基于STM32的红外测油仪设计

AI助手已提取文章相关产品:

基于STM32的红外测油仪设计

1. 引言

由油类物质引起的水污染是主要的污染来源之一。矿物油燃料的消耗、工业废水和污水排放导致水体中的油污染,已成为全球关注的问题[1]。油类主要分为两类:石油和动植物油。水中油类物质含量的监测是水环境监测中的重要指标。目前我国对水中油类物质的测定,主要采用国家标准《水质 石油类和动植物油类的测定 红外分光光度法》(HJ 637‐2012)。红外分光光度法具有高精度、测量结果重复性好、检测方法简单、耗时少等优点。

我们设计了一款基于STM32的红外分光光度测油仪,该仪器符合国家标准,适用于地表水、地下水、工业废水和生活污水中油类物质的测定。

2. 系统总体设计

2.1 工作原理

基于不同波长的红外光频率不同的原理,红外测油仪通过特定波数的红外光照射分子时,如果该红外光的频率与分子中某个基团化学键的振动频率相同,则此键可通过吸收该波数的红外光而增强能量;反之,若红外光穿过分子时,分子中没有相同振动频率的化学键,则红外光不会被吸收。油类物质的分子通常含有亚甲基(-CH₂-)、甲基(-CH₃)和芳香核(-CH-),这些基团对 2930cm⁻¹、2960cm⁻¹、3030cm⁻¹的红外光具有明显的吸收,而萃取剂四氯化碳(CCl₄)在相同波数下无任何吸收[2]。

在物理学中,吸光度A用于衡量光吸收的程度。A值越大,光的吸收越强。朗伯‐比尔定律:

当一束平行单色光垂直通过均匀非散射的吸光材料时,吸光度A与吸收物质的浓度c及吸收层厚度b成正比。数学公式如下:

$$
A = \lg\left(\frac{I_0}{I}\right) = kcd
$$

在公式中:A 是待测物质的吸收程度;$I_0$是入射光强度;I是透射光强度;T是透光率,$T = \frac{I}{I_0} \times 100\%$;k 是吸收系数;d 是吸收层厚度;c 是样品浓度。

测量样品中油浓度的方法如下。由于四氯化碳(CCl₄)不吸收任何红外光,因此可将四氯化碳(CCl₄)作为参比溶液,用于萃取样品中的油并测量其在2930 cm⁻¹、2960 cm⁻¹和3030 cm⁻¹处的吸光度 $A_{2930}$、$A_{2960}$、$A_{3030}$。可配制特定浓度的标准溶液,快速校正测油仪,得到校正因子 $F$、$X$、$Y$、$Z$[3]。样品中油浓度的计算方法如下:

$$
C = \frac{F \times (A_{2930} \times X + A_{2960} \times Y + A_{3030} \times Z - A_{2930}) \times D \times V_o}{V_w}
$$

在此公式中:$A_{2930}$、$A_{2960}$、$A_{3030}$为在相应光波下测得的萃取液吸光度;$F$、$X$、$Y$、$Z$ 为校正因子;$V_o$为萃取溶剂体积,单位为ml;$V_w$为样品体积,单位为ml;D为萃取液稀释倍数。

2.2 油份测量仪器系统结构

传统红外测油仪需要计算机辅助进行数据采集、处理与显示,其智能化水平较低,测试流程复杂,不适合在各种复杂环境中进行现场检测。该测油仪结合嵌入式软硬件技术,开发了一种便携式智能化红外测油仪。它主要由三部分组成:光源系统、信号采集与处理系统和STM32配置工业串口屏(触摸屏)控制系统。系统的整体结构如图1所示。

示意图0

根据红外测油仪的工作原理,需要计算样品在三个光学波长下的吸光度A,以检测样品中油的存在及浓度。样品吸光度测量的原理过程如下:首先,将四氯化碳参考溶液(CCl₄)注入放置在样品池中的比色皿内。在密闭黑箱环境中,来自卤钨灯的复合光通过凸透镜聚焦后进入单色器。通过步进电机调节单色器的光栅角度,从而获得不同波长的单色光。校准步进电机的起始点,使单色器分离出红外光。红外光经过滤光片后垂直通过比色皿,照射到红外热释电探测器的光敏面上,红外热能被转换为电信号。该电信号经过滤波放大后,传输至ADVFC32电压频率转换装置,然后将频率信号输入6N137高速光耦以生成数字信号,将电信号转换为数字信号。实质上完成了A/D模数转换。转换后的数字信号需送入STM32微处理器,采集的数据将存入AT24C512可擦除可编程存储器。其次,从四氯化碳(CCl₄)中提取的样品溶液倒入比色皿并放入样品池中。不同波长的红外光进行相同的光信号处理、采集和存储。根据朗伯‐比尔定律数学公式,$\lg\left(\frac{I_0}{I}\right)$,萃取液四氯化碳(CCl₄)对红外光无任何吸收,而含有三个特定基团(2930 cm⁻¹、2960 cm⁻¹、3030 cm⁻¹)的油分子会吸收红外光。因此,入射光强度与透射光强度之比可等同于两次采集的电信号之比[4]。结合公式(1)计算三个波数$A_{2930}$、$A_{2960}$、$A_{3030}$的吸光度,并根据公式(2)计算相应的浓度。

