原文传递
船舶排放污染物智能监测系统研究
| 论文题名： | 船舶排放污染物智能监测系统研究 |
| 关键词： | 船舶含油污水;排放污染物;智能监测系统;支持向量机 |
| 摘要： | 船舶含油污水以及废气中硫化物的排放导致海洋环境污染的加剧，受到了国际社会的广泛关注。船舶排放污染物的有效监测对海洋环境的保护起着至关重要的作用。传统船用油分浓度计在实际检测中易受气泡等干扰因素的影响，存在非线性偏差影响检测精度。而对于船舶废气中硫化物等污染物的在线监测，目前市场上还没有一套完全成熟的系统实际应用于船舶废气的在线监测。遵守相关公约环保减排，完全依靠船员和船东的自觉性。 在“智能船舶”的发展新趋势下，面对现实应用的需求，本文研究设计了一种船舶排放污染物智能监测系统。系统主要包括船用油分浓度计原理样机和船舶废气中二氧化硫浓度检测原理样机以及上位机监测软件三部分。本文以光学检测技术和软测量法相结合的研究为背景，深入开展了船舶排放污染物智能监测系统的研究。论文的主要研究工作是： 1.船用油分浓度计原理样机的研制。 ①船用油分浓度计原理样机的硬件设计。主要包括传感器光电结构设计、硬件电路设计以及信号采集处理模块的设计。 ②基于最小二乘支持向量机(Least Squares Support Vector Machine,LS-SVM)的船用油分浓度检测模型研究。针对基于浊度法的传统船用油分浓度检测中存在气泡等干扰因素导致非线性偏差，同时超过一定浓度的检测范围，需要进行非线性补偿计算的问题，采用LS-SVM建立油分浓度的检测模型。LS-SVM在解决小样本统计、非线性建模方面具有很好的应用。实验结果表明，其可用于船用油分浓度计原理样机的研制。 ③粒子群优化(Particle Swarm Optimization,PSO)算法对基于LS-SVM的船用油分浓度检测模型参数的优化研究。针对基于LS-SVM的船用油分浓度检测模型参数人为选择的盲目性，影响模型预测精度的问题。采用PSO算法优化LS-SVM油分浓度检测模型的参数。以均方根误差(RMSE)和平均相对误差(MRE)作为评价标准，对比LS-SVM船用油分浓度预测模型以及采用最小二乘拟合的结果。采用粒子群算法优化最小二乘支持向量机模型参数的PSO-LS-SVM油分浓度检测模型精度更高，且有效避免了由于模型参数选择不当，导致模型泛化性能降低的问题。适用于船用油分浓度计原理样机的研制。 2.基于小波分析的二氧化硫浓度检测信号去噪算法研究。针对实际检测中二氧化硫对红外光的吸收很弱，检测信号容易被淹没在噪声中，在经过放大滤波后，信号仍不免受到放大器、外界环境、辐射源等带来的噪声影响，利用小波去噪算法的时域和频域局域性、检测信号奇异性和突变结构的优点，对含噪信号进行小波阈值去噪。 3.开展了基于LabVIEW软件平台的船舶排放污染物智能监测系统上位机监测软件的设计。 |
| 作者： | 黄胜健 |
| 专业： | 控制工程 |
| 导师： | 齐亮 |
| 授予学位： | 硕士 |
| 授予学位单位： | 江苏科技大学 |
| 学位年度： | 2017 |
| 正文语种： | 中文 |
检索历史
应用推荐
