專利名稱：基于gprs的水華智能分析儀表的制作方法
技術領域：
本實用新型涉及水環(huán)境治理設備領域，具體地，涉及一種基于GPRS的水華智能分析儀表。
背景技術：
迄今，國內外大量專家學者在湖庫富營養(yǎng)化建模預測方面取得了較大的成就，主要預測模型有營養(yǎng)鹽模型、浮游植物生態(tài)模型、生態(tài)動力學模型、人工神經(jīng)網(wǎng)絡模型等。但藻類水華形成是一個復雜的、動態(tài)的生化反應過程，目前對藻類水華形成機理和成因還不十分清楚。水體富營養(yǎng)化模型可以歸結為簡單營養(yǎng)物平衡模型、基于內源釋放的生態(tài)模型、浮游植物生態(tài)模型、生態(tài)動力學模型，以及基于復雜網(wǎng)絡同步特征的水華暴發(fā)數(shù)值模型等等。機理生態(tài)建模雖然取得了很大進展，在綜合治理水華中發(fā)揮了一定作用，但是仍存在很多不足。如Vollenweider提出的簡單總磷模型只針對總磷的平均濃度分布建立模型，而且假定水體均勻分布，無法反映大型湖泊中總磷的時空差異；單一營養(yǎng)鹽模型只把一種營養(yǎng)鹽(如磷或氮)視為限制性營養(yǎng)元素，不能模擬水體中兩種或多種營養(yǎng)鹽含量相當?shù)那闆r；而基于內源釋放的生態(tài)模型，較難體現(xiàn)水體中多種營養(yǎng)成分的相互作用，不能準確反映湖庫生態(tài)系統(tǒng)的動態(tài)發(fā)展過程；生態(tài)動力學模型和基于復雜網(wǎng)絡同步特征的水華暴發(fā)數(shù)值模型所涉及的參數(shù)眾多，各參數(shù)之間表現(xiàn)出高度的非線性和不確定性，且模型不具備自校正功能，這使得建模相當困難、復雜。由于湖庫藻類水華形成過程存在很多不確定因素，機理模型中參數(shù)過少則不能反映水體的富營養(yǎng)化過程，而參數(shù)過多則很難描述各個參數(shù)之間的非線性作用機制。而現(xiàn)有的分析設備不能滿足建模的數(shù)據(jù)的采集。

實用新型內容本實用新型的目的在于，針對上述問題，提出一種基于GPRS的水華智能分析儀表，以實現(xiàn)水質參數(shù)的采集和無線傳輸?shù)膬?yōu)點。為實現(xiàn)上述目的，本實用新型采用的技術方案是一種基于GPRS的水華智能分析儀表，包括前端傳感器、無線傳輸模塊、處理器和電源轉換模塊，所示前端傳感器測得的信號，經(jīng)處理器后，通過無線傳輸模塊模塊發(fā)送，所示電源轉換模塊為前端傳感器、無線傳輸模塊和處理器提供穩(wěn)壓電源。進一步的，所述處理器采用51單片機。進一步的，所述電源轉換模塊包括熔斷器F1、二極管D1、穩(wěn)壓二極管D2、穩(wěn)壓二極管D3、穩(wěn)壓器Uc、電感L1、電容Capp2、電容Capp3、電容Cal和電容Ca2，所述熔斷器Fl電連接在直流電源的VCC端，所述二極管DI的陽極串聯(lián)在熔斷器FI上，其陰極串聯(lián)在穩(wěn)壓器Uc的輸入端，所述穩(wěn)壓器Uc的輸出端和FB端之間連接電感LI，所述電感LI的輸出端和電容Ca2串聯(lián)接地，所述電容Cal和電容Capp2并聯(lián)在二極管Dl的陽極和地之間，所述穩(wěn)壓二極管D2和電容Capp3并聯(lián)在穩(wěn)壓器Uc的輸入端和地之間，所述穩(wěn)壓二極管D3串聯(lián)在穩(wěn)壓器Uc的輸出端與地之間。進一步的，所述電容Ca2的陽極和地之間串聯(lián)電阻Rl和發(fā)光二極管DS7.進一步的，所述穩(wěn)壓器Uc采用LM2576D2T-5芯片。本實用新型的技術方案，通過設置前端傳感器，將前端傳感器采集的數(shù)據(jù)傳送至處理器中處理，處理后的數(shù)據(jù)通過無線傳輸模塊傳輸，從而實現(xiàn)了水質參數(shù)的采集和無線傳輸目的。而本實用新型采用單片機作為處理器使得該分析儀的操作簡單。而電源轉換模塊為分析儀提供12V和5V的穩(wěn)定直流電源，減少了電流的波動，使得傳感器的采集的數(shù)據(jù)更加準確。

圖1為本實用新型實施例所述的基于GPRS的水華智能分析儀表的原理不意圖；圖2a至圖2f為基于GPRS的水華智能分析儀表中電源轉換模塊的電氣電路圖；圖3為利用基于GPRS的水華智能分析儀表采集的數(shù)據(jù)進行建模的流程圖；圖4為圖3中所示的建模中粒子群優(yōu)化算法流程圖；圖5為利用粒子群優(yōu)化算法的藻類水華機理模型仿真圖；圖6為基于GPRS的水華智能分析儀表的工作流程圖。
具體實施方式
