一种基于机器学习反馈补偿优化的溶解氧检测仪制造技术

本发明专利技术提供一种基于机器学习反馈补偿优化的溶解氧检测仪，涉及检测仪器技术领域。本发明专利技术提出了一种基于机器学习反馈补偿优化的溶解氧检测仪，包括树莓派raspberry pi 3B、AD620放大模块、ADS1115模数转换模块、溶解氧传感器KDS‑25B；本发明专利技术利用机器学习算法进行补偿，大大增加了机器的使用寿命和增加了机器的使用精度，并具有可拓展性可以为许多行业制作更人性化的独立使用界面，在现有的溶解氧的基础上增加机器学习算法，以提高溶解氧仪器在测量的精度，同时减少温度对溶解氧仪器的影响，并且可以反馈测量时消耗的溶解氧量，而且在一定程度上对溶解氧寿命得到了加强，并且不会对整个溶解氧仪器产生不利影响。

A dissolved oxygen detector based on machine learning feedback compensation optimization

【技术实现步骤摘要】
一种基于机器学习反馈补偿优化的溶解氧检测仪
本专利技术涉及检测仪器
，尤其涉及一种基于机器学习反馈补偿优化的溶解氧检测仪。
技术介绍
现有的溶解氧检测仪主要是电化学为原理的检测仪，其缺点是：只具有单一的线性的矫正算法数据精度较差，而且大多不具有良好的温度补偿功能，实验条件受制约比较明显，本身测量溶解氧时会消耗一部分的溶解氧，而且使用寿命大多在1年左右。
技术实现思路
针对现有技术的不足，本专利技术提供一种基于机器学习反馈补偿优化的溶解氧检测仪，在现有的溶解氧的基础上增加机器学习算法，以提高溶解氧仪器在测量的精度，同时减少温度对溶解氧仪器的影响，并且可以反馈测量时消耗的溶解氧量，而且在一定程度上对溶解氧寿命得到了加强，并且不会对整个溶解氧仪器产生不利影响。本专利技术所采取的技术方案是：一种基于机器学习反馈补偿优化的溶解氧检测仪，包括树莓派、放大模块、模数转换模块、溶解氧传感器；所述树莓派为嵌入式可编程逻辑控制器，其输入端连接所述模数转换模块输出端，所述树莓派采集到所述模数转换模块输出的数电信号，通过机器学习算法进行纠正，至每0.5秒输出精确至0.01mg/L的动态溶解氧浓度；所述放大模块为差动放大电路，其输入端连接所述溶解氧传感器的输出端，其输出端连接所述ADS1115模数转换模块输入端，获得所述溶解氧传感器输出的毫伏级电压进行放大100倍；所述模数转换模块为16位AD转换模块；输入端连接所述放大模块输出端，通过基于底层的I2C协议，将所述放大模块放大后的模电信号转化为数电信号；所述溶解氧传感器是由金制成阴极，由铅构成阳极，当水样中的溶解氧分子到达阴极时会产生阴极表面的溶解氧被还原反应和铅阳极被氧化反应，进而产生电流信号，电流大小与溶液中溶解氧浓度成正比，传感器采集到与溶解氧浓度有关的毫伏电压信号，输出至放大模块。所述机器学习算法基于数模转换模块输出的16位数字地址，数字地址的范围是±32678，按照二进制运算规则按比例设置了6个档位的量程，分别是±6.144V、±4.096V、±2.048V、±1.024V、±0.512V、±0.256V。采用上述技术方案所产生的有益效果在于：本专利技术利用机器学习算法进行补偿，大大增加了机器的使用寿命和增加了机器的使用精度，并具有可拓展性可以为许多行业制作更人性化的独立使用界面，在现有的溶解氧的基础上增加机器学习算法，以提高溶解氧仪器在测量的精度，同时减少温度对溶解氧仪器的影响，并且可以反馈测量时消耗的溶解氧量，而且在一定程度上对溶解氧寿命得到了加强，并且不会对整个溶解氧仪器产生不利影响。附图说明图1为本专利技术实施例中溶解氧检测仪结构示意图；图2为本专利技术实施例中树莓派raspberrypi3B原理图；图3为本专利技术实施例中AD620放大模块原理图；图4为本专利技术实施例中ADS1115模数转换模块原理图；图5为本专利技术实施例中溶解氧传感器KDS-25B实物图；图6为本专利技术实施例中流程图；其中图(a)为其主程序流程图；图(b)为其量程范围选择子程序流程图；图7为本专利技术实施例中仪器可逆性响应时间曲线图；图8为本专利技术实施例中水中响应度和温度关系图；其中图(a)为零氧水，图(b)为饱和溶解氧水；图9为本专利技术实施例中18℃饱和溶解氧水中响应度和PH值关系图。具体实施方式下面结合附图对本专利技术具体实施方式加以详细的说明。一种基于机器学习反馈补偿优化的溶解氧检测仪，如图1所示，包括树莓派raspberrypi3B、AD620放大模块、ADS1115模数转换模块、溶解氧传感器KDS-25B；所述树莓派raspberrypi3B为嵌入式可编程逻辑控制器，如图2所示，其输入端连接所述ADS1115模数转换模块输出端，所述树莓派raspberrypi3B采集到所述ADS1115模数转换模块输出的数电信号，通过机器学习算法进行纠正，至每0.5秒输出精确至0.01mg/L的动态溶解氧浓度；所述AD620放大模块采用的是差动放大电路，如图3所示，其输入端连接所述溶解氧传感器KDS-25B的输出端，其输出端连接所述ADS1115模数转换模块输入端，获得所述溶解氧传感器KDS-25B输出的毫伏级电压进行放大100倍；所述ADS1115模数转换模块为16位AD转换模块，如图4所示，输入端连接所述AD620放大模块输出端，通过基于底层的I2C协议，将所述AD620放大模块放大后的模电信号转化为数电信号；所述溶解氧传感器KDS-25B如图5所示，是由Au制成阴极，由铅构成阳极，当水样中的溶解氧分子到达阴极时会产生阴极表面的溶解氧被还原反应和铅阳极被氧化反应，进而产生电流信号，电流大小与溶液中溶解氧浓度成正比，传感器采集到与溶解氧浓度有关的毫伏电压信号，输出至AD620放大模块。所述机器学习算法基于ADS1115数模转换模块输出的16位数字地址，数字地址的范围是±32678，按照二进制运算规则按比例设置了6个档位的量程，分别是±6.144V、±4.096V、±2.048V、±1.024V、±0.512V、±0.256V，这样以便获取区间内数据更好的稳定度和精度，增加仪器的重复性。如图6所示，其主程序流程图如图6(a)所示，其量程范围选择子程序流程图如图6(b)所示。本溶解氧测定仪采用径向基函数。与同类核比较如果将核函数形式化定义，当其原始内积为<x,z>，映射后为＜φ(x),φ(z)＞时，其核函数表达式：K(X,Z)＝φ(x)Tφ(z)所以在计算一般的SVM(SupportVectorMachine)分类问题的时候，我们只要第一步计算φ(x)；第二部计算φ(x)Tφ(z)。但是当最初特征是n维时，我们就学要将这个特征值映射到n2维，再进行计算，所以我们的时间复杂度将达到O(n2),显然这样的方法是非常低效的。但是我们可以从数学角度解决这个问题，我们先假设参数x和z都是n维的。K(x,z)＝(xTz)2展开后得；由上式可见，通过计算原始特征x和z内积的平方，既能得到计算映射特征的内积，时间复杂度也从O(n2)降到了O(n)。但是核函数由许多种类，例如线性核函数、多项式核函数、Sigmoid以及RBF核函数而且对于核函数的在选择上，比较缺乏指导原则，从很多实验结果观察明确表示，很大部分核函数在解决部分问题是具有很好的情况，但有些地方就差强人意，但是据不完全统计，径向基核函数的偏差值最小，而且在一些文本数据的分类问题上其准确率和召回率都达到了85％以上，而且径向基核函数不仅可以让样本映射到一个更高维的空间，而且在处理分类问题的时候还可以处理类标签和特征值之间关系是非线性式的例子，就像本实施例中需要处理PH、温度、电导率、溶解氧、时间之间的关系一一对应，虽然Sigmoid核函数也具有相似的性能但在处理这种问题上，径向基核函数具有较少的参数值，而这个参数值会影响核函数的复杂程度本文档来自技高网...

