Содержание
Анализ произведения Тургенева Малиновая вода
Лучшие сочинения и пересказы
- Сочинения
- По литературе
- Тургенев
- Анализ рассказа Малиновая вода
У каждого автора имеется большое количество произведений, которые помогают не только задумываться, но и порой менять что-то в своей жизни в другую сторону. Вот таким же писателем и является Тургенев и его произведение «Малиновая вода».
Главными героями здесь стали не только крестьяне, но и помещики, которые хотят жить по-другому, но вынуждены подчиняться и выполнять все, что им прикажут.
«Малиновая вода» — это ручей, который бьет из земли. Именно сюда и приходили многие крестьяне и помещики для того чтобы утолить свою жажду, а также чтобы хотя бы немного обмыться и не было так жарко. Охотник решил подойти к этому ручью и попить. И там же подошли еще два человека.
Сначала обо всем рассказывает Степушка. Никто даже толком не может вспомнить как он здесь появился и как и кто разрешил ему остаться. Много лет назад в этой деревне сгорел дом, а когда сюда приехал Степушка, то этот дом разобрали и построили новый. Но вот почему ему одному делаются такие поблажки и привилегии никому не понятно. Если он начинал разговаривать, то никому ничего не было понятно, и оставалось только додумываться что он имеет ввиду. Кушал он только то, что дадут его соседи или то, что он сможет выпросить у всех жителей.
А потом и Туман. По-настоящему его зовут Михаил. Он всегда разговаривал немного в нос. А вот дела делал неторопливо и потихоньку. В перерыве ему нравилось нюхать табак, а также сморкаться в платочек. Он мог поддержать любую тему и по любому вопросу знал ответа. Раньше он работал на барина и поэтому никогда ни в чем себе не отказывал. Но когда барин ушел, то и ему пришлось немного поменять положение. Больше всего на свете ему хочется вернуться обратно, но для этого потребуется очень много трудиться.
Из всего услышанного можно понять, как непросто живется мирным людям в таких условиях и что их ожидает, если они не выполнят во время все указания и приказы. Помимо всего этого автор старается описать как можно тщательно и подробно погоду, которая не жалеет никого и жарит.
Немного погодя появляется еще один герой по имени Влас. Он рассказывает о том, что недавно потерял сына и теперь поэтому поводу очень сильно грустит. Но вот работа ему скучать и переживать не дает. А ведь при нынешнем правителе они еще спокойно живут, а вот когда был предыдущий, то было намного сложнее, да и условия были страшнее.
В конце совсем неясно, что происходит со всеми этими героями. А только грустная музыка заставляет додумывать читателей самостоятельно.
Также читают:
← Анализ произведения Касьян с Красивой мечи
← Анализ произведения Муму↑ ТургеневАнализ рассказа Тургенева Лес и степь →
Анализ произведения Живые мощи →
Картинка к сочинению Анализ рассказа Малиновая вода
Популярные сегодня темы
- Григорий Мелехов в поисках правды — сочинение (Тихий Дон)
Мелехов Григорий является основным героем произведения Тихий Дон. Его можно охарактеризовать как натурального донского казака, трудоголика и хозяйственный человека. В довоенное время он был весельчаком
- Печорин — герой своего времени — сочинение для 9 класса (по Лермонтову)
Произведение «Герой нашего времени» остается уникальным в любое время года. Лермонтов считает, что именно Печорин является воплощением зла сегодняшней молодежи. После того как произведение появилось читатели
- План рассказа Конь с розовой гривой Астафьева 6 класс
Рассказ Астафьева «Конь с розовой гривой» является автобиографическим, основанным на реальных событиях. Главным героем рассказа стал простой деревенский мальчишка Витя
- Остроухов
Творческая деятельность Ильи Семёновича началась в ранней молодости. С самого детства он и не думал, что станет известным живописцем. Остроухов увлекался коллекционированием природных богатств
- Сочинение Форейтор Антипка в рассказе Муму Тургенева: характеристика, образ, описание
Муму это великое произведение Ивана Сергеевича Тургенева. Автор часто писал произведения, которые подвергались цензуре. Данный рассказ долгое время был под запретом. Но спустя какое то время читатели
Сочинения
- По картинам
- По литературе
- Свободная тема
- Про Родину
- Про технологии
- Русский язык
- Про семью
- Про школу
- Про войну
- Про природу
- По пословицам
- Про времена года
- Праздники
- Про дружбу
- 9 класс ОГЭ
- 11 класс ЕГЭ
- Про животных
- Профессии
- Известные люди
- Города
Характеристики главных героев Малиновая вода, Тургенев. Их образы и описание
Главная>Характеристики героев
Рассказчик
Главный герой, охотник. Однажды, в жаркий августовский день он был на охоте и мучимый жаждой вышел к ключу, который имел название «Малиновая вода». Там он увидел двух знакомых стариков — Степушку и Михайло Савельева, а также подошедшего позднее мужика Власа. Их судьбу, и не только их, и поведал он нам.
