引用本文
杨华东, 朱浩, 王紫超, 刘志昂. 基于透射光谱的水体含沙量在线监测技术研究. 光谱学与光谱分析, 2022,42(12): 3817-3822
YANG Hua-dong, ZHU Hao, WANG Zi-chao, LIU Zhi-ang. Research on On-Line Monitoring Technology of Water Sediment Concentration Based on Transmission Spectrum. Spectroscopy and Spectral Analysis, 2022,42(12): 3817-3822.  
Doi: 10.3964/j.issn.1000-0593(2022)12-3817-06
Permissions
Copyright©2022, 《光谱学与光谱分析》期刊社
《光谱学与光谱分析》期刊社 所有
基于透射光谱的水体含沙量在线监测技术研究
杨华东1,2, 朱浩1,2, 王紫超1,2, 刘志昂1,2
1.中交第二航务工程局有限公司, 湖北 武汉 430040
2.中交公路长大桥建设国家工程研究中心有限公司, 北京 100032

作者简介: 杨华东, 1992年生, 中交第二航务工程局有限公司高级工程师 e-mail: 464179071@qq.com

收稿日期: 2021-09-24 修回日期: 2022-03-08
基金项目: 国家重点研发计划项目(2017YFC0805304), 湖北省技术创新专项(2018AAA031)资助
摘要

水体含沙量监测一直是水文观测及水中建设施工的重要观测内容, 实时有效地监测水体含沙量具有重要实际价值。 传统人工测量方法效率低下, 无法实时监测, 基于超声波等仪器监测方法虽可实现水体含沙量的实时测量, 但在安全性、 稳定性和测量范围上各有缺点。 而基于光谱法进行物质含量监测的技术具有快速、 无损、 精确高效等优点, 近年来被广泛应用于各领域, 为水体含沙量在线监测技术提供新的思路与方法。 但直接透射光谱法易受光源的不稳定和外界的杂散光的干扰, 产生光谱噪声, 同时由于仪器设备的光强饱和度, 其测量量程存在限制。 基于此, 重点研究直接透射光谱噪声处理和多段标定技术, 设计了一种基于透射光谱的水体含沙量快速大量程在线监测系统。 首先基于朗伯-比尔基本定律理论分析水体含沙量与透射光强度之间的关系, 然后利用比色皿支架实验室搭建了水体含沙量监测试验系统, 配制不同含沙比例的标准溶液, 进行强度-含沙量实际相关度标定测试。 为克服光谱噪声影响, 采用小波阈值去噪算法对原始透射光谱进行预处理, 使用sym7小波基, 极小极大阈值选择规则和7次小波分解次数, 消除光谱噪声; 设置不同积分时长, 采用多段标定的方式实现了从4%到22%含沙量的大量程测量, 并在算法中实现标定函数与测量量程自动匹配。 结果表明标定曲线R平方值均在0.99以上, 线性度良好, 与理论相符合。 最后对设计的水体含沙量在线监测系统进行实际精度测试, 结果表明在大量程测量范围的测量误差均控制在0.4%以下, 全量程误差均值为0.173%, 误差标准差为0.115%, 可满足工程实际需求。 因此提出一种大量程的水体含沙量在线监测系统, 并试验验证了系统测量准确度, 可以用于水体含沙量实时在线监测。

关键词: 含沙量监测; 透射光谱; 小波去噪; 多段标定
中图分类号:O657.33 文献标识码:A
Research on On-Line Monitoring Technology of Water Sediment Concentration Based on Transmission Spectrum
YANG Hua-dong1,2, ZHU Hao1,2, WANG Zi-chao1,2, LIU Zhi-ang1,2
1. Technology Center of CCCC Second Harbor Engineering Company Ltd., Wuhan 430040, China
2. CCCC Highway Bridge National Engineering Research Centre Co. Ltd., Beijing 100032, China
Abstract

