摘要:文章介紹了一種自行研發(fā)的綜合應(yīng)用紫外光譜測量和智能計算技術(shù)的水質(zhì)在線分析儀,并對其測量原理、硬件結(jié)構(gòu)、軟件功能與所采用的智能計算方法進行了詳細說明。實際測量結(jié)果表明該水質(zhì)分析儀操作簡便,適合于連續(xù)
在線水質(zhì)分析和成批量水樣檢測。
引言
鑒于環(huán)境保護需求的增加和水質(zhì)污染的日益嚴(yán)重,國家規(guī)定了多個水質(zhì)污染物含量的標(biāo)準(zhǔn)。廣泛應(yīng)用的水質(zhì)參數(shù)主要有兩類:一類是直接反映水中的具體成分,如金屬離子的濃度等;另一類稱為替代參數(shù),如COD、BOD、TOC等。替代參數(shù)能簡便迅速地反映水的物理、化學(xué)及微生物的特征。
國內(nèi)外有不少科研機構(gòu)和專業(yè)廠商都在研究如何能在線地測定這些水質(zhì)替代參數(shù)。目前,在線自動分析儀的主要技術(shù)原理有化學(xué)滴定法、電化學(xué)測量法、可見和紫外分光光度法。第1種方法的原理是通過化學(xué)滴定來確定水質(zhì)參數(shù)的含量。其缺點是測量時間過長、操作維護復(fù)雜,運行成本高,同時還會產(chǎn)生二次污染。
第2種方法的原理是利用水中有機物在工作電極表面被氧化的同時,工作電極上將有電流變化,當(dāng)工作電極的電位衡定時,電流的變化與水中的水質(zhì)參數(shù)成線性關(guān)系。通過計算電流的變化便可測出水質(zhì)參數(shù)。其主要特點是測量速度快,儀器結(jié)構(gòu)簡單,沒有二次污染。缺點是通過不同電化學(xué)法產(chǎn)生的電極電流變化只和一種替代參數(shù)有線性關(guān)系,和其他水質(zhì)參數(shù)則存在非線性的關(guān)系。因此一般以電化學(xué)法為原理的在線分析儀只能測量一種水質(zhì)參數(shù)。第3種方法是建立在吸收定律之上的一種利用被測物質(zhì)的分子或離子對特征電磁輻射的吸收程度進行定量分析的方法。
實驗證明,紫外吸光度能反映水中有機污染的程度,特別是對水中的一大類芳香族有機物和帶雙鍵有機物尤為靈敏。許多資料亦表明紫外吸光度和一些主要水質(zhì)替代參數(shù)具有一定的相關(guān)性[4],因此,通過分析紫外吸光度來獲得水質(zhì)參數(shù)具有極為重要的理論與實際意義。該文介紹的是一種新型在線紫外光譜水質(zhì)分析儀,以紫外分光光度法為原理,采集水樣在紫外區(qū)的全波段光譜,通過分析光譜數(shù)據(jù)的相關(guān)性,獲得全光譜中的特征光譜。然后利用智能軟件的算法分析光譜和各水質(zhì)參數(shù)的關(guān)系,建立相關(guān)預(yù)測模型。實驗結(jié)果表明,該水質(zhì)分析儀有測量速度快、精度高、跟蹤性能好、操作簡便的特點,和同類產(chǎn)品相比具有極大的優(yōu)勢。
1、系統(tǒng)測量原理
該儀器就是一種以紫外分光光度法為原理的水質(zhì)分析儀。和國外同原理的分析儀不同的是,國外儀器采用的光源只產(chǎn)生單一波長的光譜,這是因為紫外UV254與COD近似成線性關(guān)系,而其他波長和水質(zhì)參數(shù)的關(guān)系則比較復(fù)雜。為了不喪失其他波長所提供的關(guān)于水質(zhì)參數(shù)的有用信息,該儀器使用的光源產(chǎn)生250~470nm的光譜,通過智能軟件分析不同波長對水質(zhì)參數(shù)變化的影響,建立兩者的關(guān)系模型。而且不少國外儀器在使用中或多或少會用到一些化學(xué)試劑。如日本DKK-TOA公司的幾款水質(zhì)分析儀就是屬于這種類型。筆者設(shè)計的儀器在使用中則不需要任何化學(xué)試劑,因此能更迅速、直接地獲得各種水質(zhì)參數(shù)。相比以往的各種水質(zhì)分析儀,該系統(tǒng)具有測量速度快、可重復(fù)性好、成本低、不形成二次污染的優(yōu)點。