【技术保护点】
1.一种基于机器学习反馈补偿优化的溶解氧检测仪，其特征在于：包括树莓派、放大模块、模数转换模块、溶解氧传感器；/n所述树莓派为嵌入式可编程逻辑控制器，其输入端连接所述模数转换模块输出端，所述树莓派采集到所述模数转换模块输出的数电信号，通过机器学习算法进行纠正，至每0.5秒输出精确至0.01mg/L的动态溶解氧浓度；/n所述放大模块为差动放大电路，其输入端连接所述溶解氧传感器的输出端，其输出端连接所述模数转换模块输入端，获得所述溶解氧传感器输出的毫伏级电压进行放大100倍；/n所述模数转换模块为16位AD转换模块；输入端连接所述放大模块输出端，通过基于底层的I2C协议，将所述放大模块放大后的模电信号转化为数电信号；/n所述溶解氧传感器是由金制成阴极，由铅构成阳极，当水样中的溶解氧分子到达阴极时会产生阴极表面的溶解氧被还原反应和铅阳极被氧化反应，进而产生电流信号，电流大小与溶液中溶解氧浓度成正比，传感器采集到与溶解氧浓度有关的毫伏电压信号，输出至放大模块。/n

【技术特征摘要】
1.一种基于机器学习反馈补偿优化的溶解氧检测仪，其特征在于：包括树莓派、放大模块、模数转换模块、溶解氧传感器；
所述树莓派为嵌入式可编程逻辑控制器，其输入端连接所述模数转换模块输出端，所述树莓派采集到所述模数转换模块输出的数电信号，通过机器学习算法进行纠正，至每0.5秒输出精确至0.01mg/L的动态溶解氧浓度；
所述放大模块为差动放大电路，其输入端连接所述溶解氧传感器的输出端，其输出端连接所述模数转换模块输入端，获得所述溶解氧传感器输出的毫伏级电压进行放大100倍；
所述模数转换模块为16位AD转换模块；输入端连接所述放大模块输出端，通过基于底层的I2C协议，将所述放大模块放大后的模电...

【专利技术属性】
技术研发人员：谢昊东，杨柏林，周航，潘利隆，杨忠岩，杨大帅，
申请(专利权)人：东北大学秦皇岛分校，
类型：发明
国别省市：河北;13