Monitoring water sediment concentration has always been important in hydrological observation and water construction. Real-time and effective monitoring of water sediment concentration has important practical value. Traditional manual measurement methods are inefficient and unable to monitor in real-time. Although instrument monitoring methods based on an ultrasonic wave can realize the real-time measurement of sediment concentration in a water body, they have disadvantages in terms of safety, stability and measuring range. The technology of material content monitoring based on spectroscopy is fast, non-destructive, accurate and efficient and has been widely used in various fields in recent years, providing new ideas and methods for on-line monitoring of water sediment content. However, direct transmission spectroscopy is susceptible to the instability of the light source and the interference of stray light from outside, resulting in spectral noise. At the same time, due to the light intensity saturation of the instrument and equipment, its measuring range is limited. Based on this, this paper focuses on direct transmission spectrum noise processing and multi-section calibration technology and designs a fast and large-range on-line monitoring system for water-sediment content based on transmission spectrum. First, the relationship between sediment content and transmitted light intensity in a water body is analyzed based on Lambert-Bill’s basic law theory. Then, a sediment monitoring test system for a water body is established by using colorimetric dish holder laboratory, and standard solutions with different sediment content ratios are prepared to calibrate the actual correlation degree of intensity-sediment content. In order to overcome the influence of spectral noise, the original transmission spectrum is pre-processed by a wavelet threshold denoising algorithm. Spectral noise is eliminated using sym7 wavelet base, minimum and maximum threshold selection rule and 7 times of wavelet decomposition. With different integration times, a large range measurement of sediment content from 4% to 22% is realized by multi-section calibration, and the calibration function and measurement range are automatically matched in the algorithm. The results show that the R-square values of the calibration curves are all above 0.99, with good linearity and by the theory. Finally, the on-line monitoring system for water-sediment content is designed and tested for actual accuracy. The results show that the measurement errors are all controlled below 0.4% in the wide range of measurement, the mean of full range error is 0.173%, and the standard deviation of error is 0.115%, which can meet the actual requirements of the project. Therefore, an on-line monitoring system for water-sediment concentration over a wide range is proposed in this paper, and the system’s measurement accuracy is verified by tests, which can be used for real-time on-line monitoring of water sediment concentration.

Key words: Sediment concentration monitoring; Transmission spectrum; Wavelet denoising; Multi segment calibration
引言

水体含沙量监测一直是沉井基础等水下工程施工及水文观测的重要内容, 能够实时有效地监测水体含沙量对于指导水下工程施工、 模拟河道淤积形态和监测水中建筑安全等方面具有重要价值。

现有的水体含沙量监测方法主要有人工测量和仪器监测两大类[1]。 人工测量主要包括烘干测量法和置换测量法两种, 烘干法是通过测量一定体积样品烘干后的含沙质量得到样品含沙量, 置换法是通过比重瓶浑水重减去清水重再乘置换系数来确定含沙量, 范少英等对置换法进行了优化以适应在线监测需求[2], 但人工测量效率低下和监测时效性问题仍然难以达到要求。 因此近年来应用各种原理进行含沙量监测设备的开发的研究逐渐兴起, 包括γ 射线法、 电容差压法[3]、 超声波法[4]、 激光法[5]、 振动法[6]、 遥感法[7]等, 取得了一定的研究成果。 刘明堂等提出的基于Kalman-PNN协同融合和电容电差法的悬移质含沙量测量, 平均绝对误差为11.72 kg· m-3, 较常规数据模型提高了测量精度[8]; 但上述测量方法在安全性、 稳定性和测量量程上各有缺点, 而基于直接透射光谱进行溶液介质含量监测的方法, 具有无需化学试剂、 无需预处理、 在线分析速度快、 实时自动监测等诸多优点, 在含沙量监测上具有显著优势[9]。 但在实际应用中, 由于光源的不稳定和外界的杂散光的干扰, 极易产生光谱噪声, 影响光谱的准确性, 另外对特征波长的选取及相应特征信号的提取也是透射光谱法进行含沙量测量的关键。 因此基于直接透射光谱技术设计了水体含沙量在线监测系统, 并重点研究对水体含沙量透射光谱的光谱处理技术, 实现水体含沙量大量程、 快速、 实时在线监测。