2、系統(tǒng)硬件結(jié)構(gòu)
分析儀采用模塊化設(shè)計,除了以后便于擴充不同的測量單元外,主要目的是為了防止模塊之間的相互干擾,提高儀器運行的穩(wěn)定性。
儀器分為水循環(huán)系統(tǒng)、采樣系統(tǒng)、水質(zhì)分析和顯示系統(tǒng)3部分。
水循環(huán)系統(tǒng)包括進水系統(tǒng)和出水系統(tǒng)。進水系統(tǒng)能持續(xù)不斷地向分析儀提供水樣,進水水泵和電磁閥在分析儀內(nèi)置軟件的控制下,把污水導(dǎo)入采樣系統(tǒng)。出水系統(tǒng)則將從采樣系統(tǒng)出來的污水排出,并獲取當(dāng)前污水樣品。
采樣系統(tǒng)包括水質(zhì)理化參數(shù)采集系統(tǒng)和光譜數(shù)據(jù)采集系統(tǒng)。水質(zhì)理化參數(shù)采集系統(tǒng)主要有傳感器和
變送器。傳感器獲得包括pH值、溫度、電導(dǎo)率等普通水質(zhì)參數(shù)。變送器則將其送到工控機中。光譜數(shù)據(jù)采集系統(tǒng)主要由光源、光纖、分光計組成。光源用于提供穩(wěn)定的紫外激光,經(jīng)過污水由分光計接收,處理后送入工控機。光纖是光信號的傳輸介質(zhì)。
水質(zhì)分析和顯示系統(tǒng)對由采樣系統(tǒng)獲得的數(shù)據(jù)進行處理,并顯示zui終結(jié)果。主要包括工控機,A/D卡、繼電器、顯示用LCD觸摸屏。工控機可完成大部分計算機的功能,除了內(nèi)置智能分析軟件外,還提供諸多擴展槽。A/D卡用于數(shù)據(jù)的采集和通過繼電器對水循環(huán)系統(tǒng)中的硬件進行控制。LCD觸摸屏不僅能顯示水質(zhì)參數(shù),而且可直接對分析儀進行各項操作。儀器的結(jié)構(gòu)原理如圖1所示。
3、系統(tǒng)軟件設(shè)計
作為智能在線分析測試系統(tǒng),它不僅能自動、實時地進行水質(zhì)參數(shù)的檢測,同時通過自帶數(shù)據(jù)庫,可隨時更新和顯示水樣的歷史數(shù)據(jù)。這對于監(jiān)測水質(zhì)的變化趨勢很有實際意義。
3.1水循環(huán)系統(tǒng)的控制和水質(zhì)數(shù)據(jù)的獲得
軟件通過繼電器控制水泵和電磁閥形成一個水路循環(huán)系統(tǒng)。當(dāng)被測污水進入樣本池后,系統(tǒng)打開光源,充分預(yù)熱后,獲得光譜數(shù)據(jù)。其他水質(zhì)參數(shù)則通過樣本池中的探頭,通過變送器送入。數(shù)據(jù)獲得過程如圖2所示。zui后排放污水和清洗。
3.2水質(zhì)數(shù)據(jù)的處理和顯示
軟件獲得的光譜數(shù)據(jù)和其他水質(zhì)理化參數(shù)經(jīng)過預(yù)處理后送入模型進行分析,zui終將結(jié)果顯示在LCD屏上,同時把分析數(shù)據(jù)存入數(shù)據(jù)庫,用于歷史趨勢的顯示和水質(zhì)模型的更新。數(shù)據(jù)處理和存儲過程如圖3所示。
3.3水質(zhì)模型的更新
智能分析軟件的核心技術(shù)是對紫外光譜和水質(zhì)參數(shù)之間關(guān)系建模。模型不是一成不變的,水樣性質(zhì)差別較大時就會出現(xiàn)基于原水樣的模型不能很好的預(yù)測新水樣的情況。軟件自帶重新建模的功能。通過輸入經(jīng)過標(biāo)準(zhǔn)測定的新水樣可修正水質(zhì)模型,以解決因水樣性質(zhì)差別大時模型不符的情況。
4、智能分析模型簡介
