远程水质氨氮监测系统的研究与设计

发布时间：2020-11-20 03:45

　　 氨氮含量是评价水质的重要因素,水中氨氮含量过高会影响水生物生长,造成水体污染。在长江、钱塘江等流域的氨氮含量多次超标引发蓝藻污染,导致周边的生产、生活用水无法正常使用。因此,水质环保部门开始加大对氨氮含量的监测力度。传统氨氮监测系统虽然可以实现远程实时监测,但是由于开发成本较高、智能化水平较低,无法普遍应用于水质监测领域。针对上述问题,依托陕西省工业科技攻关项目2016GY-044,课题组研发了一套远程水质氨氮监测系统。本论文主要工作是在实验室现有的现场水质氨氮检测系统基础上,实现对水质氨氮的远程实时监测、数据管理分析。同时为了对氨氮污染做到积极预防,本论文提出了一种预测氨氮含量的可行性算法。本系统由现场检测站和远程监测中心两部分组成。现场检测站实现数据的采集、显示和上传。在数据传输部分,系统采用VPN隧道技术保证数据传输过程中的安全性。基于MFC框架和C/S网络架构进行远程监测软件开发,在功能设计方面分为数据传输设计、实时监测设计和数据管理分析设计。本论文基于BP神经网络搭建了水质氨氮预测模型,并通过遗传算法对BP神经网络氨氮预测模型进行优化,通过Matlab仿真,验证了预测算法的可行性。最后,借助实验室平台进行了系统的整体调试,整个系统能够稳定工作。
【学位单位】：西安工业大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：X84
【部分图文】：

然后将数据通过串口线传至现场检测软件中。结合实验室已有的氨氮检测装置确定了系统的总体架构如图2.1 所示。检测软件负责控制自动化装置的运作、数据上传等功能。在网络传输中本系统搭建了 VPN 服务器，保证了系统中数据交互的安全性。远程监测中心通过远程监测软件对氨氮数据进行远程监测和数据管理。在系统平台结构上，本论文将系统分为硬件平台和软件平台。

2 氨氮监测系统总统架构5图 2.1 系统总体架构框图2.2.1 系统硬件平台1）远程监测中心硬件平台在本系统中远程监测中心有远程监测客户端 PC 机和 VPN 服务器两部分。a、VPN 服务器的硬件配置和操作系统的选择如下：操作系统：Windows Server 2008 R2 64bit处理器：英特尔 第三代酷睿 i5-3470 @ 3.20GHz 四核主板：华硕 B75M-A内存：4GB(金士顿 DDR3 1600MHz)主硬盘：希捷 ST500DM002-1BD142(500GB/7200 转/分)主显卡：英特尔 Ivy Bridge Graphics Controller(255MB/华硕)显示器 ：三星 SAM001B SyncMaster(17.1 英寸)网卡：瑞昱 RTL8168F PCI-E Gigabit Ethernet NIC/华硕声卡：瑞昱 ALC887 @ 英特尔 Panther Point High DefinitionAudio Controllerb、远程监测客户端 PC 机的配置和操作系统的选择如下：操作系统：Windows 7 旗舰版 64bit SP1处理器：英特尔 第二代酷睿 i3-2350M @ 2.30GHz 双核主板：联想(英特尔 HM65 芯片组)内存：4GB(海力士 DDR3 1333MHz)主硬盘：日立 HTS545050B9A300 (500GB/5400 转/分)显卡：AMD Radeon HD 7690M(2GB/联想)显示器：三星 SEC414C (14 英寸)光驱：索尼-NEC Optiarc DVD RWAD-7740H DVD 刻录机声卡：瑞昱 ALC272 @ 英特尔 6 Series Chipset 高保真音频网卡：博通 NetLink BCM57781 Gigabit Ethernet/联想2）现场检测站硬件平台远程监测中心能够完成对氨氮的实时监测离不开自动化设备的稳定运行。本论文是在实验室已经研发设计完成的氨氮检测装置基础上进行研究与设计。如图 2.2 所示为实验室

图 2.2 现场检测站硬件平台装置分为抽取水样模块、抽取反应液模块、化学反应模块、传感器检功能框图如图 2.3 所示。工业平板通过串口线与主控板相连。抽取被测水样和传感器激活液；抽取反应液模块负责抽取化学学反应模块负责提供化学反应条件比如：温度、搅拌力度；传 PH 传感器、DO-958BF 溶解氧传感器、PNH3-1 型氨气敏电极，这些传感器在主控模块的控制下负责检测相应的参数。氨氮动泵、电磁阀、隔膜泵等。通过安装在工业平板中的检测软件激活、自动检测、反应釜自动清洗等功能[4]。
【参考文献】

相关期刊论文 前8条

1 杨员;张新民;徐立荣;薛志钢;柴发合;;美国水质监测发展历程及其对中国的启示[J];环境污染与防治;2015年10期

2 傅晓茜;何加铭;;一种视频监控系统中心跳机制的实现方法[J];移动通信;2015年06期

3 张波;万丽;;基于端口映射NAT网络方案分析与实施[J];软件工程师;2015年03期

4 黄方亮;俞磊;黄炎;;基于NAT穿透技术的P2P解决方案研究与设计[J];兰州文理学院学报(自然科学版);2014年05期

5 邓翔宇;;水质监测中氨氮测定的影响因素分析[J];资源节约与环保;2014年04期

6 袁宏林;龚令;张琼华;王晓昌;;基于BP神经网络的皂河水质预测方法[J];安全与环境学报;2013年02期

7 罗智勇;尤波;苏洁;;基于VPN网络的高校数字化图书馆组建模型研究[J];图书馆学研究;2013年01期

8 余伟;罗飞;杨红;许玉格;;基于多神经网络的污水氨氮预测模型[J];华南理工大学学报(自然科学版);2010年12期

相关博士学位论文 前3条

1 宋华兵;河涌水质非线性模型研究[D];广东工业大学;2013年

2 赵金星;基于神经网络和遗传算法的Atkinson循环发动机全负荷范围性能优化研究[D];上海交通大学;2013年

3 杨贤;面向智能水电站的远程监测与分析系统[D];华中科技大学;2012年

相关硕士学位论文 前10条

1 孙红巍;流域水质在线监测与预警技术的研究[D];哈尔滨工业大学;2017年

2 刘剑钊;水污染源动态监控管理系统的设计与实现[D];大连理工大学;2016年

3 陈世勇;基于控制单元划分的茅洲河流域水环境现状分析与水质预测研究[D];深圳大学;2016年

4 李芳圆;哈尔滨不同类型水源地水质污染特征及供水保障策略研究[D];哈尔滨工业大学;2016年

5 杨珊珊;远程氨氮监测系统测量部分的设计与实现[D];西安工业大学;2016年

6 陆康健;基于遗传算法优化BP神经网络的乳化器故障预警系统的研究[D];杭州电子科技大学;2016年

7 罗红品;养殖水域水质多参数远程实时监测系统研究[D];西南大学;2015年

8 孙世明;基于VPN的远程粮情测控系统设计与实现[D];西安工业大学;2015年

9 吴钟鸣;校园网络信息采集及预处理系统的设计与实现[D];华中科技大学;2015年

10 鹿遥;基于云架构的水质自动监测系统软件的设计与实现[D];哈尔滨工业大学;2014年

本文编号：2890897