任 健,周红标,刘帅祥,张金龙,苏 衍
(淮阴工学院自动化学院,江苏 淮安 223003)
随着城市规模的不断扩大和工业废水排放量的日益增加,地表水污染问题日趋严重[1]。由于排水系统落后,现代城市大多存在污水排河或河水倒灌等问题[2]。传统截流井依据井内水体深度和流量大小实现截污,能够防止污水溢流到城市河流水体。但是,传统截流井存在易老化、易损坏、运行成本高和维护难等诸多缺点[3-4]。
与传统截流井相比,智能截流井首先采用智能感知技术实时获取雨量、液位和流量等指标,然后通过嵌入式微处理器对数据进行分析、处理,最后控制闸门动作,以实现自控截污[5]。郭坤等[6]采用可编程逻辑控制器(programmable logic controller,PLC)设计自动控制系统,根据水位和雨量等信息自动控制闸门的开启和关闭。王雷等[7]采用有线通信方式实现截流井的数据上传和远程控制。索猛等[8]采用单片机开发工业过程循环水检测装置,实现酸碱度、电导率、氧化还原电位等水质参数的在线监测。然而,上述截污系统的控制动作主要依赖嵌入式设备对现场数据的分析,并没有工程师和智能算法的支撑,容易引起控制器误动作。
针对上述问题,本文采用物联网技术设计智能防倒灌自控截污系统。该系统能够感知井内外的雨量、流量、液位、浊度、酸碱度(potential of hydrogen,pH)和化学需氧量(chemical oxygen demand,COD)等水质数据,并利用4G无线通信技术将数据传输到云端;在云端采用支持向量机(support vector machine,SVM)算法构建水质智能预警模型,可实现数据可视化、管理无人化和控制智能化。该系统降低了运维成本,提高了污水截流的可靠性。
截流井是城市排水系统的重要组成部分,起到拦截污水和雨天泄洪的作用。在干旱季节或雨季初期,截流井引导污水通过污水管排入污水处理厂,能够有效防止污水侵入城市水体;在雨季中后期,截流井引导雨水通过雨水管排入河流,以增加淡水资源量、减轻雨水对污水处理厂的负荷冲击。
传统截流井主要采用鸭嘴式、槽式或闸式结构,具有造价低、使用方便等优点。
传统截流井构造如图1所示。
图1 传统截流井构造图
传统截流井在实际工程应用时存在以下缺陷。鸭嘴式截流井利用内外压差开启和关闭止回阀。其并不能有效防止河水倒灌,同时存在橡胶结构易老化、易泄漏、易损坏的缺点。槽式截流井囿于井体构造,无法有效实现中后期雨污分流。闸式截流井以手动控制为主,存在需专人看管、自动化程度低以及统一管理和维护难度大等问题。此外,传统截流井由于没有考虑井内水质状况,在旱季井内水质符合排河标准时仍控制水体进入污水管网内。这不可避免地增大了污水处理厂的运转负荷。
为了解决传统截流井存在的问题,本文设计了1种基于物联网技术的智能防倒灌自控截污系统。
系统总体架构如图2所示。
图2 系统总体架构
基于物联网技术的智能防倒灌自控截污系统主要由设备层、网络层和应用层3个部分组成。设备层主要包括STM32主控模块、多传感器模块、闸门和潜水泵控制模块。网络层主要包括嵌入式智能网关和云端服务器。应用层主要包括云平台和微信小程序。
系统工作流程如下。
首先,设备层利用多传感器模块采集雨量、流量、液位、浊度、pH和COD等水质数据,并通过设备层的STM32主控模块将数据上传到智能网关。同时,设备层接收智能网关下发的控制命令,以实现潜水泵和闸门的自动控制,起到自动截污和污水防倒灌的作用。
其次,智能网关接收到水质数据后,同步获取潜水泵和闸门的运行状态数据,将数据封装成帧,并利用4G通信技术上传到云端服务器。
再次,云服务器接收、解析数据包,并将处理后的数据保存在云端服务器数据库中。
最后,在云端服务器搭建云平台,以实现水质数据的可视化展示、水质等级的智能分类判别以及控制设备的远程操控。同时,开发的微信小程序提升了运维管理的便捷性。
系统硬件主要由多传感器模块、STM32主控模块、RS-485通信模块、4G通信模块和控制模块组成。
多传感器模块主要采集雨量、流量、液位、浊度、pH和COD等各类水质数据。后续水质分类和控制设备动作均依赖数据的处理结果。
本文分别选用RS-YL-N01-6-02型翻斗式雨量传感器、DN65型水流量传感器、 KDL300RS型投入式液位传感器、PR-3002-ZD型浊度传感器、FH-100型pH传感器和PR-300-ZD-1000型COD传感器来构建多传感器模块。
翻斗式雨量传感器能够将降雨量转换为开关量表示的数字信号。水流量传感器能够输出与水流量成线性比例关系的脉冲信号。投入式液位传感器以高性能压力传感器作为测量元件,能够建立液体压力信号以输出与液体深度之间的线性对应关系。浊度传感器采用红外线对管的透光原理检测水体的污浊程度。pH传感器采用测量电极之间的电位差来检测溶液中的氢离子浓度。COD传感器采用水体中有机物对254 nm波长紫外光具有吸收作用的原理,测量水中溶解的有机污染物含量。
