[发明专利]基于紫外光谱法的分布式水质检测系统及水质评价方法在审
申请号: | 202011636239.X | 申请日: | 2020-12-31 |
公开(公告)号: | CN113155767A | 公开(公告)日: | 2021-07-23 |
发明(设计)人: | 宫玉琳;刘云清;胡命嘉;韩成飞;曹建南;高洪吉;李鑫;高沈;王惠 | 申请(专利权)人: | 长春理工大学 |
主分类号: | G01N21/33 | 分类号: | G01N21/33;G06F30/27;G06K9/62;G06N3/00;G06N3/04;G06N3/08 |
代理公司: | 北京君泊知识产权代理有限公司 11496 | 代理人: | 李丹 |
地址: | 130022 吉林*** | 国省代码: | 吉林;22 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 紫外 光谱 分布式 水质 检测 系统 评价 方法 | ||
1.一种基于紫外光谱法的分布式水质检测系统,其特征在于,包括若干基于紫外光谱的水质传感器,所述基于紫外光谱的水质传感器通过无线传感网络与水质监测终端连接;所述基于紫外光谱的水质传感器包括发出紫外光谱的光源、光谱分析仪、阵列CCD探测器、信号采集处理模块、电源;所述光源发出紫外光谱通过待测水源透射,成为信号光,进入光谱分析仪,得到按不同波长顺序排列的光谱,所述阵列CCD探测器将照射在探测器的光信号转换为电信号,所述信号采集处理模块对阵列CCD探测器的信号进行采集,光谱数据通过无线传感网络上传水质监测终端进行水质评价,得到被测水质的成分和含量信息。
2.根据权利要求1所述的基于紫外光谱法的分布式水质检测系统,其特征在于:所述信号采集处理模块由STM32F103单片机产生CCD时序,驱动阵列CCD探测器工作,阵列CCD探测器输出经信号调理电路反向、放大后,将阵列CCD探测器输出的电压信号变换到0~VREF间的电压信号,通过ADC转换电路对每一个像素进行AD转换后存储到内存中,当一帧的数据全部采集完毕后,通过无线网络传给水质监测终端。
3.根据权利要求1或2所述的基于紫外光谱法的分布式水质检测系统,其特征在于:所述水质监测终端为手机或平板电脑或PC终端。
4.根据权利要求1所述的基于紫外光谱法的分布式水质检测系统,其特征在于:所述电源为12V的蓄电池,所述蓄电池连接有光伏充电装置,所述光伏充电装置包括太阳能电池板,太阳能电池板和蓄电池的DC-DC之间有第一个ADC转换电路,在DC-DC和蓄电池之间也有第二个ADC转换电路,当第一个ADC转换电路测量的电压太低的时候,则断开太阳能电池板与DC-DC之间的电源连线;当第二个ADC转换电路测量的电压值与预定的24V之间有差距的时候,就要控制MOSFET的开关PWM占空比。
5.一种水质评价分类方法,其特征在于,使用如权利要求1所述的基于紫外光谱法的分布式水质检测系统,具体步骤如下:
S1、在水质监测终端内建立AdaBoost-BP水质评价模型,
S2、导入数据样本,确定训练样本和测试样本,初始化训练样本数据的权重,初始重量公式为:
其中:Di是初始化权重,i=1,2,…,m;m是训练样本数;
S3、设定BP弱分类的个数和网络结构,并用BP弱预测器对训练样本进行训练和预测,然后得到弱分类器Ct(x);
S4、计算分类误差Ct(x):
S5、计算Ct(x)弱分类器的权值:
S6、更新训练数据集权重:
其中:gt是归一化因子,并且yi是数据标签;
S7、最终的强分类器:
水质评价涉及5个标准,用5个BP神经网络组成一个弱分类群,在BP神经网络的基础上,AdaBoost设计的强分类器能有效增强单个BP神经网络的稳定性,提高BP神经网络评价模型的准确性和泛化能力;
S8、将信号采集处理模块输出的光谱数据作为AdaBoost-BP水质评价模型的输入,预测水质等级评价结果。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于长春理工大学,未经长春理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202011636239.X/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种生产重组亚硝酸盐还原酶的方法
- 下一篇:一种侦察机承载机构的工作方法