摘 要 ：針對傳統水質監測系統可靠性差、維護困難和未能直觀反映水質情況的不足，設計了一種基于鴻蒙嵌入式系統的水質監測系統。基于鴻蒙嵌入式系統設計了傳感器各檢測參數的調理電路，通過 WiFi 技術將采集到的 pH、TDS 和濁度數據匯總至阿里云物聯網平臺 ；經阿里云物聯網平臺數據流轉后，將檢測數據發送到 PC 端上位機軟件 ；上位機將接收的數據通過隸屬度中心法、加權平均法和 D-S 證據理論進行數據融合后可得到水質情況。仿真和實驗結果表明，該系統具有較強的魯棒性并能夠準確分析水質情況。

0 引 言

生活用水的衛生安全與人體健康密切相關，因此對生活用水進行水質監測具有重要意義 [1]。隨著技術的發展，水質監測領域已經取得了諸多研究成果 [2-5]。目前，多數水質監測系統實現了數據的無線傳輸和實時監測，但仍然存在穩定性和可靠性較差、維護困難和未能準確分析水質情況等問題。針對上述問題，設計了一種基于鴻蒙操作系統（HarmonyOperating System，鴻蒙 OS）的多傳感器數據融合的水質監測系統，該系統能夠實現對水質的實時監測和分析，準確直觀地獲得水質情況。

1 系統總體設計

水質監測系統結構如圖1所示。該系統共分為三部分 ：

（1）數據采集層：鴻蒙OS是整個終端的核心，其主要作用在于接收傳感器的模擬信號，經AD轉換和計算后通過內部集成的WiFi模塊上傳到數據中轉層 ；（2）數據中轉層 ：是一種基于WiFi協議的信息傳輸平臺，終端節點連接上 WiFi熱點后，再使用MQTT協議連接阿里云IoT平臺和人機交互軟件 ；（3）人機交互層 ：用戶和工程師站二者組成人機交互層，能夠實現對終端設備的業務管理。

2 系統硬件設計

微控制單元采用Hi3861V100（簡稱 Hi3861）芯片，該芯片是一款高度集成的2.4 GHz WiFi 系統級芯片，集成了IEEE802.11b/g/n 基帶和射頻（Radio Frequency, RF）電路。使用 Hi3861 芯片可簡單、快速、低成本地實現設備控制和網絡連接功能，適用于智能家電等物聯網終端領域。

為了將pH、TDS（Total dissolved solids）和濁度敏感元件測得的模擬信號轉換為便于 ADC 和單片機采集的信號，設計了三個檢測參數的調理電路，其中 pH 和濁度使用 ADS1118作為外置ADC，提升了檢測精度。由于pH 和TDS 受溫度影響較大，故使用 DS18B20實現精準測溫，進而對pH和TDS進行溫度補償。Hi3861 芯片對四個檢測參數進行信號處理后獲得檢測值，并通過OLED屏幕實時顯示。電源部分采用220 V轉5 V適配器供電。按鍵部分能夠實現開關機、數據保持以及校準功能。數據采集終端硬件結構如圖 2 所示。

2.1 pH 調理電路設計

pH是指溶液中的氫離子濃度指數，多用來指示溶液的酸堿性。在100 kPa壓強的狀態下，pH=7的溶液呈中性，pH>7 的溶液呈堿性，pH<7 的溶液呈酸性 [6]。系統采用雷磁的E-201-C復合pH電極，被測溶液的氫離子濃度變化會引起內參比電極電動勢變化，且二者構成線性函數關系。pH調理電路如圖3所示，其中U2部分為差分放大電路，U2輸出的是放大后的差分信號。為了使放大后的信號在ADC芯片的輸入范圍，使用U1部分進行電壓抬升。

2.2 TDS 調理電路

TDS 即溶解性總固體，指水中溶解的各種離子、分子和化合物的總量，不包括懸浮物和溶解氣體 [7]。本文使用頻率法對 TDS 進行測量，以 555 芯片為核心構成多諧振蕩電路，可持續輸出頻率信號，根據頻率和 TDS 的關系可求得 TDS的值。TDS 調理電路如圖 4 所示。

2.3 濁度調理電路

濁度是指樣本水質溶液對發射的光線產生的阻礙大小，包括懸浮物對光的散射和溶質分子對光的吸收。濁度不僅與水中懸浮物的含量有關，還與它們的大小、形狀以及折射系數有關 [8]。系統采用 TS-300B 散射式濁度傳感器，傳感器由一個光敏二極管和一個發光二極管組成，二者收發紅外線，最后輸出電信號。濁度調理電路如圖 5 所示，使用 U1 運算放大器，將電壓跟隨到輸出，提高信號驅動能力。

3 系統軟件設計

3.1 下位機軟件設計

鴻蒙OS的任務模塊擁有32個優先級，可實現任務之間的通信和切換。鴻蒙OS中的任務是搶占式調度機制，高優先級任務可打斷低優先級任務，低優先級任務須在高優先級任務阻塞或執行結束后才能夠調度 [9]。鴻蒙OS任務調度機制如圖6所示。