Степушка
Старик, удивший рыбу вместе с Михайло Савельевым у ключа «Малиновая вода». Он был худенький, маленький, живущий, что Бог пошлёт. Степушка был тихий, незаметный человек, о котором никто и ничего не знал. У него не было родни, никто не знал, откуда он родом, да никого это и не интересовало. Жил он у садовника Митрофана.
Михайло Савельев
Старик, удивший рыбу вместе со Степушкой. Ему было примерно 70 лет, и все звали его Туман. Он был дворецким у разорившегося и уже умершего графа Петра Ильича. Ещё при жизни он стал вольноотпущенным.
Пётр Ильич ***
Граф, бывший владелец огромной усадьбы, где любил проводить пирушки, куда съезжались повеселиться со всей губернии, а то бывало и из Петербурга. Содержал много любовниц, которые его и разорили, требуя всего самого лучшего из Европы. Разорившись, уехал в Петербург искать место, но умер в гостинице, так его и не дождавшись.
Влас
Мужик примерно 50 лет, вышедший к ключу «Малиновая вода», когда рассказчик общался со стариками. Он был весь в пыли, с армяком за плечами и в лаптях. Недавно у него умер сын, который платил за него оброк и он ходил в Москву, чтобы барин Валериан Петрович сбавил оброк или посадил его на барщину. Но тот не стал с ним общаться и прогнал.
Граф ***, Валериан Петрович
Эпизодический персонаж, сын графа Петра Ильича, владелец деревни мужика Власа. Именно к нему ходил Влас в Москву с просьбой уменьшить оброк или посадить на барщину, но он отказал.
Митрофан
Эпизодический персонаж, садовник, живущий с женой Аксиньей и семью детьми на пепелище бывшей господской усадьбы. После пожара ему построили из несгоревших брёвен домик и господа приказали поставлять им зелень и овощи в другую усадьбу, куда они переехали. Именно у него жил Степушка.
Аксинья
Эпизодический персонаж, жена садовника Митрофана, мать семерых детей, присматривающая за тирольской коровой, которая не давала молока.
Акулина
Эпизодический персонаж, матреска (любовница) графа Петра Ильича. Была злой, за малейшую оплошность могла забрить лоб, а самого графа отхлестать по щекам. По мнению Михайло Савельева, была главной причиной разорения графа. На момент проходящих событий уже умерла.
см. также:
Краткое содержание Малиновая вода, Тургенев
Краткая биография Ивана Тургенева
Характеристики героев и персонажей других литературных произведений
Платформа интеллектуальных датчиков на базе Raspberry Pi для системы мониторинга качества питьевой воды: подход на базе Python
Статьи | Том 12, выпуск 1
Напиток. Вода инж. наук, 12, 31–37, 2019
https://doi.org/10.5194/dwes-12-31-2019
© Автор(ы), 2019. Работа распространяется на условиях
лицензии Creative Commons Attribution 4.0 .
Исследовательская статья
25 июня 2019 г.
Исследовательская статья | 25 июня 2019 г.