以下結合附圖對本實用新型的優(yōu)選實施例進行說明，應當理解，此處所描述的優(yōu)選實施例僅用于說明和解釋本實用新型，并不用于限定本實用新型。如圖1所示，一種基于GPRS的水華智能分析儀表，包括前端傳感器、無線傳輸模塊、處理器和電源轉換模塊，前端傳感器測得的信號，經(jīng)處理器后，通過無線傳輸模塊模塊發(fā)送，電源轉換模塊為前端傳感器、無線傳輸模塊和處理器提供穩(wěn)壓電源。其中，處理器采用51單片機。如圖2所示，電源轉換模塊包括熔斷器F1、二極管D1、穩(wěn)壓二極管D2、穩(wěn)壓二極管D3、穩(wěn)壓器Uc、電感L1、電容Capp2、電容Capp3、電容Cal和電容Ca2，熔斷器Fl電連接在直流電源的VCC端，二極管Dl的陽極串聯(lián)在熔斷器Fl上，其陰極串聯(lián)在穩(wěn)壓器Uc的輸入端，穩(wěn)壓器Uc的輸出端和FB端之間連接電感LI，電感LI的輸出端和電容Ca2串聯(lián)接地，電容Cal和電容Capp2并聯(lián)在二極管Dl的陽極和地之間，穩(wěn)壓二極管D2和電容Capp3并聯(lián)在穩(wěn)壓器Uc的輸入端和地之間，穩(wěn)壓二極管D3串聯(lián)在穩(wěn)壓器Uc的輸出端與地之間。電容Ca2的陽極和地之間串聯(lián)電阻Rl和發(fā)光二極管DS7。穩(wěn)壓器Uc采用LM2576D2T-5芯片。如圖3所示藻類水華形成機理綜合分析模型的具體建立方法是( 一 )確定藻類水華形成的主要指標，方法如下為了驗證葉綠素a可作為描述藻類水華的表征參數(shù)，通過實驗分析藻類密度與葉綠素a的相關性。在葉綠素a濃度低于40 g*L_l時，水樣水質相對較好，營養(yǎng)狀態(tài)較好，水樣中的各種藻類都從調整期逐漸進入了對數(shù)增長期。在葉綠素a濃度高于40 g*L_l時，藻類密度與葉綠素a含量具有高相關性。( 二)采用正交試驗分析水溫、光照、總氮、總磷及溶解氧與葉綠素a的相關性。[0028]I)水溫、光照、總氮、總磷與葉綠素a相關性分析選擇水溫、光照、總氮和總磷四個影響因素，在各因素水平選擇上，設計一組四因素三水平L9 (34)如表1:表1:
權利要求1.一種基于GPRS的水華智能分析儀表,包括前端傳感器、無線傳輸模塊、處理器和電源轉換模塊，所示前端傳感器測得的信號，經(jīng)處理器后，通過無線傳輸模塊模塊發(fā)送，所示電源轉換模塊為前端傳感器、無線傳輸模塊和處理器提供穩(wěn)壓電源； 所述處理器采用51單片機； 其特征在于，所述電源轉換模塊包括熔斷器F1、二極管D1、穩(wěn)壓二極管D2、穩(wěn)壓二極管D3、穩(wěn)壓器Uc、電感L1、電容Capp2、電容Capp3、電容Cal和電容Ca2，所述熔斷器Fl電連接在直流電源的VCC端，所述二極管Dl的陽極串聯(lián)在熔斷器Fl上，其陰極串聯(lián)在穩(wěn)壓器Uc的輸入端，所述穩(wěn)壓器Uc的輸出端和FB端之間連接電感LI，所述電感LI的輸出端和電容Ca2串聯(lián)接地，所述電容Cal和電容Capp2并聯(lián)在二極管Dl的陽極和地之間，所述穩(wěn)壓二極管D2和電容Capp3并聯(lián)在穩(wěn)壓器Uc的輸入端和地之間，所述穩(wěn)壓二極管D3串聯(lián)在穩(wěn)壓器Uc的輸出端與地之間。
2.根據(jù)權利要求1所述的基于GPRS的水華智能分析儀表，其特征在于，所述電容Ca2的陽極和地之間串聯(lián)電阻Rl和發(fā)光二極管DS7。
3.根據(jù)權利要求1所述的基于GPRS的水華智能分析儀表，其特征在于，所述穩(wěn)壓器Uc采用LM2576D2T-5芯片。
專利摘要本實用新型公開了一種基于GPRS的水華智能分析儀表，包括前端傳感器、無線傳輸模塊、處理器和電源轉換模塊，所示前端傳感器測得的信號，經(jīng)處理器后，通過無線傳輸模塊模塊發(fā)送，所示電源轉換模塊為前端傳感器、無線傳輸模塊和處理器提供穩(wěn)壓電源。通過設置前端傳感器，將前端傳感器采集的數(shù)據(jù)傳送至處理器中處理，處理后的數(shù)據(jù)通過無線傳輸模塊傳輸，從而實現(xiàn)了水質參數(shù)的采集和無線傳輸目的。而本實用新型采用單片機作為處理器使得該分析儀的操作簡單。而電源轉換模塊為分析儀提供12V和5V的穩(wěn)定直流電源，減少了電流的波動，使得傳感器的采集的數(shù)據(jù)更加準確。
文檔編號G08C17/02GK202870072SQ20122042048
公開日2013年4月10日 申請日期2012年8月22日 優(yōu)先權日2012年8月22日
發(fā)明者段莉華, 王春波, 吳銘, 王凰 申請人:無錫創(chuàng)揚信息科技有限公司