根據鴻蒙OS的特性以及實際需求，設置了3個不同優先級的任務 ：（1）水質檢測任務 ：用于獲取pH、TDS、濁度等水質檢測參數并計算，然后在OLED屏幕上實時顯示 ；（2）數據裝載任務 ：用于將水質檢測任務中的數據讀取并裝載，為網絡通信任務做準備 ；（3）網絡通信任務 ：將檢測終端連接WiFi熱點，再通過MQTT協議連接阿里云IoT平臺。系統上電后，外設初始化和鴻蒙OS系統初始化，之后在主函數上建立新的任務來啟動程序。鴻蒙OS下位機軟件流程如圖7所示。

3.2 上位機軟件設計

使用Qt編寫了PC端上位機軟件，軟件開發的編程語言為C++[10]。上位機可通過MQTT協議連接阿里云 IoT 平臺，并訂閱阿里云IoT平臺發布的消息，最后通過使用阿里云平臺的數據流轉功能將數據采集終端的檢測數據發送到上位機軟件，其可對接收到的數據進行處理和動態曲線顯示。多個傳感器的檢測數據不但可以在上位機上實時顯示，也可以通過隸屬度中心法、加權平均法和D-S證據理論進行數據融合，獲得科學的水質分析。上位機軟件結合MySQL數據庫可實現用戶管理、數據存儲和歷史記錄查詢等功能。上位機軟件的部分界面如圖8所示。

4 數據融合

數據融合是水質監測數據分析和處理的重要技術，它綜合了分布在不同位置的多個同類或者異類傳感器所提供的局部觀測量，消除了多個傳感器之間可能存在的信息冗余和矛盾，形成對水質情況相對完整的感知描述。

本系統的數據融合框架共兩層，如圖9所示。融合框架的第一層將接收的pH、TDS 和濁度通過隸屬度中心法轉化為隸屬度，通過自適應加權將多個傳感器的隸屬度融合。融合框架的第二層將融合后的隸屬度作為基本概率分配，使用D-S證據理論算法進行決策級融合處理。

4.1 隸屬度中心法

為直觀、科學地了解水質情況，以飲用水水質標準為例，根據《生活飲用水衛生標準》（GB5749-2006）和專家經驗，對飲用水水質標準設置了三個水質等級 ：適宜飲用（Ⅰ類）、可以飲用（Ⅱ類）和不宜飲用（Ⅲ類）。根據飲用水的水樣特點和模糊規則，使用高斯隸屬度函數計算水樣中不同參數對應的隸屬度值 [11]，隸屬度函數表達式為 ：

式中：x為檢測的水質參數數值；a為水質等級的特征參數；σ為水質等級的特征最大偏差。

4.2 自適應加權平均法

加權平均法可以按照某個原則給每個傳感器的測量值分配權重，得到對一個目標事件的整體估計值。自適應加權平均法可以根據傳感器的狀態，自適應地改變權值，使權值分配更加準確。本方法可以有效處理數據冗余，且兼顧了每個傳感器，具有較強的魯棒性。通過下式可對隸屬度的自適應進行加權 ：

式中：n 為傳感器的個數；λ 為傳感器對應的權值，可用下式求得

式中，σ 為某段時間傳感器檢測數值的方差。

為了防止隸屬度和不為1，需要對隸屬度進行歸一化修正，如下 ：

4.3 D-S 證據理論

D-S證據理論是一種模糊推理理論，可以將多個證據的基本概率分配（Basic Probablity Assignment, BPA）進行數據融合，具有處理多源不確定信息的能力，因此在多傳感器信息融合領域得到了廣泛應用。

D-S證據理論中的識別框架Θ包含了N個互斥且窮舉命題，對于任意命題A，都屬于冪集合2Θ。在2Θ中定義的BPA滿足下式 ：

對應的合成規則為 ：

式中，K為歸一化常數，表達式為：

5 仿真與實驗

5.1 仿真

仿真1～3號終端節點的pH、TDS和濁度三個檢測參數在某段時間內的數值。其中1號和2號傳感器模擬了在Ⅰ類水質條件下的檢測數據，3號傳感器為設計的高沖突證據，以驗證高沖突證據存在時數據融合決策的科學性，仿真數據和融合結果如圖10所示。根據圖10（d）的仿真結果，Ⅰ類水質的BPA在0.7左右，表明數據融合算法即使在有高沖突證據的情況下，融合結果仍符合常理。說明該算法解決了高沖突證據融合的缺陷，解決了在水質監測過程中由于某個傳感器的故障導致數據融合結果有悖常理的問題。

5.2 實驗

以純凈水作為實驗用水，使用三個數據采集終端實時監測純凈水質量，檢測結果見表 1 所列。

基于本文的數據融合算法，將表1數據進行數據融合，

從表2可以看出 ：融合前，三個水質指標中Ⅰ類水質BPA比其他類大 ；融合后，Ⅰ類水質的BPA高達0.804 3，比其他類大，且相比融合前的BPA更大。由此可見，本文的數據融合算法更科學、效果更顯著。

6 結 語

根據鴻蒙OS的優勢和水質監測需求，設計了一套水質多參數監測與水質類型分析的系統。該系統利用多路傳感器實時獲取水質信息，通過 WiFi 技術將信息上傳到阿里云 IoT平臺，最后將數據發送到上位機軟件實時顯示并進行水質分析。本系統是基于鴻蒙 OS 一次開發的，多端部署，可擴展性強、便于維護。仿真與實驗結果表明，該系統運行穩定、實時性好、魯棒性強，解決了在數據融合中由于傳感器故障引起的結果與現實相悖的問題，具有廣闊的應用前景。

審核編輯 ：李倩