Платформа интеллектуальных датчиков на основе Raspberry Pi для системы мониторинга качества питьевой воды: фреймворк Python
Пунит Хатри 1 , Карунеш Кумар Гупта 1 и Радж Кумар Гупта 2
Пунит Хатри и др.
Пунит Хатри 1 , Карунеш Кумар Гупта 1 и Радж Кумар Гупта 2
Показать данные автора
- 1 Факультет электротехники и электроники, Институт Бирла
Технологии и науки (BITS), Пилани 333031, Индия - 2 Факультет физики, Технологический и научный институт Бирла
(BITS), Пилани 333031, Индия
Корреспонденция : Пунит Хатри ([email protected])
Получено: 30 октября 2018 г. – Начало обсуждения: 7 февраля 2019 г. – Пересмотрено: 29 мая 2019 г. – Принято: 09 июня 2019 г. – Опубликовано: 25 июня 2019 г.
Аннотация
аппаратная платформа для мониторинга качества питьевой воды. Выбор
параметры качества воды были установлены на основании рекомендаций Центрального
Совет по загрязнению и контролю (CPCB), Нью-Дели, Индия. Графический пользовательский интерфейс
(GUI) был разработан для обеспечения интерактивного человеко-машинного интерфейса для
конечному пользователю для удобства работы. Язык программирования Python использовался для
Разработка графического интерфейса, сбор данных и анализ данных. Нечеткие вычисления
методы, которые использовались для принятия решений по классификации качества воды.
в разных классах, таких как «плохо», «плохо», «удовлетворительно», «хорошо» и
«превосходно». Система была протестирована на различных пробах воды из восьми
в разных местах, и качество воды оценивалось как хорошее,
удовлетворительные, а для измеренных проб воды – плохие. Наконец,
полученные результаты сравнивались с эталоном для аутентификации.
1 Введение
Мониторинг качества питьевой воды необходим перед ежедневным потреблением
жизни, так как это может прямо или косвенно влиять на здоровье человека
(Бхардвадж и др., 2018). Целых 80 %
болезни связаны с плохим качеством воды и санитарными условиями
(Анан, 2003). Имеющаяся вода сильно загрязнена, и
ситуация может ухудшиться в будущем. Питьевая вода с загрязнителем
концентрации, превышающие пределы BIS (Бюро индийских стандартов),
считается небезопасным. Качество воды измеряется различными государственными учреждениями.
среди 632 районов Индии, к которым может получить доступ IWT (India Water Tool)
инструмент визуализации (Институт мировых ресурсов, 2016). Среди
632 района, 59превышают ограничения BIS. Желтые и красные области на рис. 1
указать места, где присутствуют хлориды, фториды, железо, мышьяк, нитраты и/или
электропроводность превышает национальные стандарты.
Традиционные методы измерения качества воды включают сбор проб
на месте и последующий лабораторный химический анализ, который
трудоемкие и затратные (Коростинская и др. , 2013).
Кроме того, измерения не в реальном времени. Следовательно, для снижения трудозатрат
и расход времени, есть необходимость мониторинга воды в режиме реального времени
качество питьевого применения (Bhardwaj et al., 2015).
Работа, представленная в этой статье, направлена на обеспечение эффективной работы в режиме реального времени.
мониторинг качества воды в питьевых целях, который может решить
вопросы, связанные с качеством питьевой воды для различных природных ресурсов, например,
озера, реки, колодцы и т. д.
Рисунок 1 Качество подземных вод (количество нарушений стандарта BIS; World Resources Institute, 2016).
Предлагаемая работа состоит из аппаратной платформы мультисенсорной матрицы (MSA).
вместе с программной платформой (например, Python framework) и следует
трехэтапный подход. На первом этапе была разработана СУО, состоящая из
набор имеющихся в продаже индивидуальных датчиков качества воды
параметры. Выбор параметров основан на рекомендациях
Центральный совет по загрязнению и контролю (CPCB), Нью-Дели, Индия
(Центральный совет по контролю за загрязнением окружающей среды, 2007 г. ). В
на втором этапе была разработана аппаратная платформа на базе Raspberry
Пи доска. Был использован дополнительный расширитель последовательного порта, так как у Raspberry
только один я 2 Канал 2C и связь со всеми датчиками
требовалось одновременно. На третьем этапе был разработан графический пользовательский интерфейс (GUI).