智能分析軟件采用的是混合神經(jīng)網(wǎng)絡(luò)模型,該混合模型是由一個多項式模型和一個多層前向神經(jīng)網(wǎng)絡(luò)并聯(lián)疊加而成的。這樣的結(jié)構(gòu)設(shè)計可以保證該混合模型對于函數(shù)擬合的普遍適應(yīng)性。對于多層前向網(wǎng)絡(luò)的隱節(jié)點數(shù)和權(quán)值的確定,所利用的訓(xùn)練算法[8]可以根據(jù)擬合精度的要求自動確定,隨著擬合精度要求的提高,前向網(wǎng)絡(luò)的隱節(jié)點數(shù)將逐漸增加,直至達到擬合要求。即使當(dāng)擬合精度要求過高時,該算法也可以根據(jù)擬合精度的改善情況來確定是否繼續(xù)增加隱節(jié)點,這樣的設(shè)計可以確保生成具有zui少隱節(jié)點數(shù)的前向神經(jīng)網(wǎng)絡(luò),就可以保證生成范化能力的混合神經(jīng)網(wǎng)絡(luò)模型。與此同時,由于該訓(xùn)練算法是基于zui小二乘算法的,適用于實時在線的測量。
該混合模型所采用的訓(xùn)練算法簡述如下:
1)對原始數(shù)據(jù)進行粗大誤差剔除、數(shù)據(jù)濾波、歸一化與相關(guān)性分析等處理,并將樣本數(shù)據(jù)集分為訓(xùn)練樣本和測試樣本;
2)利用zui小二乘法得到對象線性回歸模型;
3)生成樣本誤差集;
4)將訓(xùn)練樣本和測試樣本的誤差集合分別作為多層前向網(wǎng)絡(luò)的訓(xùn)練樣本和測試樣本;
5)利用基于zui小二乘法的網(wǎng)絡(luò)訓(xùn)練算法,生成zui簡化的前向神經(jīng)網(wǎng)絡(luò);
6)將前向神經(jīng)網(wǎng)絡(luò)和多項式模型結(jié)合,構(gòu)成混合神經(jīng)網(wǎng)絡(luò)模型。
5、實際運行分析
該在線水質(zhì)參數(shù)分析儀可用于多種參數(shù)測量,如COD、BOD、TOC等,在此僅以COD值(化學(xué)需氧量)的測試為例說明其測試性及有效性。
文中所采用的樣本數(shù)據(jù)來自54次采樣的城市污水,利用UV光譜儀得到相應(yīng)的吸光度數(shù)據(jù),如圖4所示;并利用標(biāo)準(zhǔn)的COD測試方法(重鉻酸鉀法)[9]獲得每個水樣的實際COD值。
根據(jù)軟件預(yù)處理模塊的處理結(jié)果,從全波段中挑選了3個特定波段的光譜吸光度(254nm、265nm和360nm的吸光度數(shù)據(jù))作為輸入數(shù)據(jù)。在建模過程中為防止模型偏差,該智能分析軟件可以同時利用2個或3個特定譜段的吸光度數(shù)據(jù)作為輸入,并比較各種建模結(jié)果,從中自動確定預(yù)測效果的特征波段的吸光度數(shù)據(jù)作為建模輸入數(shù)據(jù)。
由于數(shù)據(jù)點數(shù)較少(只有54個),所以采用留一檢驗[10]來比較各個模型預(yù)估的性。即依次取出54個樣本數(shù)據(jù)點中的一個作為測試數(shù)據(jù),采用剩余的53個數(shù)據(jù)作為訓(xùn)練數(shù)據(jù),然后用訓(xùn)練完成的模型預(yù)測該測試數(shù)據(jù),如此重復(fù)54次,得到54個樣本的預(yù)估值。
圖5反映了用兩個相關(guān)系數(shù)zui高的特征波長(254nm和265nm)計算混合模型的結(jié)果。其中Y軸表示COD的真值,X軸表示通過模型計算的COD的預(yù)測值,圓點是COD樣本根據(jù)真值和預(yù)測值在圖上的分布,當(dāng)中一條45°直線衡量COD的預(yù)測值偏離COD真值的程度。由圖可見,樣本訓(xùn)練結(jié)果分布在直線的附近,顯示了混合模型良好的預(yù)測精度。
6、結(jié)論
實驗結(jié)果顯示,該預(yù)測模型相關(guān)性好,分析精度高;采用的算法運算速度快,適合在線監(jiān)測。從實際運行看,該在線水質(zhì)分析儀有精度高、跟蹤性能好、操作方便、人機交互界面友好、運行成本低廉的特點,其*的封閉式防水結(jié)構(gòu)能適應(yīng)任何戶外條件,且數(shù)據(jù)傳輸功能適合遠程監(jiān)控,能隨時報告水質(zhì)情況,與同類產(chǎn)品相比具有較大的技術(shù)優(yōu)勢。