3. 系统硬件电路设计

3.1 光源系统设计

光源系统由卤素灯、凸透镜、单色器、步进电机和滤光片组成。原理图如图2所示,光源系统的实物图如图3所示。为了获得在特定三个光学波数 2930 cm⁻¹、2960 cm⁻¹和3030 cm⁻¹处红外光的吸光度A,需要依靠步进电机调节光栅角度,对红外光谱带进行扫描,扫描范围为2880 cm⁻¹ ‐3060 cm⁻¹,对应的波长范围为3472 nm ‐ 3268 nm。光源系统的主要作用是将卤钨灯光源发出的复合光通过光栅衍射,分离成各个波长的单色光[5]。灯的功率为40 W。前置截止滤光片采用红外石英材料的目的是只允许红外光透过,消除其他光谱。前端截止波长为2750 nm。单色器光学结构采用经典的切尔尼‐特纳结构,有效提高了谱线对称性和光学分辨率,并有效抑制杂散光[6]。光栅也称为衍射光栅,是一种利用多缝衍射原理使光发生色散(分解成光谱)的光学元件。通过光栅衍射,将混合在一起的不同波长的复合光相互分离。

示意图1

示意图2

光源系统的工作流程:来自光源的复合光通过凸透镜聚焦进入入射狭缝。当光源进入单色器后,入射复合光经反射镜M1变为平行光射向光栅。反射镜M2将红外光会聚并照射到不同位置。通过步进电机旋转控制光栅角度,步进电机前后移动一步,出射狭缝的红外光增加或减少一个波长。因此,随着步进电机驱动光栅旋转,波长分离且连续的红外光依次从出射狭缝射出并照射到比色皿中。从而可自动完成2880cm⁻¹ ‐3060cm⁻¹波段的扫描范围扫描。

3.2 信号采集与处理系统

信号采集与处理系统由三部分组成:光电转换电路、滤波放大电路和A/D模数转换电路。

3.2.1 光电转换电路

为了将红外光的强度转换为相应的电信号,采用了PYD ‐ 1120钽酸锂热释电红外探测器。钽酸锂晶体材料的居里温度高于 600 ℃,因此在较宽的室温范围内,该材料的热释电系数随温度变化很小,输出信号的温度变化率仅为1‐2%。探测器性能的温度稳定性非常好[7]。PYD ‐ 1120热释电红外探测器用于测量0.3‐4 μm范围内的光谱。根据PYD ‐ 1120的特点,调制光源频率即斩波频率为10Hz,采用正弦调制。电路图如图4所示。

示意图3

3.2.2 滤波放大电路

红外热电传感器传输的电信号包含低频信号和高频信号。我们需要利用低频信号设计一个低通滤波器,以滤除高频信号中的电信号。红外热电传感器传输的电信号非常微弱,需要对电信号进行放大。我们可以使用AD620运算放大器,它是一种低成本、高精度的仪表放大器,仅需一个外部电阻即可设置增益,增益范围为1到10000[8]。电路图:图5。

示意图4

3.2.3 A/D模数转换电路

STM32处理器只能读取数字信号,而不能直接读取模拟信号,因此需要对模拟信号进行A/D模数转换。利用ADVFC32电压频率转换芯片与 6N137高速光耦芯片的组合,将模拟电信号转换为频率信号,再将频率信号转换为数字信号,从而实现A/D转换。这种转换方式比直接依赖单片机自身模数转换电路的方式更加精确。ADVFC32的特点是输出峰值为12V的尖峰波。根据输入电压与输出频率的对应公式,电压信号值决定了尖峰波的频率。6N137高速光耦通过识别尖峰波的脉冲频率输出数字信号。电路图:图6。

示意图5

4. 系统软件设计

测油仪无需使用上位机,可自主完成操作系统,并独立执行多种任务,如驱动电路控制、数据采集、吸光度和浓度计算、自动绘图等。开发程序实现了STM32与配置型工业串口屏的连接,通过工业串口屏(触摸屏)实现控制界面设计。工业串口屏是集TFT显示屏驱动、图片字体存储、图形用户界面操作、实时时钟显示及多种配置控制于一体的串行显示终端[9]。用户单片机只需发送相应的串行指令,即可轻松实现文字、图片和曲线显示。

软件程序采用功能模块设计思想,根据模块化方式区分红外测油仪的功能,并编写相应的子程序。设计工业串口屏(触摸屏)功能界面;调整触摸屏与STM32串口的指令对接关系,通过点击触摸屏界面,执行主程序及内部子程序。

4.1 主程序和子程序

主程序用于在机器开机时完成自启动功能,步进电机配合霍尔传感器自动开始定位校正。启动成功后,仪器启动后,主程序在成功连接触摸屏后进入触摸屏界面。通过触摸屏界面点击不同的操作指令,在主程序框架内执行相应的功能模块子程序。流程图:图7、图8。