предназначен для человеко-машинного интерфейса (HMI) и нечеткого моделирования в Python.
норматив воды определялся на основе расчетных показателей качества воды
используя систему нечеткого вывода (FIS), поскольку FIS имеет возможность поглощать
неопределенность, связанная с наблюдаемыми параметрами. Нечеткий подход описан в
этот документ использовался и широко обсуждался во многих экологических
Приложения; это помогает в принятии решений во многих реальных сложных
проблемы (Лермонтов и др., 2009).
Многие исследователи, такие как Понсадайлакшми
и другие. (2018), Тири
и другие. (2018), Раман
и другие. (2009), Джинтуркар
и другие. (2010) и Икага (2007) реализовали нечеткое моделирование в
MATLAB для расчета индекса качества воды. Однако процесс моделирования
был в автономном режиме, тогда как в этой статье мы реализовали нечеткий подход в режиме реального времени.
расчет, после сбора данных, с помощью библиотек в
Фреймворк Python.
2 Материалы и методы
2.1 Критерии выбора параметров качества воды
параметры качества при различном использовании воды. CPCB определился с пятью
различные категории для использования воды в различных приложениях, таких как
орошение, питье, купание и т. д. В данной работе параметры категории «С»
учитываются, поскольку мы нацелены на источник питьевой воды после
традиционная обработка и дезинфекция.
2.2 Определение качества воды
Система нечетких выводов (FIS) может включать неопределенность в процесс принятия решений
и рассуждения. Следовательно, методы, основанные на нечеткой логике, оказались очень эффективными.
полезны, так как они менее математически интенсивны, чем нейронные сети,
генетические алгоритмы и т. д., а также поддерживают приближенные рассуждения. В
FIS, знания представлены в виде лингвистических правил. Входные данные преобразуются
от четкого значения до лингвистической переменной в процессе фаззификации, и
эти переменные подаются в систему логического вывода. Эта интерференционная система
дает новый набор лингвистической переменной, которая затем преобразуется в четкую
значение с помощью дефаззификации (MathWorks, 2018).
Таким образом, процесс проектирования нечетких изображений включает три необходимых шага: (1) определить
функцию принадлежности для каждой переменной, (2) выполнять нечеткий вывод на основе
на методе вывода и (3) выберите метод дефаззификации для
определить качество воды.
Предлагаемая нечеткая логика была реализована на Python с помощью
библиотека, разработанная SciKit-Fuzzy development
команда (Anon, 2018) для определения качества воды по группам
пяти лингвистических переменных, определяемых как плохой, плохой, удовлетворительный,
хорошо, и отлично. Нечеткая система использует импликационную модель Мамдани,
который принимает пять входных данных: pH, электропроводность (EC), окисление
восстановительный потенциал (ОВП), растворенный кислород (DO) и температура.
Мамдани FIS дает более точный ответ, чем тип Такаги-Сугено.
модели, так как она использует центроидный метод дефаззификации. Дефаззифицированный
выходом модели является качество воды, которое соответствует пяти входам
модель. В данной работе модель FIS типа Мамдани была реализована для
система поддержки принятия решений, поскольку она имеет спонтанную и основанную на правилах возможность
принятия решений. Моделирование проводилось на основе пяти входных данных.
параметры и один выходной параметр для определения качества воды.
выбор функции принадлежности был сделан на основе сложности
система рассматривается для принятия решений. Треугольные функции принадлежности (МФ)
наиболее часто используемые функции принадлежности из-за их линейного характера
и простота реализации (Чжао и Бозе, 2002; Коско, 19 лет).93). Поэтому мы выбрали
треугольная МФ для преобразования четкой переменной в лингвистическую.
