工業污水常規五項及COD參數在線測量裝置設計

李月恒，楊棟偉，王 康

(北方工業大學 電氣與控制工程學院，北京 100144)

?

工業污水常規五項及COD參數在線測量裝置設計

李月恒，楊棟偉，王 康

(北方工業大學 電氣與控制工程學院，北京 100144)

隨著水污染問題的日漸突出，對水質中的各項參數進行實時在線測量成為了水質保護中的一項基本要求。軟測量技術應用到水質在線監測系統，通過測得的常規水質五項參數推測出水質中的其他參數。Cortex-A9芯片Exynos4412用于處理水質傳感器的數據，檢測水環境中的PH、溶氧、溫度、電導率、濁度參數，并且可以根據所測參數軟測量出COD參數，同時也可以對測量數據進行存儲。通過對樣本水質以及樣本數據的測試驗證表明，該裝置具有靈敏度好、效率高、信息存儲量大、人機界面友好等特點，具有一定的經濟應用價值。

水質監測；COD參數；軟測量技術

0 引言

隨著現代社會的快速發展，水污染問題越來越嚴重，水質保護已成為全世界關注的焦點問題。借鑒于國外水資源監測的經驗，我國在水污染的監測方面也取得了快速的發展，但是由于技術手段的落后，水質在線監測系統一直沒有廣泛應用。而且一些較難測量的參數其測量成本也價格不菲，成為了對水質數據進行全面檢測的一大困難。本課題所研究的基于嵌入式Android與神經網絡軟測量算法的水質在線監測系統對比于原始的人工監測手段或低處理能力的監測系統取得了很大進步，對正確評價污水水質的實時狀況，研究污染程度、節約成本等方面具有重要的意義。整個裝置測量精度高，靈敏度好，具有一定的經濟應用價值。

1 系統總體設計

該裝置主要由核心板、功能底板、Android系統三部分組成。其中核心板作為整個裝置的主控單元，功能底板電路完成數據的采集、系統供電等工作，Android系統是整個應用軟件的運行環境。系統在工作過程中，首先通過掛載在底板上的常規五項水質傳感器對水質中的常規五項參數進行實時在線測量，然后根據測量獲得的五項參數數據軟測量出COD參數，并對數據進行實時存儲。系統整體結構框圖如圖1所示。

圖1 系統整體結構

2 系統硬件設計

系統的硬件設計主要以負載核心版高效運行為目的，主控制器選用Samsung公司的Exynos 4412，其主頻達到1.4～1.6 GHz，采用了最新的32 nm的先進工藝制成，功耗方面有了明顯降低。核心板外圍加載電源模塊、LCD顯示屏模塊、USB-OTG程序下載口、USB-HOST接口、UART 232 調試串口、UART 485傳感器數據傳輸通信接口、SDCARD存儲器接口以及RJ-45接口等。該裝置通過485通信口以標準ModBus/RTU協議實時采集水質傳感器數據，而后通過應用層的數據分析與處理得到需要的參數。硬件結構如圖2所示。

圖2 系統硬件結構圖

傳感器的選擇集成了多家品牌的代表性產品，具有測量精度高、安裝方便、寬范圍電壓輸入等優點。

3 系統軟件設計

系統的軟件設計主要分為Android下應用開發以及神經網絡的設計和訓練[1]兩部分。

3.1 Android應用開發

系統軟件設計以Android運行環境下的應用開發為主[2-3]，應用層嵌入神經網絡算法，對傳感器數據的采集通過Android系統下的485通信驅動來完成，采用Google提供的NDK開發方式。圖3為軟件的整體架構圖。由圖可以看出，進入應用后UI線程作為主線程負責實時刷新在線測量數據，數據處理線程專門負責對傳感器采集的數據進行處理，數據存儲線程則負責對處理后的數據進行在線存儲。傳感器數據通信協議采用標準ModBus/RTU通信格式，數據處理線程程序首先對串口發送過來的數據幀進行校驗，確認無誤之后，再進行數據的提取與解析工作，采用輪詢查閱的方式依次讀取各個傳感器數據。

圖3 應用的整體架構圖

例如PH數據處理程序：上位機發送讀取數據指令后傳感器回復數據有一定的延時，然后對所得數據進行數組保存，判斷數據長度以及CRC校驗，最后從固定的數據位中提取數據，并發送給主線程。

3.2 神經網絡的設計和訓練

神經網絡采用BP神經網絡[4]，五輸入，一輸出。五個輸入對應傳感器監測到的常規五項數據，一輸出對應預測出的COD參數[5]。訓練用的標準數據來源于工業污水水質中監測出的100組標準數據，其中80組數據用來訓練，10組數據用來測試，最后的10組數據用來檢驗。首先在MATLAB中設計BP神經網絡[6-7]，訓練用的標準數據來源于上述的80組標準數據，訓練好之后對比10組標準數據進行檢驗，當測量誤差滿足設計要求時即為訓練成功的網絡。然后將訓練好的網絡保存成MATLAB自定義函數，通過MATLAB Coder工具箱[8-9]將通過訓練網絡保存好的函數轉化成不依賴于具體控制器的C程序。在此需要特別說明的是：由于該裝置的系統運行環境為Android環境，裝置主控制器為ARM架構控制器，理論上只能采取上述方法。因為通過MATLAB Coder轉化成的Jar包需要MCR的支持，而現在MCR僅支持X86架構的CPU。還有一種方法是安裝Android版本的MATLAB，但這樣顯然對系統的運行性能會造成非常大的影響。所以只有轉化成不依賴于具體控制器的C代碼，然后通過JNI的方式，將代碼嵌入到Android應用中。如圖4所示。作為應用層來說調用軟測量算法就像調用應用層的一個工具類一樣簡單而且高效。