系统选用STM32F103RC作为主控芯片。该芯片最高工作频率可达72 MHz,最大可集成512 KB的闪速存储器和64 KB的静态随机存取存储器(static random-access memory,SRAM),提供3个12位的数模转换器、5个通用同步/异步接收/发送器(universal synchronous/asynchronous receiver/transmitter,USART)等资源。因此,该芯片能够实现对多路传感器信号的采集、储存、通信和控制,具有控制性能优越、功耗低、集成度高和开发简便等优点[9-11]。
STM32主控模块的硬件电路主要由STM32主控芯片、时钟电路、复位电路和滤波电路等组成。
STM32主控模块如图3所示。
图3 STM32主控模块
智能网关作为数据集中处理和异构网络数据交互的平台,主要作用是对接入的RS-485设备进行数据解析,并对设备层数据进行分析处理、数据加密和协议转化,从而将数据通过网络接口发送给云端服务器。因此,本文利用RS-485通信模块实现智能网关与设备层STM32之间的数据通信。RS-485总线传输速率为100 Kbit/s~10 Mbit/s,传输距离最高可达1 200 m,完全能够胜任截污系统井下几十米距离的数据传输工作。
本文采用MAX3485芯片设计RS-485通信模块。在设备层和智能网关中,2块MAX3485的RO和DI引脚分别与相应STM32的RX和TX串口相连。设备层MAX3485的B引脚和A引脚分别与智能网关MAX3485的B引脚和A引脚相连,从而实现设备层STM32和智能网关STM32的双向通信。
RS-485通信模块如图4所示。
图4 RS-485通信模块
系统采用4G物联网技术构建智能网关与云端服务器之间的通信链路,实现多套智能截污系统与服务器的报文交换和数据对接。本文选用SIM7600模块构建4G通信电路。该电路上行最大传送速率为50 Mbit/s,下行最大传送速率为150 Mbit/s,完全能够胜任系统的远程监控工作。
STM32与4G模块之间的串行通信电路如图5所示。
图5 STM32与4G模块之间的串行通信电路
串行通信电路以通用异步收发传输器(universal asynchronous receiver/transmitter,UART)实现数据的串口透传。智能网关中,STM32的TX、RX引脚分别与SIM7600的RXD、TXD引脚相连,从而实现设备层现场数据的无线上传与应用层控制指令的远程下发。
系统通过STM32控制器与继电器的协同工作实现闸门和潜水泵等机电设备的远程控制。继电器控制电路如图6所示。图6中:OUT1为STM32的输入/输出(input/output,I/O)端口;TLP521为光电耦合器;Q6为NPN型三极管。当STM32的OUT1输出低电平时,三极管饱和导通,继电器线圈得电,闸门或潜水泵开始工作。当STM32的OUT1输出高电平时,三极管截止,继电器线圈失电,闸门或潜水泵停止工作。
图6 继电器控制电路
系统软件主要由主程序、云端服务器程序、云平台程序和可视化界面等组成。
主程序流程如图7所示。
图7 主程序流程图
主程序主要包括STM32主控程序和智能网关程序。主程序在Keil uVision4开发平台中采用C语言编写,通过JLINK仿真器将编译生成的hex文件烧写进STM32。STM32主控程序主要包括数据采集程序、数据处理程序和信号控制程序等。智能网关程序主要包括串口加密通信程序、4G无线通信报文传输程序等。
主程序中,STM32主控程序是先运行的部分。其首先进行系统初始化操作,然后对各传感器进行数据采集与处理。截污控制算法根据采集的数据对闸门和潜水泵进行控制,直至达到设定值。同时,STM32主控芯片对数据进行加密,通过RS-485总线与智能网关通信。数据由智能网关统一发送到4G无线模块SIM7600,经加密后上传到云端服务器。
云端服务器程序是基于Visual Studio 2015开发平台,使用C语言编写的。通过对程序进行编译和打包,可在云端服务器上生成1个监听上位机的客户端。该监听上位机负责接收来自智能网关的数据,并将数据存储在MySQL数据库。
云端服务器程序流程如图8所示。
图8 云端服务器程序流程图