1 测量原理

基于直接透射光谱进行水体含沙量监测的基本原理其实是测量水体吸光度, 它遵循朗伯-比尔定律, 即当一束平行光通过均匀的、 无散射的吸光溶液时, 光的吸收程度与溶液的浓度及光走过的路程有关, 且两者成正比[10], 可表示为

Aλ=ελcl(1)

式(1)中, Aλ 为物质在波长λ 处的吸光度, ε λ 为波长λ 处物质的消光系数, c为含沙量溶液的浓度(即含沙量浓度), l为吸收光程。

同时, 物质在波长λ 处的吸光度又可以表示为

Aλ=log10I0I(2)

式(2)中, I0为入射光强度; I为透射光强度。

结合式(1)和式(2), 考虑对同一积分时间, 入射光强度为定值, ε λ 对确定波长也为定值, 同一系统光程也为定值, 可以得到含沙量与透射光强度的关系为

c=alog10I+b(3)

a=-1ελl(4)

b=log10I0ελl(5)

其中, a和b均为常数。

从式(3)可知, 水体含沙量与透射光谱的强度对数值成线性反比关系, 因此可以通过直接测量透射光谱强度, 再根据标定曲线, 来求出水体含沙量。

2 实验部分

基于以上测量原理, 搭建了如图1所示的水体含沙量在线监测系统。 系统包含有宽谱卤素灯光源、 入射光纤、 探头、 出射光纤、 光衰减器、 微型光谱仪和信号处理单元。 宽谱卤素灯光源的波段范围为360~2 500 nm; 微型光谱仪的波长探测范围为200~1 100 nm, 波长间隔0.26 nm, 采样点数3 648个点; 前期实验室标定测试时, 探头采用5 mm的标准光程比色皿代替。

图1 基于透射光谱的水体含沙量在线监测系统Fig.1 Water sediment concentration measuring system based on transmission spectrum

2.1 透射光谱数据获取

首先选取5 mm光程比色皿和标准比色皿支架代替在线探测探头, 比色皿两端设置一组准直透镜, 分别与入射光纤和出射光纤连接, 根据含沙量浓度设置微型光谱仪积分时间, 保证光谱强度不超过可探测最大强度值的80%。 光源功率设置在最大值, 并在测试之前预热30 min, 保证出射光功率稳定性。

标准含沙量溶液配制步骤如下:

(1)取沙土进行过筛, 去除杂质, 留细沙土进行烘干;

(2)取玻璃杯一只进行烘干处理, 将烘干后的玻璃杯放在天平上, 天平归零, 天平精度0.001 g;

(3)取1 g干燥沙土放入杯中, 先用量杯加98 g水, 再用滴管缓慢滴入水至杯中到100 g, 这样就制成了含砂量为1%的标准液体。

按照上述步骤分别制备不同含沙量的标准液体。 由于含沙溶液易沉淀, 因此在实际测量过程中采用现标现配的方案, 以保证测试准确性。

首先设置光谱仪的积分时间为1 ms, 分别测试1%~3%的含沙量溶液, 均出现光强饱和情况, 此处不赘述, 可通过增加光程或减小入射光功率来解决。 本文主要立足高浓度含沙量溶液的测量。 因此从4%含沙量溶液开始进行测量。 各浓度含沙量设置的积分时间如表1所示。

表1 不同含沙量溶液的积分时间设置 Table 1 Integration time setting of solutions with different sediment concentrations

获得的不同含沙量溶液的透射光谱如图2所示。

图2 不同含沙量溶液的透射光谱Fig.2 Transmission spectra of solutions with different sediment contents

2.2 数据预处理

由图2可知, 当积分时间加长时, 光谱仪暗噪声增大, 光谱曲线出现毛刺, 直接取强度值进行计算, 可能会带来误差。 在众多去噪算法中, 基于小波分析原理的阈值去噪算法, 可将信号进行多尺度分解为高频和低频系数, 然后设置阈值函数根据有效信号和噪声在分解后表现出的特性差异进行区分, 最后重构小波系数逆变换后得到去噪信号, 在多个领域应用广泛[11, 12, 13]。 因此本文采用小波阈值去噪的方式来降低噪声带来的误差[14]。 阈值去噪中阈值的选择影响信号的平稳性和准确度, 目前在众多领域都有相关研究[15, 16]。 实验发现使用sym7小波基, 极小极大阈值选择规则和7次小波分解次数最合适。 既能有效去除噪声, 又能保证光谱不变形。 图3分别是1 000 ms积分时间下22%含沙量溶液的原始透射光谱和小波阈值去噪获得的透射光谱。

图3 原始透射光谱(a)和预处理后的透射光谱(b)Fig.3 Original transmission spectrum (a) and transmission spectrum after pretreatment (b)

2.3 标定处理

在得到不同含沙量溶液的透射光谱后, 进行含沙量与透射光强度之间的关系标定。 为避免可见光对测量结果的影响, 因此选择近红外波段的波长点作为待测波长。 同时为了避免单个波长点带来的偶然误差, 本文选取三个波长点作为测量波长点, 分别为800.17, 850.24和900.14 nm。

首先标定4%~8%的含沙量溶液, 根据得到的4%~8%的含沙量溶液原始透射光谱, 采用小波阈值去噪处理后, 取800.17, 850.24和900.14 nm三个波长点透射光谱强度值, 并取对数处理, 保留三位小数, 结果如表2所示。

表2 4%~8%含沙量溶液的透射光谱强度 Table 2 Transmission spectral intensity of 4%~8% sediment concentrations

根据表2数据得到4%到8%含沙量溶液的标定曲线如图4所示。

图4 4%~8%含沙量溶液标定曲线Fig.4 Calibration curve of 4% to 8% sediment concentration solution

由曲线可知, 4%~8%的含沙量溶液在800.17, 850.24和900.14 nm三个波长点的标定拟合曲线均呈线性, R2分别为0.995 8, 0.993 5和0.995 2。

同样的方式可以得到8%~14%及14%~22%含沙量溶液的标定曲线。

对8%~14%及14%~22%含沙量溶液透射光谱进行去噪处理后取三个波长点的透射光强度, 取对数处理。 结果如表3和表4所示。

表3 8%~14%含沙量溶液的透射光谱强度 Table 3 Transmission spectral intensity of 8%~14% sediment concentrations
表4 14%~22%含沙量溶液的透射光谱强度 Table 4 Transmission spectral intensity of 14%~22% sediment concentrations

根据表3数据得到8%~14%含沙量溶液的标定曲线如图5所示。

图5 8%~14%含沙量溶液标定曲线Fig.5 Calibration curve of 8% to 14% sediment concentration solution

由曲线可知, 8%~14%的含沙量溶液在800.17, 850.24和900.14 nm三个波长点的标定拟合曲线均呈线性, R2分别为0.996 7, 0.997 4和0.996。

根据表4数据得到14%~22%含沙量溶液的标定曲线如图6所示。

图6 14%~22%含沙量溶液标定曲线Fig.6 Calibration curve of 14% to 22% sediment concentration solution

由曲线可知, 14%~22%的含沙量溶液在800.17, 850.24和900.14 nm三个波长点的标定拟合曲线均呈线性, R2值分别为0.998 5, 0.997 8和0.998 3。

3 结果与讨论

在完成标定试验以后, 本文进行了解调算法的设计及实际测量试验。

为了能实现大量程含沙量的测量, 需要设计相应解调算法将以上标定的三段标定曲线结合, 实现从4%含沙量到22%含沙量的全量程自动测量。 具体算法流程图如图7(a— d)所示。

图7 含沙量解调算法流程图Fig.7 Flow chart of sediment concentration demodulation algorithm

关键步骤为:

(1)采集参数设置, 包括积分时间、 平均次数等, 这将作为后续进行标定曲线选择的判定;

(2)数据判定, 此步骤包括对光谱强度的判定, 以确认光谱强度是否过大或过小, 并进行反馈; 同时也要根据设置的积分时间来判定不同的标定函数选择;