本節簡述了系統軟件的設計流程以及主要工作內容，完成了上層應用的設計。算法部分的工作主要完成了神經網絡的設計和訓練，以及轉化和內嵌，最終使訓練好的網絡映射為上層應用中的一個工具類和一段程序。其中上層應用主要負責數據采集、數據處理、動態顯示和數據預測。經測試，軟件整體運行良好，數據采集和預測效果都可達到既定要求，動態刷新實時[10-11]。

4 系統測試

系統測試主要分為裝置本身測量精度與準確性測試以及將所得測量結果對比標準數據的校驗測試兩部分。根據標準常規五項數據，測試表明該裝置通過常規五項傳感器測量所得的數據精度高，并且當人為改變水質中的某一項參數時，測量結果可以快速反應該項變化，具有高靈敏度的優點。最后結合樣本水質以及樣本數據訓練后的神經網絡軟測量算法，本裝置根據所采集的五項水質數據可以有效地預測出COD參數[12-13]，當五項水質數據參數變化時能及時跟蹤變化并能相應地改變預測結果，具有實時準確的特點，與標準的五項參數測量結果相比精度高、誤差小。測量結果滿足精度要求，而且其軟測量出的COD參數與樣本水質標準參數COD參數相比，誤差也在可接受的范圍內。實驗的最終效果圖如圖5所示。所以整體上來說該裝置從功能上滿足技術要求，從應用上具有硬件成本低、性能好等優點。

5 結論

本文基于嵌入式Android以及神經網絡算法設計出了一套多水質參數實時在線測量裝置，先后完成了該裝置的硬件設計以及軟件設計，硬件設計完成了核心板和底板的設計以及焊接工作，軟件設計移植了Android系統并設計了上層應用，最后在MATLAB上通過自行設計神經網絡將其訓練與檢驗[14-15]，訓練及檢驗完成之后通過MATLAB Coder工具箱將其轉化為C程序代碼，最后通過JNI機制映射到應用層嵌入到上層應用中。通過對比標準水質數據結果以及校驗誤差，該裝置的測量結果具有精度高、靈敏度好的特點，并且各項測量結果都滿足所規定的誤差范圍。該裝置實現了多水質測量裝置的基本功能，而且具有測量成本低廉、性能良好的優點，可應用于各種水質在線監測領域，具有一定的經濟應用價值。

[1] 任東紅.基于集成神經網絡的污水處理出水水質軟測量模型[D]． 北京：北京工業大學，2013.

[2] 明日科技.Android從入門到精通[M].北京：清華大學出版社，2012.

[3] 李剛.瘋狂Android講義[M].北京：電子工業出版社，2014.

[4] 羅騰飛．基于改進BP神經網絡的污水處理出水指標預測[D]. 呼和浩特：內蒙古農業大學，2012.

[5] 王群．基于ARM和GPRS的污水在線監測系統研究[D]. 蘭州：蘭州理工大學，2011.

[6] 劉金琨.智能控制[M].北京：電子工業出版社，2011.

[7] 何正風. MATLAB R2015b神經網絡技術[M]. 北京：清華大學出版社，2016.

[8] 趙廣元. MATLAB與控制系統仿真實踐[M]. 北京：北京航空航天大學出版社，2016.

[9] 張德豐. MATLAB R2015b數學建模[M].北京：清華大學出版社，2016.

[10] 李宇航，廖海洋，溫志渝，等.庫區水質在線監測采集控制系統設計[J].傳感器與微系統，2011，30(2)：61-63.

[11] 薛程.污水處理廠氨氮在線驗收監測的現狀及問題[J]. 環境工程，2015，33(1)：726-730.

[12] 郭楠．基于神經網絡的BOD軟測量儀表的設計[D]． 北京：北京工業大學，2014.

[13] 葛珉昊．基于混合遞階遺傳算法的RBF網絡優化及在BOD軟測量中的應用[D]．蘭州：蘭州理工大學，2014.

[14] 許少鵬．基于自組織遞歸模糊神經網絡的SVI軟測量研究[D]． 北京：北京工業大學，2014.

[15] 袁喜春．基于自組織模糊Elman神經網絡的SVI軟測量研究[D]． 北京：北京工業大學，2013.

ThedesignofonlinemonitoringdeviceofconventionalfiveandCODparametersinindustrialsewage

LiYueheng,YangDongwei,WangKang

(SchoolofElectricalandControlEngineering,NorthChinaUniversityofTechnology,Beijing100144,China)

With the increasing prominent of water pollution, the measurement of various parameters in real time online water quality precision has become a basic requirement of water quality protection. Soft measurement technology is applied to water quality on-line monitoring system, with the conventional five parameters of water quality it can infer the other parameters of water quality. Exynos4412 A9 chip is used for processing the data of water quality sensor, detecting the water environment in PH, dissolved oxygen, temperature, conductivity, turbidity, and according to the measured parameters it can infer the COD, and can also store the measurement data. By verifying the sample water quality and the sample data, this device has good sensitivity, high efficiency, large information storage capacity, friendly human-machine interface etc, also it has a certain economic application value.

water quality monitoring; COD parameter; soft measurement

TP

ADOI： 10.19358/j.issn.1674- 7720.2017.13.028

李月恒，楊棟偉，王康.工業污水常規五項及COD參數在線測量裝置設計[J].微型機與應用，2017,36(13)：91-93,101.

2017-02-11)

李月恒(1983-)，男，碩士，講師，主要研究方向：工業控制系統及其優化。

楊棟偉(1989-)，男，碩士研究生，主要研究方向：嵌入式與工業自動化。

王康(1991-)，男，碩士研究生，主要研究方向：網站架設與工業自動化。