论文部分内容阅读
水质问题是影响人类身体健康和社会可持续发展的关键因素之一。社会进步对水环境管理提出越来越高的要求,针对国内目前使用的自动监测系统存在的采样能力不足、监测范围有限、监测时效性差等缺点,本文提出了一种基于物联网的在线水质监测系统。该系统由水质监测终端、水质网关、水质监控中心三个部分组成,将目标水域划分为若干监测子网,在子网中部署水质监测终端和水质网关,依托ZigBee和GPRS搭建两级通信平台实现大范围、全天候的实时水质监测。同时,使用神经网络实现对目标水域的水质评价。水质采集由监测终端完成,其主要由CC2430主控制器、数据采集模块、供电模块、采集辅助模块构成。采集辅助模块在收到CC2430主控器的采集命令后,驱动水泵抽取水样;数据采集模块实现对水样PH、水温、电导率、溶解氧水质参数的采集并发往CC2430主控制器;主控制器负责ZigBee网络管理和无线数据存储和收发。监测终端在Z-Stack协议栈下进行软件设计,根据水质传感器的特性对水质采集任务进行多阶段任务开发,并实现终端的无线组网。水质网关使用基于ARM的S3C2440A控制器、GPRS模块、ZigBee协调器搭建。在ARM平台上实现ZigBee内部网络和公共IP网络的协议转换,网关还负责监控中心和监测子网之间的数据解析与转发并对网关所辖子网进行独立管理。本文还设计了水质监控中心,在Qt框架下完成开发并采用IOCP模型实现数据接入。使用MATLAB软件对水质评价模型进行了辅助设计与仿真,建立了基于BP神经网络的水质评价模型。该中心能够对系统的监测设备进行采集参数设置、状态监视,还具有水质数据的查询、维护以及水质评估功能。本文实现了在线水质监测系统的设计。测试结果表明ZigBee协调器在80米范围内组网稳定,且重新组网的时间短;IOCP接入组件性能优越;传感器采样值与标准值偏差较小;基于动量学习率自适应算法的BP网络水质模型评价可靠。系统功能正常、运行稳定,达到了预期效果。本论文的工作涉及了 ZigBee、GPRS、传感器技术、人工神经网络等技术,为物联网与水质监测技术的结合提供了一定的参考价值。