треугольная функция принадлежности зависит от трех параметров: l , m ,
и n , и даются уравнением. (1):
(1)f(x;l,m,n)=0forx
Логические операции, используемые в нечеткой логике, это минимум, максимум и дополнение, и они определены
уравнениями (2), (3) и (4) соответственно. A и B представляют собой два подмножества:
(2)µA∪B(x)=maxµA(x),µB(x),(3)µA∩B(x)=minµA(x),µB(x),(4)µA‾(x) =1-мкА(х).
После логических операций применялось правило «если-то». Все правила были
применялись параллельно, и правило, не влияющее на вывод, было
игнорируется. Затем результаты всех правил были агрегированы, и все нечеткие множества
влияющие на результат, были объединены в один нечеткий набор. Наконец,
нечеткое множество было преобразовано в четкое посредством дефаззификации, в которой
был сгенерирован единый номер. Существует несколько методов дефаззификации,
такие как центр тяжести, максимум, среднее значение максимумов, высота и метод модифицированной высоты. В
В данной работе использовался метод центроидной дефаззификации, который является наиболее
народный метод. Результат был рассчитан путем усреднения отдельных центроидов,
взвешенные по их высоте, как указано в уравнении. (5) (Заде,
1988):
(5)Uo=∑i=1nuiμ(ui)∑i=1nμ(ui),
где μ ( u i ) — минимальное и максимальное значение степени принадлежности
входные значения (зависит от оператора min и max).
В этой статье мы выделили две группы для каждого параметра качества воды,
которые желательны (DES) и нежелательны (UNDES), как описано в таблице 1.
Если параметры находятся в желаемом диапазоне, то была получена только нечеткая
применяемый; в противном случае он не применяется. Например, если рН находится в диапазоне 6,5 и
8.5 назначена группа DES; аналогично, если pH < 6,5 или
pH > 8,5, назначенная группа — UNDES. Таким же образом группа
проверяется по всем пяти параметрам качества воды. После проверки
желаемая группа, индивидуальная функция принадлежности назначается каждой
параметр. Кроме того, мы определили функцию принадлежности для качества воды
по шкале от 0 до 100. После назначения функций принадлежности
было применено правило «если-то», и общее качество было определено на основе
принята формулировка на основе правил.
3 Проектирование аппаратной платформы
Аппаратная платформа играет жизненно важную роль в разработке любой системы, поскольку
сбор данных и обработка данных осуществляется с помощью аппаратного обеспечения
сама платформа. Основной задачей проектирования аппаратной платформы является проектирование АСУ.
и его взаимодействие с платой Raspberry Pi, за которой следует Python
рамки. Детали конструкции приведены ниже.
3.1 Конструкция многосенсорной решетки (MSA)
Для предлагаемой работы MSA разработана с использованием
датчики промышленного производства Atlas Scientific, США. Человек
датчики расположены в виде массива, чтобы сделать MSA. Используемые датчики представляют собой
Датчик pH, датчик электропроводности (EC), растворенный кислород (DO)
датчик, датчик окислительно-восстановительного потенциала (ОВП) и датчик температуры
датчик. Параметр общего растворенного твердого вещества (TDS) был получен из EC.
3.2 Интеграция MSA с платой Raspberry Pi и взаимодействие с Python
После разработки MSA его необходимо соединить с Raspberry Pi для передачи данных
получение и дальнейшая обработка данных. Raspberry Pi — одноплатный
микрокомпьютер размером с кредитную карту с процессором ARM Cortex-A53
(Фонд Raspberry Pi, 2014 г.). Это открытое оборудование со многими
бортовые рабочие компоненты, такие как процессор, графика, память, контроллер USB,
и т. д. В настоящее время плата Raspberry Pi используется во многих системах реального времени.
приложения (например, системы видеонаблюдения в реальном времени –
Фавзи и др., 2018 г.; распознавание бумажных денег в режиме реального времени
новых индийских банкнот после демонетизации — Anilkumar
и Срикант, 2018 г. ; автоматические системы управления дорожным движением –
Талукдер и др., 2017; умные дорожные системы –
Кумар и др., 2017; управление энергией
системы, основанные на моделях ценообразования на электроэнергию в режиме реального времени –
Куреши и др., 2017; системы автономного вождения –
Сумарди и др., 2018; Трехмерное вейвлет-преобразование –
Бернабе и др., 2018 г.; и воздух
системы контроля качества – Alkandari и Moein,
2018).