示意图6

示意图7

4.2 样品检测流程

机器自动启动后,即可点击进入触摸屏样品检测界面。将四氯化碳溶液倒入比色皿中,并放入样品池,点击扫描空白按钮,仪器自动执行空白扫描并保存数据。然后,将样品倒入比色皿中并放入样品池,点击扫描样品按钮,仪器自动执行样品扫描。STM32数据的计算过程是调用已保存的四氯化碳溶液的入射光强度,再与被测样品的透射光强度进行计算。得到样品在 2930 cm⁻¹、2960 cm⁻¹、3030 cm⁻¹处的吸光度。波数2930 cm⁻¹、2960 cm⁻¹、3030 cm⁻¹分别对应波长3300纳米、3378纳米、3413纳米。图9显示了样品测试流程。油类样品检测图如图10所示。

示意图8

示意图9

由图10可以看出,该测油仪能够准确测量污水中是否含油。并且可以测量烯烃分子中所含的三组基团:亚甲基、甲基和芳香核在3300 nm、3378 nm和3413 nm波长处的吸光度A值。

5. 结论

水污染问题日益严重,应加强对水环境中油类物质的监测,以保护人类健康和饮用水安全。基于STM32配置的工业串口屏(触摸屏)控制系统,设计了一种结构简单、高精度的智能化红外测油仪。依靠单色器将复合光变为波长连续且间隔的红外光,热释电传感器接收微弱的电信号,通过放大电路对微弱电信号进行放大,再经由ADVFC32电压频率转换芯片和6N137高速光耦实现A/D模数转换,然后将数字信号发送至STM32。通过触摸屏界面的操作,控制仪器实现各个功能模块,自动计算吸光度、浓度,并绘制标准曲线。

您可能感兴趣的与本文相关内容

内容概要:本文介绍了一个基于多传感器融合的定位系统设计方案,采用GPS、里程计和电子罗盘作为定位传感器,利用扩展卡尔曼滤波(EKF)算法对多源传感器数据进行融合处理,最终输出目标的滤波后位置信息,并提供了完整的Matlab代码实现。该方法有效提升了定位精度与稳定性,尤其适用于存在单一传感器误差或信号丢失的复杂环境,如自动驾驶、移动采用GPS、里程计和电子罗盘作为定位传感器,EKF作为多传感器的融合算法,最终输出目标的滤波位置(Matlab代码实现)机器人导航等领域。文中详细阐述了各传感器的数据建模方式、状态转移与观方程构建,以及EKF算法的具体实现步骤,具有较强的工程实践价值。; 适合人群:具备一定Matlab编程基础,熟悉传感器原理和滤波算法的高校研究生、科研人员及从事自动驾驶、机器人导航等相关领域的工程技术人员。; 使用场景及目标:①学习和掌握多传感器融合的基本理论与实现方法;②应用于移动机器人、无人车、无人机等系统的高精度定位与导航开发;③作为EKF算法在实际工程中应用的教学案例或项目参考; 阅读建议:建议读者结合Matlab代码逐行理解算法实现过程,重点关注状态预与观更新模块的设计逻辑,可尝试引入真实传感器数据或仿真噪声环境以验证算法鲁棒性,并进一步拓展至UKF、PF等更高级滤波算法的研究与对比。
内容概要:文章围绕智能汽车新一代传感器的发展趋势,重点阐述了BEV(鸟瞰图视角)端到端感知融合架构如何成为智能驾驶感知系统的新范式。传统后融合与前融合方案因信息丢失或算力需求过高难以满足高阶智驾需求,而基于Transformer的BEV融合方案通过统一坐标系下的多源传感器特征融合,在保证感知精度的同时兼顾算力可行性,显著提升复杂场景下的鲁棒性与系统可靠性。此外,文章指出BEV模型落地面临大算力依赖与高数据成本的挑战,提出“数据采集-模型训练-算法迭代-数据反哺”的高效数据闭环体系,通过自动化标注与长尾数据反馈实现算法持续进化,降低对人工标注的依赖,提升数据利用效率。典型企业案例进一步验证了该路径的技术可行性与经济价值。; 适合人群:从事汽车电子、智能驾驶感知算法研发的工程师,以及关注自动驾驶技术趋势的产品经理和技术管理者;具备一定自动驾驶基础知识,希望深入了解BEV架构与数据闭环机制的专业人士。; 使用场景及目标:①理解BEV+Transformer为何成为当前感知融合的主流技术路线;②掌握数据闭环在BEV模型迭代中的关键作用及其工程实现逻辑;③为智能驾驶系统架构设计、传感器选型与算法优化提供决策参考; 阅读建议:本文侧重技术趋势分析与系统级思考,建议结合实际项目背景阅读,重点关注BEV融合逻辑与数据闭环构建方法,并可延伸研究相关企业在舱泊一体等场景的应用实践。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值