全光谱水质分析系统的制作方法

文档序号:19320265发布日期:2019-12-04 00:27阅读:来源:国知局

技术特征:

1.一种全光谱水质分析系统,其特征在于,包括:

一装置本体,而该装置本体具有一具有第一镜窗的光源产生装置及一具有第二镜窗的光源接收运算装置,其中该光源产生装置与该光源接收运算装置之间具有一取样区,且该第一镜窗的位置相对于该第二镜窗;

一氙闪光灯,设置于该光源产生装置内部,而该氙闪光灯能够朝向该第一镜窗发射一穿透取样区的测量光束,该测量光束能够穿过该第一镜窗及该第二镜窗,并穿透至该光源接收运算装置内部;

一透镜,设置于该光源接收运算装置内部,并位于该测量光束行进路径上,用于对穿透至该光源接收运算装置内部的测量光束进行聚光处理;

一狭缝,用于提高分辨率,减少杂散光;

一准直镜,用于接收来自狭缝传送的测量光束,并对该测量光束做准直化处理;

一光栅,接收来自准直镜的测量光束,并将该测量光束分光为多个不同波长的光线;

一透镜,设置于该光源接收运算装置内部,接收来自光栅的光束,并将该光束聚集一阵列光度器,该阵列光度器设置于该光源接收运算装置内部,接收来自该透镜的光束,并测量高分辨率不同波长的光谱;

一储存器,用于储存氨氮、总磷、总氮、uv254、化学需氧量(cod)、总有机碳(toc)、生物需氧量(bod)、溶解性有机碳(doc)、高锰酸盐指数(codmn)、硝氮、亚硝氮、色度、浊度、总悬浮固体、苯酚(btx)、臭氧或硫化氢等多种有机物质光波长吸光度及修正加权参数数据文件;以及

一微处理器,用以整体系统的运作,而该微处理器与该氙闪光灯及该阵列光度器电性连接,用于于该测量光束穿过一通过该取样区的液体后,该微处理器能够依据比尔定律计算该测量光束全光谱波长的吸收度,并再通过一内嵌式人工智能模型算法,大数据平行比对验证,自我深度学习分析相关性及各种干扰因子,计算出修正加权参数作相互数值补偿及噪声滤除,以进一步得出更高精准度的氨氮、总磷、总氮、uv254、化学需氧量、总有机碳、生物需氧量、溶解性有机碳、高锰酸盐指数、硝氮、亚硝氮、色度、浊度、总悬浮固体、苯酚、臭氧或硫化氢多种有机物质浓度。

2.如权利要求1所述的全光谱水质分析系统,其特征在于,该光源产生装置还具有一透镜及一光传感器,用于设置于该测量光束行进路径上,该透镜能将测量光束聚光,该取样区能够将该测量光束分开为一穿透水样的测量光束及一不穿透水样的参比光束,其中该穿透水样的测量光束能够穿过该第一镜窗及该第二镜窗,并穿透至该光源接收运算装置内部,而该光传感器设置于该不穿透水样的参比光束行进路径上,用于检测该不穿透水样的参比光束的光强度,在每次测量中对光源进行补偿。

3.如权利要求1所述的全光谱水质分析系统,其特征在于,该光源接收运算装置内部还具有一与该微处理器电性连接的时序产生器,该时序产生器用于发出一信号至该微处理器,以控制该氙闪光灯发射光束与阵列光度计同步进行接收测量。

4.如权利要求1所述的全光谱水质分析系统,其特征在于,该光源接收运算装置内部还具有一与该微处理器电性连接的通信器,用于能够将该全光谱水质分析系统所检测或/及运算的数据传送出去。

5.如权利要求1所述的全光谱水质分析系统,其特征在于,该装置本体上的该取样区为一凹口,该取样区处具有一清洁刷,而该光源接收运算装置内部还具有一与该微处理器电性连接的马达,其中该马达延伸出一驱动轴固定于该清洁刷上,而该清洁刷两侧具有一刷体,因此该马达被驱动使该驱动轴转动时,该清洁刷两侧的刷体能够分别清洁该第一镜窗及该第二镜窗的朝外表面。

6.如权利要求1所述的全光谱水质分析系统,其特征在于,该装置本体靠近第一镜窗及第二镜窗处设置一超声波清洗装置,可自动清洗该第一镜窗及该第二镜窗。

7.如权利要求1所述的全光谱水质分析系统,其特征在于,该氙闪光灯所发射的测量光束的波长为160~800nm。

8.如权利要求1所述的全光谱水质分析系统,其特征在于,该微处理器的运算公式为比尔定律及多成分定量分析公式,将要测量的有机物浓度列成一联立方程式后,再进行解联立方程式,即可取得各种有机物的浓度值。

9.如权利要求1所述的全光谱水质分析系统,其特征在于,该总磷的光吸收率变异性最高是在170~190nm之间。

10.如权利要求1所述的全光谱水质分析系统,其特征在于,该总氮的光吸收率变异性最高是在190~245nm之间。

11.如权利要求1所述的全光谱水质分析系统,其特征在于,该氨氮的光吸收率变异性最高是在180~200nm之间。


技术总结
一种全光谱水质分析系统,主要包括一光源产生装置及一光源接收运算装置,该光源产生装置及光源接收运算装置之间具有一取样区;该光源产生装置产生一紫外至可见光全光谱范围的光经取样区传送至光源接收运算装置中,该光源接收运算装置会根据预存的人工智能模型算法,大数据平行比对验证,自我深度学习分析相关性及各种干扰因子,计算出修正加权参数作相互数值补偿及噪声滤除(如浊度及色度等),以进一步得出更高精准度的氨氮、总磷及总氮等多种有机物质浓度。

技术研发人员:杨明恭
受保护的技术使用者:杨明恭
技术研发日:2018.05.25
技术公布日:2019.12.03
当前第2页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1