云端服务器中监听上位机的工作流程如下。首先,监听上位机执行系统初始化操作,主要设置串口波特率、延时函数、定时/计数器工作模式、系统中断等。其次,监听上位机启动监听功能,通过监听特定的端口,建立设备层与云端服务器之间的通信通道。通信通道确保了设备与服务器之间的有效连接。接着,监听上位机进入待命状态,时刻准备接收来自设备层发送的数据包。一旦接收到数据包,监听上位机会对数据包进行解析和处理,以验证数据的完整性和准确性。最后,经过解析和处理的数据会被保存到云端服务器的MySQL数据库中,以供后续查询、分析和处理。云端服务器重复执行上述步骤,直到停止监听操作。总之,监听上位机实现了设备层与云服务器之间的有效数据传输。
云平台程序主要由前端和后端组成。前端负责数据的可视化展示。后端负责读取云服务器数据库的数据,并与前端进行数据交互。本研究采用HTML5搭建前端页面;采用CSS3实现前端页面的静态展示;采用JavaScript实现前端页面的动态交互;采用Spring Boot实现后端与前端之间的数据交互。
云平台功能架构如图9所示。
图9 云平台功能架构
云平台程序的主要任务如下。
①设备分布是实时显示设备的地图分布和详细信息。
②数据管理是实时显示液位、雨量、流量、水质等数据信息,在线对潜水泵和闸门进行控制。
③数据分析是利用人工智能算法处理后台数据,形成智能决策。
④用户管理是分配用户操作设备的权限。
为了便于数据的集中管理、统一显示和智能分析,本文利用Visual studio 2015软件设计客户端可视化界面。该软件具有开发效率高、插件丰富等优点,能够满足截污系统远程可视化界面的设计需求。可视化界面能够实时显示设备序列号、最新数据上传时间、设备状态(潜水泵的启动和停止、闸门的开启和关闭)、实时水质参数(雨量、流量、液位、浊度、COD值、pH值)等信息。
本文设计的防倒灌自控截污系统在无锡市某地进行了性能有效性测试。试验在某安置点,利用该系统采集30天的雨水管出水水质数据。其中,前10天和后10天均关闭截污系统,仅依靠截流井机械结构的功能完成污水截流。
系统测试效果如图10所示。
图10 系统测试效果
由图10可知,在系统开启后,雨水管中的总磷和浊度等水质数据得到明显改善。这表明系统将大部分污水转运至污水管网中,截污效果良好。
SVM是Vapnik等[12-13]在统计学习理论中提出的。SVM利用多个支持向量确定的超平面对数据进行分类。假设训练集为(x(i),y(i))(i=1,2,…,n;xi∈Rn;y(i)∈{-1,1}),则最佳分类超平面为:
f(x)=w·φ(x)+b=0
(1)
式中:w为权重向量;b为权重偏置。
根据式(1),训练样本x(i)到最佳分类超平面f(x)的距离为:
(2)
同比率调整w和b,可实现f(x)的归一化,并确保训练集满足以下约束条件:
y(i)[w·φ(x(i))+b]-1≥0
(3)
(4)
本文采用Lagrange法将式(4)的二次规划问题转换为对偶问题:
(5)
式中:α=(α1,α2,…,αn)T为Lagrange乘子向量。
本文利用核函数K=K(x(i),x(j))可解决数据点在低维空间的线性不可分问题。其中,应用较为广泛的函数是高斯核函数:
(6)
式中:σ为高斯分布的宽度。
本文利用核函数对式(5)进行内积变换,得到以下对偶问题:
(7)
SVM分类结果如图11所示。
图11 SVM分类结果
为了提高控制器动作的自动化和智能化程度,本文采用SVM理论设计水质分类模型,以将分类信息提供给控制器进行决策动作。SVM模型输入为雨量、流量、液位、浊度、pH和COD等水质指标。模型输出为工程师根据井下水质以及污水转运情况所设计的3种类别标签。对于第一类水质,系统启动闸门控制器,将其溢流至内河水体。对于第三类水质,系统启动潜水泵控制器,将其抽取转运至污水管网。对于第二类水质,如果雨量较大,系统则开启闸门将超量的雨污水溢流至水体;如果雨量较小或未下雨,系统则开启潜水泵将污水转运至污水管网。截污系统连续运行3个月,总共获取720个样本数据。从每类样本中随机选取40个(共计120个)样本作为测试集,剩余的600个样本作为训练集。3类样本判断正确的个数分别为35、34、37,总分类准确率为88.3%。这个结果表明:水质分类模型能够有效支撑截污系统的智能决策和自动控制。
本文利用物联网技术和人工智能算法对传统截污系统进行改造升级,实现了对井下水质参数的远程在线监测。4G通信技术有效避免了线缆铺设等问题,极大地方便了数据上云和移动监控,提高了截流系统的信息化程度。SVM等智能算法取代了工程师的现场经验判断,不仅减轻了运维成本,而且朝无人值守的智能污水截流系统迈进了一大步。下一步工作是根据季节、天气、雨势等实际情况,研究复杂工况下井内污水转运连续控制算法,以期在解决污水侵入雨水管网造成内河水质受污问题的同时,降低污水水量对污水厂的负荷冲击。