基于ARM Cortex-M3处理器的水中油荧光光纤检测技术研究

论文摘要

本课题研究重点为:结合了传统的荧光测量的基本原理、先进的ARM嵌入式控制技术和最新的神经网络集成算法,使基于ARM Cortex-M3处理器的水中油荧光光纤检测系统实现智能化。本文主要研究内容:（1）由荧光分析法的基本原理及其应用特点出发,通过数学推导,得出水中油类的基本检测机理,得出了把荧光分析法和全光纤结合的水中油荧光光纤传感器设计原理。（2）设计了水中油荧光光纤测量系统,以脉冲氙灯为激发光源,通过光学系统,经由低损耗全光纤,形成参考光、透射光和反射光线的三路测量,并经由光电转换电路获得可在电路中进行处理的模拟电信号。（3）提出了基于STM32F103RBT6（以ARM Cortex-M3处理器为内核）处理器的测量系统,包括AD转换模块、LCD液晶模块设计、结合RS-232串行通讯技术与上位机PC通讯,组成上位机监控模块。文中给出了各个硬件部分的详细设计及软件的部分代码及分析。（4）为了进一步提高测量值的精确度,通过算法比较计算结果,选择了人工神经网络集成算法,本文从得出6种油类光谱数据经由神经网络集成算法反复演练,得出了具有更强健壮性以及更加精确的光谱分析结果。该系统在分子辐射吸收理论的基础上,运用荧光光纤检测技术,得出了探测水中油的光电传感器设计原理;开发了以ARM Cortex-M3为核心的中央硬件处理平台,以及PC机上位机监控模块。与传统检测设备相比,该系统灵敏度高,重复性好,实时性强。提高了系统效率、精确度和系统的智能化程度,整个系统在界面上友好,信号获取便捷,操作起来灵活。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 水中石油在线监测的意义
• 1.2 全球水中油类检测技术引言
• 1.3 水中油检测技术现状与发展概况
• 1.3.1 水中油浓度测量的取样分析方法
• 1.3.2 水中油现场在线自动监测方法
• 1.3.3 几种水中油常用分析法简介
• 1.3.4 本系统信号探测部分设计选择
• 1.3.5 测量系统控制器的发展概况及选择
• 1.4 课题来源及主要研究内容
• 1.4.1 课题来源
• 1.4.2 本文主要研究内容
• 第2章 荧光法测量水中油的基本原理
• 2.1 荧光分析法及特点
• 2.1.1 荧光产生机理
• 2.1.2 石油荧光测量的可行性
• 2.1.3 水中油荧光产生机理的模型建立
• 2.1.4 水中油荧光谱实验对比分析
• 2.2 溶液的荧光强度及影响荧光的几个因素
• 2.2.1 荧光强度和溶液浓度的关系
• 2.2.2 荧光和结构的关系
• 2.2.3 环境对荧光的影响
• 2.3 本章小结
• 第3章 水中矿物油浓度荧光在线测量仪的设计
• 3.1 脉冲氙灯及其驱动电路原理设计
• 3.1.1 脉冲氙灯选择
• 3.1.2 脉冲氙灯驱动电路设计
• 3.1.3 恒温控制电路的设计
• 3.2 光纤的传输特性
• 3.2.1 光纤的数值孔径
• 3.2.2 光纤与光源的耦合
• 3.2.3 光纤与光探测器的耦合设计
• 3.3 微弱荧光探测器设计中的选择
• 3.3.1 光电倍增管及光电二极管的工作原理
• 3.3.2 光电倍增管的特性及驱动电路的设计
• 3.3.3 光电二极管的工作原理
• 3.4 荧光信号检测系统的设计
• 3.4.1 前置放大器的设计
• 3.4.2 电流－电压转换电路的设计
• 3.5 本章小结
• 第4章 荧光信号高速采集检测及处理电路设计
• 4.1 荧光测量控制器及数据处理介绍
• 4.1.1 嵌入式系统组成
• 4.1.2 硬件层概述
• 4.1.3 嵌入式微处理器
• 4.1.4 嵌入式系统存储器介绍
• 4.1.5 通用设备接口和I/O 接口
• 4.2 ARM Cortex-M3 介绍
• 4.2.1 ARM Cortex-M3 的优点及特性
• 4.2.2 基于ARM Cortex-M3 内核的STM32F103RBT6 CPU
• 4.2.3 电源模块
• 4.2.4 CPU 模块电压采集系统的设计
• 4.3 信号处理模块的ARM 数字滤波器设计
• 4.3.1 FIR 滤波器特性
• 4.3.2 FIR 数字滤波器的ARM 中设计
• 4.4 液晶模块硬件设计
• 4.5 与PC 机通讯模块设计
• 4.5.1 串行通讯工作原理
• 4.5.2 通讯标准与协议设计
• 4.5.3 JTAG 接口电路的设计
• 4.6 Cortex—M3 软件设计及系统调试设计
• 4.6.1 KEIL 下串口设备的驱动设计
• 4.6.2 ADC 模块软件设计
• 4.6.3 PC 上位机软件设计
• 4.6.4 系统调试
• 4.7 本章小结
• 第5章 基于神经网络集成算法的荧光光谱处理
• 5.1 引言
• 5.1.1 神经网络定义
• 5.1.2 神经网络的优点和性质
• 5.1.3 神经元模型
• 5.1.4 神经网络的应用研究内容
• 5.1.5 人工神经网络的工作原理
• 5.1.6 人工神经网络的发展史
• 5.2 神经网络集成算法的定义
• 5.2.1 神经网络集成理论分析
• 5.2.2 各种神经网络集成的比较分析
• 5.3 基于NSENN 的理论提出及其荧光谱分析的应用分析
• 5.3.1 基于噪声传播的神经网络集成算法
• 5.3.2 基于噪声传播的神经网络集成算法理论分析
• 5.3.3 水中油荧光谱信号的NSENN 的体系结构
• 5.4 石油荧光谱数据的算法实验
• 5.4.1 石油荧光谱数据实验对比分析
• 5.4.2 基于NSENN 算法训练曲线和误差分析
• 5.5 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间承担的科研任务与主要成果
• 致谢
• 作者简介