在于,步骤(3)中上位机部分采用聚类算法对样本数据进行处理,具体包括:
系统借助Labview直接调用Python接口函数打开Python控制台,借助Python内置的scikit-learn包内KMeans函数编码聚类算法程序,当接口正常连接,打开Pyhon控制台后,需要先导入各子监测部分测得、主控单片机分拣和归类预处理并通过GPRS无线通讯模块输入到上位机部分的多点水质监测数据集作为样本数据集D,通过用户输入的k值,从D中随机选择k个样本作为初始均值向量,计算数据集中的每个样本数据与均值向量内的各个子向量之间的距离,距离度量函数采用高斯函数计算:dij=||xj-ui||2,1≤i≤k,1≤j≤m,其中,dij表示样本数据与均值向量之间的高斯距离,xj表示待划分地样本数据,ui表示经过聚类形成的样本簇,将样本xj划分到距离最近的簇中,然后重新计算新的均值向量,并判断与之前的均值向量是否一致,若一致则聚类完成,样本数据集被划分成k个簇,若不一致则重复上面的计算步骤,直到均值向量不再变化为止。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811138007.4A CN109191819B (zh) | 2018-09-28 | 2018-09-28 | 一种基于聚类算法的多点水质监测分析系统及监测分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811138007.4A CN109191819B (zh) | 2018-09-28 | 2018-09-28 | 一种基于聚类算法的多点水质监测分析系统及监测分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109191819A true CN109191819A (zh) | 2019-01-11 |
CN109191819B CN109191819B (zh) | 2020-02-18 |
Family
ID=64906784
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811138007.4A Active CN109191819B (zh) | 2018-09-28 | 2018-09-28 | 一种基于聚类算法的多点水质监测分析系统及监测分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109191819B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109962982A (zh) * | 2019-03-29 | 2019-07-02 | 中海生态环境科技有限公司 | 一种基于物联网的河湖水生态环境监控系统 |
CN114062629A (zh) * | 2021-11-10 | 2022-02-18 | 广东博力威科技股份有限公司 | 基于labview的水体透明度控制系统 |
CN114766421A (zh) * | 2022-04-25 | 2022-07-22 | 安徽省上殿湖水产养殖股份有限公司 | 一种用于水产稻田养殖的增氧装置 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
BRPI1000800A2 (pt) * | 2010-03-26 | 2011-07-19 | Associacao Inst Internac De Ecologia E Ger Ambiental | sistema de monitoramento da qualidade das águas em tempo real |
CN102252989A (zh) * | 2011-04-27 | 2011-11-23 | 河北先河环保科技股份有限公司 | 一种投入式紫外吸收在线分析仪 |
CN102331485A (zh) * | 2011-07-12 | 2012-01-25 | 华东理工大学 | 一种便携式水质监测仪 |
CN103020642A (zh) * | 2012-10-08 | 2013-04-03 | 江苏省环境监测中心 | 水环境监测质控数据分析方法 |
CN203870096U (zh) * | 2014-01-17 | 2014-10-08 | 河海大学常州校区 | 一种无线水质氨氮监测装置 |
CN204405642U (zh) * | 2015-01-22 | 2015-06-17 | 赵云霞 | 一种新型水质在线监测系统 |
CN106483171A (zh) * | 2016-11-17 | 2017-03-08 | 江苏智石科技有限公司 | 一种水质重金属污染监控系统 |
CN107367594A (zh) * | 2017-09-18 | 2017-11-21 | 重庆三峡学院 | 一种基于gprs和sms的远程水质监测系统 |
CN207095608U (zh) * | 2017-06-26 | 2018-03-13 | 苏州山水源环保科技有限公司 | 一种基于ZigBee和Labview的污水监测系统 |
-
2018
- 2018-09-28 CN CN201811138007.4A patent/CN109191819B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
