共查询到18条相似文献,搜索用时 78 毫秒
1.
针对目前水质监测采用的实验室手工分析方法实时性差等问题,提出一种基于无线传感器网络的远程水质监测系统方案.详细地给出了无线传感器网络节点的设计方案,实验结果表明,该系统稳定可靠,可满足水环境远程实时监测的要求,具有广泛的应用前景. 相似文献
2.
针对传统水质监测系统不能对水质参数进行实时在线监测,难以准确检测水质参数的动态变化、水质参数检测误差大等问题,提出了水质监测无线传感器网络( WSNs)的硬件设计方案。系统主要通过核心单片机CC2530实现传感器节点设计,采用太阳能电池板进行供电,同时设计了采集温度、pH 值的硬件电路,并对硬件电路进行了稳定性试验。在 IRA 开发环境下,进行传感器节点和协调器的编程,使之能够进行通信。实验结果表明:系统温度、pH值的平均相对误差分别为3.06%,1.64%,提高了监测精度。 相似文献
3.
基于无线传感器网络的水质监测系统设计 总被引:6,自引:2,他引:6
在研究无线传感器网络及Zigbee协议标准的基础上,对远程实时水质监测系统进行了分析.提出了基于Zigbee无线传感器网络与互联网结合的远程实时水质监测系统架构.设计了基于无线传感器的水质监测网络体系结构,实现了水质监测参数的荻取及传输. 相似文献
4.
5.
6.
基于无线传感器网络的水质监测系统设计 总被引:2,自引:0,他引:2
使用传统的有线水质监测系统进行水环境污染检测时,存在监测点数量多、监测时间长等问题。为此,提出一种基于无线传感器网络的水质监测系统。通过无线传感器节点对被监测水域进行水质参数的数据采集,将采集到的数据经过Zigbee网络进行汇总及处理,并经过GPRS网络及时地远程传送给监管部门,从而实现对河流水质情况的实时、有效的监督和管理。对水质监测系统的软硬件电路设计进行介绍,并实现对系统的软硬件连调。实验结果证明,该系统能够满足组网要求,可较好地应用于水质监测领域。 相似文献
7.
针对传统水质监测系统在水质参数在线监测、预警能力、数据精度和稳定性方面的不足,综合使用无线传感器网络、GPRS无线通信、GSM短信等技术与方法,构建一个鱼塘水质远程实时监测系统。该系统具有预警及时、响应迅速、形象化查询、可扩展性强等特点。 相似文献
8.
针对粮情监测系统的实际应用背景,提出一种由PC主机、一个汇聚节点(sink节点)以及众多WSN节点构成的无线粮情监测系统。文章详细介绍了WSN节点的硬件结构和无线通信协议,并结合主机开发环境,对系统监测软件的设计作了说明。系统实际运行结果表明,该系统具有结构简单、易于安装、运行稳定可靠、抗干扰能力强等优点。 相似文献
9.
10.
11.
基于无线传感器网络(WSN)技术,开发了水产养殖水质监测LED终端显示系统.该系统利用WSN汇聚节点与LED显示屏之间在线通信,提出了一种脱离PC机的数据传送方式,实现了水质参数(温度、pH值、溶解氧浓度)的自动监测与实时显示.汇聚节点以MSP430F149为处理器,nRF905射频芯片及其外围电路为无线通信模块,BQ2057W充电管理芯片及其外围电路为太阳能充电模块,以9针型态的RS-232接口电路组成串口通信模块.汇聚节点与LED显示屏通过串口通信,编写了两者之间的通信协议. 相似文献
12.
13.
14.
15.
为了研究微生物在不同流态下的生长情况,从而实现其在污水等环境问题处理中的应用,研制开发一种控制方便、搅拌效果好、能耗小,并且能够实时监测水质参数的监控系统具有重要意义.设计了一种基于ARM的水质监控系统,该系统通过两个步进电机分别控制内、外缸的转速和方向,实现混合溶液的智能搅拌,系统控制精确灵活、能耗小、且操作简便.另外,系统还具备pH值、溶解氧和温度等水质参数的监测功能.实验表明,该系统可操作性强、稳定性好,可实现转速的精确控制和水质参数的实时准确监测,为进一步探究微生物生长因素提供了便捷的设备基础. 相似文献
16.
17.
针对人工采样实时性差、传统水质监测系统的信息传输安全性低的问题,结合数据加密、无线通信、云服务器等技术,设计了一套水质监控系统。阐述了AES算法的实现原理和系统总体方案,并重点给出了以水质传感器、GPRS模块和STM32微控制器为基础的硬件设计与软件设计思路,制定了终端节点、云服务器、用户端三者之间的通信协议。实验结果表明,该系统运行稳定,安全性强,可实现水质监测和节点控制功能,将系统应用于水产养殖厂和污水处理厂中,会有良好的发展应用前景。 相似文献
18.
为促进秦岭地区生态环境保护,确保"一江清水送京津",设计了基于ABC-BP模型的丹江水源地水质监测系统;该系统通过ZigBee和4G无线网络对pH值、DO、导电率、水温等水质数据进行采集和传输,并基于BP神经网络建立了水质参数预测模型,为减小预测误差,采用人工蜂群算法(ABC算法,artificial bee colony algorithm)对BP神经网络预测模型的权值和阈值进行优化,建立了ABC-BP水质参数预测模型;试验结果表明,该算法与BP神经网络算法相比误差减少了45.8%,系统实现了pH值、DO、导电率、水温等水质参数的实时显示和预测功能,能更好地对水源地水质进行智能监测. 相似文献