溶解氧传感器的智能温度补偿算法研究及其在水质监测中的应用

发布时间：2023-03-14 19:42

　　水资源是社会和经济发展的基础,是人类生存的重要资源。目前,水污染和水质灾害的频繁发生对人类社会生产形成了巨大阻碍,同时我国所用水质监测系统由于成本高、功耗大、精度低、操作复杂导致难以大规模推广。本文根据水质监测低功耗、低成本、高性能、远距离的业务需求,设计了基于LabVIEW与NB-IoT的水质监测系统。首先,论文针对监测系统中使用的溶解氧传感器易受温度影响,导致测量误差较大的问题,建立了BP神经网络温度补偿模型,并利用人工智能算法遗传算法(GA)、模拟退火算法(SA)以及思维进化算法(MEA)对BP神经网络的初始权值和阈值进行优化。在此基础上对SA算法的温度下降公式进行改进,利用GA-BP、MEA-BP与改进的SA-BP神经网络对溶解氧传感器进行温度补偿,结果表明基于改进SA-BP神经网络温度补偿模型取得了较好的温度补偿效果,使溶解氧传感器的测量误差小于0.1mg/L。接着,论文根据水质监测系统的功能需求,完成了系统的软硬件设计。系统硬件平台集成了PH、电导率、氧化还原、溶解氧传感器,以STM32L151芯片作为微控制器模块核心,通过以BC26芯片为核心的无线通信模块将采集数据传输至...

【文章页数】：80 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究背景与意义
    1.2 研究现状
        1.2.1 水质监测的国内外研究现状
        1.2.2 溶解氧传感器的研究现状
    1.3 本论文主要工作和内容安排
第二章 系统总体设计方案
    2.1 水质监测系统的需求分析
    2.2 水质监测系统的方案设计
    2.3 水质监测系统中相关技术
        2.3.1 NB-IoT技术
        2.3.2 虚拟仪器技术
        2.3.3 人工神经网络
    2.4 水质传感器的选择
        2.4.1 PH传感器
        2.4.2 氧化还原传感器
        2.4.3 电导率传感器
        2.4.4 溶解氧传感器
    2.5 本章小结
第三章 溶解氧传感器的智能温度补偿算法研究
    3.1 BP神经网络模型
        3.1.1 BP神经网络算法原理
        3.1.2 BP神经网络的缺陷
    3.2 人工智能优化算法
        3.2.1 遗传算法原理
        3.2.2 遗传算法优化BP神经网络流程
        3.2.3 思维进化算法原理
        3.2.4 思维进化算法优化BP神经网络流程
        3.2.5 模拟退火算法原理
        3.2.6 模拟退火算法优化BP神经网络流程
        3.2.7 模拟退火算法降温公式的改进
    3.3 溶解氧传感器的影响因素分析
        3.3.1 溶解氧传感器原理分析
        3.3.2 温度对溶解氧传感器影响的检定实验
    3.4 溶解氧传感器的温度补偿实现
        3.4.1 温度补偿模型建立
        3.4.2 温度补偿模型的结构选择
        3.4.3 温度补偿模型的节点转移函数选择
    3.5 温度补偿算法优化结果与性能比较
    3.6 本章小结
第四章 下位机软硬件设计
    4.1 下位机硬件设计
        4.1.1 主要芯片选择
        4.1.2 STM32及相关电路设计
        4.1.3 NB-IoT及相关电路设计
        4.1.4 电源电路设计
        4.1.5 信号调理电路设计
        4.1.6 硬件模块实物图
    4.2 下位机软件设计
        4.2.1 主程序设计
        4.2.2 数据采集与处理程序设计
        4.2.3 BC26无线通信程序设计
        4.2.4 通信数据包格式
    4.3 本章小结
第五章 上位机软件设计
    5.1 LabVIEW设计模式
    5.2 系统主界面设计
    5.3 登录模块
    5.4 串口通信与传感器校准模块
    5.5 远程数据显示与溶解氧温度补偿模块
    5.6 数据库存储模块
        5.6.1 数据库建立与连接
        5.6.2 数据表建立
        5.6.3 数据存储
        5.6.4 数据查询
    5.7 水质评价模块
    5.8 本章小结
第六章 系统测试
    6.1 系统硬件调试与测试环境搭建
    6.2 传感器校准
        6.2.1 校准方案
        6.2.2 校准结果
    6.3 系统整体测试
        6.3.1 数据显示与评价功能测试
        6.3.2 数据存储查询功能测试
        6.3.3 数据采集精度测试
    6.4 本章小结
第七章 总结与展望
    7.1 总结
    7.2 展望
参考文献
附录1 攻读硕士学位期间申请的专利
致谢



本文编号：3762625