BRPI1000800A2 (pt) * | 2010-03-26 | 2011-07-19 | Associacao Inst Internac De Ecologia E Ger Ambiental | sistema de monitoramento da qualidade das águas em tempo real |
CN102252989A (zh) * | 2011-04-27 | 2011-11-23 | 河北先河环保科技股份有限公司 | 一种投入式紫外吸收在线分析仪 |
CN102331485A (zh) * | 2011-07-12 | 2012-01-25 | 华东理工大学 | 一种便携式水质监测仪 |
CN103020642A (zh) * | 2012-10-08 | 2013-04-03 | 江苏省环境监测中心 | 水环境监测质控数据分析方法 |
CN203870096U (zh) * | 2014-01-17 | 2014-10-08 | 河海大学常州校区 | 一种无线水质氨氮监测装置 |
CN204405642U (zh) * | 2015-01-22 | 2015-06-17 | 赵云霞 | 一种新型水质在线监测系统 |
CN106483171A (zh) * | 2016-11-17 | 2017-03-08 | 江苏智石科技有限公司 | 一种水质重金属污染监控系统 |
CN207095608U (zh) * | 2017-06-26 | 2018-03-13 | 苏州山水源环保科技有限公司 | 一种基于ZigBee和Labview的污水监测系统 |
CN107367594A (zh) * | 2017-09-18 | 2017-11-21 | 重庆三峡学院 | 一种基于gprs和sms的远程水质监测系统 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109962982A (zh) * | 2019-03-29 | 2019-07-02 | 中海生态环境科技有限公司 | 一种基于物联网的河湖水生态环境监控系统 |
CN114062629A (zh) * | 2021-11-10 | 2022-02-18 | 广东博力威科技股份有限公司 | 基于labview的水体透明度控制系统 |
CN114766421A (zh) * | 2022-04-25 | 2022-07-22 | 安徽省上殿湖水产养殖股份有限公司 | 一种用于水产稻田养殖的增氧装置 |
CN114766421B (zh) * | 2022-04-25 | 2023-10-24 | 安徽省上殿湖水产养殖股份有限公司 | 一种用于水产稻田养殖的增氧装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109191819B (zh) | 2020-02-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109191819B (zh) | 一种基于聚类算法的多点水质监测分析系统及监测分析方法 | |
CN101556240B (zh) | 一种基于红、绿、蓝三原色数字信号的叶绿素测量仪 | |
CN104019902B (zh) | 家用试纸阅读器装置及其检测方法 | |
CN204128953U (zh) | 自动进样气相分子吸收光谱仪 | |
CN104155247B (zh) | 水体叶绿素和浊度原位测定方法及测定装置 | |
CN108956512A (zh) | 一种多功能水质便携式快速检测仪及其使用方法和检测方法 | |
CN102435555A (zh) | 多光谱水质分析仪 | |
CN101556245B (zh) | 一种基于红、绿、蓝三原色数字信号的叶绿素测量方法 | |
CN109270015A (zh) | 一种基于改进rbfnn算法的多点水质监测分析系统及监测分析方法 | |
CN203365436U (zh) | 多通道定量检测系统 | |
CN108931491A (zh) | 一种多功能水质便携式远程监测仪及水质监测方法 | |
CN111766208A (zh) | 一种智能化多参数水质分析仪及分析方法 | |
CN204479564U (zh) | 基于无线通讯的半潜式水质分析仪 | |
CN202256140U (zh) | 多光谱水质分析仪 | |
CN1295494C (zh) | 集成化微型光学分析仪 | |
CN109270016B (zh) | 基于聚类算法的多功能水下水质自动监测系统及监测方法 | |
CN208654607U (zh) | 红外智能光谱检测系统 | |
CN204479565U (zh) | 便携式水质分析仪 | |
CN205538658U (zh) | 一种紫外气体分析仪中气体浓度测量系统 | |
CN104655270B (zh) | 光感测器件感光特性的自动化测量系统 | |
CN201229205Y (zh) | 便携式植物花色分类与生长状态检测装置 | |
CN204989031U (zh) | 光信号传输检测头 | |
CN204882371U (zh) | 数字化光电生物传感器 | |
CN111024644B (zh) | 一种基于单波长的水的pH值快速光学检测方法及装置 | |
CN2909242Y (zh) | 快速检测化肥各成分含量的仪器 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |