一种基于物联网的水体溶解氧自动化监测五分时时彩方法与流程

文档序号:11249379

本发明属于溶解氧领域,尤其涉及一种基于物联网的水体溶解氧自动化监测五分时时彩方法。



背景技术:

目前,溶解氧值是研究水自净能力的一种依据。水里的溶解氧被消耗,要恢复到初始状态,所需时间短,说明该水体的自净能力强,或者说水体污染不严重,否则说明水体污染严重,自净能力弱,甚至失去自净能力。因此水体中溶解氧含量的测定在工业、医疗卫生、生物、环境和水产养殖等诸多方面有着重要的意义!传统的实验室溶解氧测定五分时时彩方法,如碘量法,在测定上耗时耗力,且不能实现实时获得数据,因此不能实时的监测自然水体、工业流水线等所需应用领域的溶氧变化。

综上所述,现有技术存在的问题是:传统实验测定费时费力,不能实现实时获得数据,不能满足人们的需求。



技术实现要素:

针对现有技术存在的问题,本发明提供了一种基于物联网的水体溶解氧自动化监测五分时时彩方法,

本发明是这样实现的,一种基于物联网的水体溶解氧自动化监测五分时时彩方法,所述基于物联网的水体溶解氧自动化监测五分时时彩方法包括以下步骤:

步骤一,用烧杯准备600mL体积量的纯净水;

步骤二,初始化标准溶解氧仪,将探头插入纯净水中检测初始溶解氧值,单位mg/L;

步骤三,获取荧光强度信号的电压值,然后将传感器探头插入与同一纯净水中,接通电源进行测试,得到荧光强度信号的电压值,单位为mV;

步骤四,往纯净水中缓慢通入氮气,降低水体中溶解氧的浓度,用标准溶氧仪和传感器分别同时测定3个浓度条件下的溶解氧值和电压值;

步骤五,往纯净水中缓慢通入氧气,提高水体中溶解氧的浓度,用标准溶氧仪和本专利所述传感器分别同时测定3个浓度条件下的溶解氧值和电压值;

步骤六,以标准溶解氧仪测到8-11个溶解氧值为横坐标,以本发明提供所述传感器测到对应的7-10个电压值为纵坐标,绘制标准曲线,得到传感器的线性关系曲线,完成传感器标定;

步骤七,将标定的传感器集成信号无线发送模块;所述无线发送模块故障节点检测五分时时彩方法包括以下步骤:

在网络中,被判定为事件读数节点看作为一个簇,簇内全部的N个成员推举其中一个节点为簇头,并把感测事件读数发给簇头;

在簇头中,执行故障检测算法,初始温度T,终止温度T0和用于拟合的节点数目n≤N/2,随机抽取n个节点,形成拟合节点集Ω(0),其所有收集的读数为z(0),对数据的I个维度属性与节点的位置坐标进行最小二乘拟合,计算各个拟合结果R2的平均值并记为初始目标函数值f(z(0)),即f(z(0))等于此时的利用最小二乘法的进行拟合的步骤以及拟合效果具体如下所示:

建立适合的拟合模型,令其中为第i个维度属性的估计值,x和y为节点所在的横纵坐标,at是待定系数。拟合效果好坏取决于是否使实际值Xi(j),j=1,2,...,n与估计值的误差δj的平方和最小;

让对各个待定系数的偏导为0,即这时达到最小,得到一个线性方程组;

A1=[a1,…,ak]T,Xi=(Xi(1),…,Xi(n))T

则有

此时得到一个拟合函数。记为原始数据的总变异平方和,为拟合后的变异平方和;则可由下式来判断最小二乘法的拟合程度;

变换用于拟合的节点集,随机抽一个没在集合里的节点的数据,替换掉随机一个拟合节点集Ω(k-1)的节点的数据,得到新拟合节点集Ω(k),集合里所有节点的读数组成z(k),并计算目标函数值f(z(k)),即此时的

计算目标函数与前一次的差值Δf=f(z(k))-f(z(k-1));

决定是否接受新的拟合节点集,若接受,则把新拟合节点集Ω(k)替换前一次的拟合节点集Ω(k-1),否则当前拟合节点集继续为前一次的拟合节点集;

降温,令T=αT,α为降温比例,反映着降温速度;

若温度T低于终止温度T0,或M连续个温度下,目标函数值f(z(k))都没有发生变化,则退火结束,其最终拟合节点集Ω(k)为最优解,此时的目标函数值f(z(k))为极小值;

利用最优拟合函数G(x,y),估计各个节点的读数通过与实际感测数据X进行比较,若这两个数的马氏距离超过阈值θ,即则判断节点为故障节点;

步骤八,将标定的传感器固定在待测水体中;并将测定水体的溶解氧浓度数据信息通过信号无线发送模块上传到服务器中并公布到网络上,实现网络监测。

进一步,所述服务器时频重叠信号的归一化高阶累积量方程组构建五分时时彩方法包括:

接收信号的信号模型表示为:

r(t)=x1(t)+x2(t)+…+xn(t)+v(t)

其中,xi(t)为时频重叠信号的各个信号分量,各分量信号独立不相关,n为时频重叠信号分量的个数,θki表示对各个信号分量载波相位的调制,fci为载波频率,Aki为第i个信号在k时刻的幅度,Tsi为码元长度,pi(t)为滚降系数为α的升余弦成形滤波函数,且n(t)是均值为0,方差为σ2的平稳高斯白噪声;

混合信号的高阶累积量公式如下:

两边同时除以混合信号的二阶矩k/2次方:

进一步变形为:

其中和表示各分量信号功率与总功率的比值和噪声功率与总功率的比值,分别表示为和λv;由于高斯白噪声的高阶累积量为0,所以上式可以表示为:

由此,构建归一化高阶累积量方程组:

本发明的优点及积极效果为:传感器可用于自然水体中溶解氧浓度实时在线连续检测,由于提供的在线监测的传感器集成了信号无线发送模块,将信号发送到网络,构成水质溶解氧监测网络,具有广泛的应用前景;测定省时省力,可以实时获取数据。

附图说明

图1是本发明实施提供的基于物联网的水体溶解氧自动化监测五分时时彩方法流程图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。

下面结合附图对本发明的应用原理作详细的描述。

如图1所示,本发明实施例提供的本基于物联网的水体溶解氧自动化监测五分时时彩方法包括以下步骤:

步骤S1:准备水

用烧杯准备600mL体积量的纯净水;

步骤S2:初始化标准溶解氧仪

初始化标准溶解氧仪,将探头插入纯净水中检测初始溶解氧值,单位mg/L;

步骤S3:获取荧光强度信号的电压值

然后将本发明所述传感器探头插入与步骤S2所述的同一纯净水中,接通电源进行测试,得到荧光强度信号的电压值,单位为mV;

步骤S4:往纯净水中缓慢通入氮气,测定溶解氧值和电压值

往纯净水中缓慢通入氮气,降低水体中溶解氧的浓度,用标准溶氧仪和本发明提供的所述传感器分别同时测定3个浓度条件下的溶解氧值和电压值;

步骤S5:往纯净水中缓慢通入氧气,测定溶解氧值和电压值

往纯净水中缓慢通入氧气,提高水体中溶解氧的浓度,用标准溶氧仪和本专利所述传感器分别同时测定3个浓度条件下的溶解氧值和电压值;

步骤S6:完成传感器标定

以标准溶解氧仪测到8-11个溶解氧值为横坐标,以本发明提供所述传感器测到对应的7-10个电压值为纵坐标,绘制标准曲线,得到传感器的线性关系曲线,从而完成传感器标定;

步骤S7:集成信号无线发送模块

将标定的传感器集成信号无线发送模块。

步骤S8:实现网络监测

将标定的传感器固定在待测水体中;并将测定水体的溶解氧浓度数据信息通过信号无线发送模块上传到服务器中并公布到网络上,实现网络监测。

所述无线发送模块故障节点检测五分时时彩方法包括以下步骤:

在网络中,被判定为事件读数节点看作为一个簇,簇内全部的N个成员推举其中一个节点为簇头,并把感测事件读数发给簇头;

在簇头中,执行故障检测算法,初始温度T,终止温度T0和用于拟合的节点数目n≤N/2,随机抽取n个节点,形成拟合节点集Ω(0),其所有收集的读数为z(0),对数据的I个维度属性与节点的位置坐标进行最小二乘拟合,计算各个拟合结果R2的平均值并记为初始目标函数值f(z(0)),即f(z(0))等于此时的利用最小二乘法的进行拟合的步骤以及拟合效果具体如下所示:

建立适合的拟合模型,令其中为第i个维度属性的估计值,x和y为节点所在的横纵坐标,at是待定系数。拟合效果好坏取决于是否使实际值Xi(j),j=1,2,...,n与估计值的误差δj的平方和最小;

让对各个待定系数的偏导为0,即这时达到最小,得到一个线性方程组;

A1=[a1,…,ak]T,Xi=(Xi(1),…,Xi(n))T

则有

此时得到一个拟合函数。记为原始数据的总变异平方和,为拟合后的变异平方和;则可由下式来判断最小二乘法的拟合程度;

变换用于拟合的节点集,随机抽一个没在集合里的节点的数据,替换掉随机一个拟合节点集Ω(k-1)的节点的数据,得到新拟合节点集Ω(k),集合里所有节点的读数组成z(k),并计算目标函数值f(z(k)),即此时的

计算目标函数与前一次的差值Δf=f(z(k))-f(z(k-1));

决定是否接受新的拟合节点集,若接受,则把新拟合节点集Ω(k)替换前一次的拟合节点集Ω(k-1),否则当前拟合节点集继续为前一次的拟合节点集;

降温,令T=αT,α为降温比例,反映着降温速度;

若温度T低于终止温度T0,或M连续个温度下,目标函数值f(z(k))都没有发生变化,则退火结束,其最终拟合节点集Ω(k)为最优解,此时的目标函数值f(z(k))为极小值;

利用最优拟合函数G(x,y),估计各个节点的读数通过与实际感测数据X进行比较,若这两个数的马氏距离超过阈值θ,即则判断节点为故障节点。

所述服务器时频重叠信号的归一化高阶累积量方程组构建五分时时彩方法包括:

接收信号的信号模型表示为:

r(t)=x1(t)+x2(t)+…+xn(t)+v(t)

其中,xi(t)为时频重叠信号的各个信号分量,各分量信号独立不相关,n为时频重叠信号分量的个数,θki表示对各个信号分量载波相位的调制,fci为载波频率,Aki为第i个信号在k时刻的幅度,Tsi为码元长度,pi(t)为滚降系数为α的升余弦成形滤波函数,且n(t)是均值为0,方差为σ2的平稳高斯白噪声;

混合信号的高阶累积量公式如下:

两边同时除以混合信号的二阶矩k/2次方:

进一步变形为:

其中和表示各分量信号功率与总功率的比值和噪声功率与总功率的比值,分别表示为和λv;由于高斯白噪声的高阶累积量为0,所以上式可以表示为:

由此,构建归一化高阶累积量方程组:

以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。

再多了解一些
当前第1页1 2 3 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1