(3)计算含沙量, 此步骤会将800.17, 850.24和900.14 nm三个波长点标定函数求得的含沙量结果做平均运算, 输出最终结果值。

通过上述解调算法的设计与实现, 可以实现含沙量溶液的大量程实时监测。 为检验测量精度, 本文进行了实际测量验证。

按照上述所说的标准液体配制方法, 随机配置了三种含沙量的溶液, 然后使用按照解调算法流程编制好的解调软件进行实际测量, 每种溶液测量三次。 结果如表5所示。

表5 含沙量实际测量结果 Table 5 Actual measurement results of sediment concentration

由表5中的数据可以看出最大误差为0.38%, 最小误差为0.02%, 求出全量程误差均值为0.173%, 误差标准差为0.115%。

4 结论

基于直接透射光谱测量, 设计了水体含沙量在线监测系统, 理论分析了透射光强度与水体含沙量之间的关系, 利用小波去噪技术预处理透射光谱, 消除光谱毛刺噪声对测量结果的影响。 采用多波长标定法对透射光强与水体含沙量之间的关系进行了分段标定, 三个波长点的9个标定曲线表面透射光强对数值与水体含沙量均呈线性关系, R2值基本都在0.995以上, 线性度良好。 设计了大量程含沙量解调程序, 实现4%~22%含沙量的全量程在线监测, 并进行试验验证, 最大测量误差为0.38%, 最小测量误差为0.02%, 求出全量程误差均值为0.173%, 误差标准差为0.115%。 表明本文设计的基于透射光谱的水体含沙量在线监测系统可实现大量程、 高准确度的含沙量稳定测量, 具备工程应用的潜力和价值。

参考文献
[1] Wackerman C, Hayden A, Jonik J. Continental Shelf Research, 2017, 147: 231. [本文引用:1]
[2] FAN Shao-ying, HU Guang-qian, ZHANG Ran, et al(范少英, 胡光乾, 张冉, 等). Yellow River(人民黄河), 2021, 43(S1): 9. [本文引用:1]
[3] Hsu Y S, Wei C M, Ting Y C, et al. International Journal of Sediment Research, 2010, 25(2): 175. [本文引用:1]
[4] Wrobel B M, Time R W. Applied Acoustics, 2012, 73(2): 117. [本文引用:1]
[5] Felix D, Albayrak I, Boes R M. Measurement, 2016, 89: 44. [本文引用:1]
[6] Pedocchi F, Garcia M H. Continental Shelf Research, 2012, 46: 87. [本文引用:1]
[7] Dang T D, Cochrane T A, Arias M E. International Journal of Applied Earth Observation and Geoinformation, 2018, 68: 105. [本文引用:1]
[8] LIU Ming-tang, CHEN Jian, LIU Shu-xiao, et al(刘明堂, 陈健, 刘书晓, 等). Yellow River(人民黄河), 2021, 43(5): 12. [本文引用:1]
[9] FENG Chun, ZHAO Nan-jing, YIN Gao-fang, et al(冯春, 赵南京, 殷高方, 等). Spectroscopy and Spectral Analysis(光谱学与光谱分析), 2021, 41(9): 2940. [本文引用:1]
[10] YANG Yu, FAN Lin-lin, ZHANG Feng, et al(杨宇, 樊琳琳, 张峰, 等). Journal of Optoelectronics·Laser(光电子·激光), 2020, 31(4): 447. [本文引用:1]
[11] Liu Lixian, Huan Huiting, Li Wei, et al. Photoacoustics, 2021, 21: 100228. [本文引用:1]
[12] Luo Jiwei. Mathematical Problems in Engineering, 2021, 2021: 6641749. [本文引用:1]
[13] Yang Huichen, Hu Rui, Qiu Pengxiang, et al. Water, 2020, 12(6): 1533. [本文引用:1]
[14] ZHOU Yan-wen, MIAO Shu-zhuo, YAO Dan, et al(周言文, 苗澍茁, 姚丹, 等). Chinese Journal of Lasers(中国激光) , 2020, 47(6): 0611001. [本文引用:1]
[15] Hu Hongping, Ao Yan, Yan Huichao, et al. Journal of Sensors, 2021, 2021: 5599096. [本文引用:1]
[16] Liu Ning, Zhang Ranqiao, Su Zhong, et al. Mathematical Problems in Engineering, 2020, 2020: 9039648. [本文引用:1]