Компания Bhardwaj внедрила мониторинг качества воды на основе киберфизической системы (CPS) с использованием платы Arduino Uno.
(Бхардвадж и др., 2018). Хотя Ардуино есть
удобный для пользователя, причина выбора Raspberry Pi для этой работы заключается в том,
его вычислительные возможности, которых нельзя достичь на платформе Arduino.
Помимо своих вычислительных возможностей, Raspberry Pi поставляется с
встроенный модуль Bluetooth и Wi-Fi, интерфейс HDMI, камера
интерфейс, слот для дисплея, слот для SD-карты, слот для USB и т. д.; все эти
должны быть подключены извне при использовании платформы Arduino, в зависимости от
приложение.
Для автономных приложений панель дисплея может быть сопряжена с
Фреймворк Python. Мы использовали 7-дюймовый сенсорный экран и соединили его с
Программирование на Питоне. Python — это платформа программирования с открытым исходным кодом, которая
поддерживает обработку данных и вычисления. Единственный недостаток, с которым мы сталкиваемся
с платой Raspberry Pi ограниченное количество каналов I 2 C, поэтому у нас есть
подключил внешний расширитель последовательного порта к плате, чтобы улучшить
количество каналов I 2 C. Экспериментальная установка СУО, интегрированная с
плата Raspberry Pi показана на рис. 2. Она включает в себя подключенный MSA
к расширителю последовательного порта и плате Raspberry, а затем к Python
программирование.
Рисунок 2 (a) Мультисенсорная матрица (MSA). (b) Интеграция Raspberry Pi с MSA
и периферийные устройства.
Скачать
4 Результаты и обсуждение
4.
1 Экспериментальная методика
Предлагаемая система была испытана на пробах воды пяти различных
места. Для получения точных показаний каждый узел датчика был откалиброван перед
измерение. Калибровку проводили по эталонному раствору
даны для каждого датчика. Первоначально была проведена итерация измерения
не менее 5 мин, чтобы показания датчика стабилизировались, поскольку
первоначальные показания должны быть зарегистрированы только после того, как датчик достигнет стабильности
для того, чтобы сделать какое-либо окончательное решение из данных. Система была протестирована
общей продолжительностью 21 час в течение 7 дней. Средние значения
Эксперимент для всех местоположений показан в таблице 2. Местоположения с 1 по 5 являются
пробы питьевой воды из распределительных сетей и пробы из
позиции с 6 по 8 — это смоделированные показания датчика. Это было сделано для
проверить показания датчика, поскольку полученные результаты распределения
сети работают в режиме реального времени, поэтому показания датчиков не сильно различаются.
в желаемом диапазоне. Все целевые параметры были измерены
за счет разработанной установки, а также от товарного качества воды
Система наблюдения. Результаты, полученные из MSA, были накоплены через
система нечеткого вывода, реализованная в среде Python. Качество воды
определяется нечеткой моделью, представлено в таблице 3. Качество воды хорошее
для мест 1, 2, 4 и 5 в распределительной сети и удовлетворительное
для локации 3. В локациях с 6 по 8 качество воды плохое.
Таблица 2 (a) Средние значения pH, DO и EC образцов и их
расчетный пред. (b) Средние значения образцов для ОВП и температуры и их
расчетный пред.
Скачать версию для печати | Загрузить XLSX
4.2 Интерактивный пользовательский интерфейс
Графическое представление было предоставлено для данных в реальном времени, полученных из
различные датчики с помощью платформы GUI для интерактивного HMI. Ан
интерактивный графический интерфейс был разработан в рамках Python с оттенком
интерфейс, как показано на рис. 3. Сенсорный интерфейс предназначен для простоты
операции для оператора. В графическом интерфейсе оператор может выбрать
измерения из меню, будь то отдельный параметр или
общее качество воды одним касанием. Полученные данные хранились в течение
использовать в будущем, сохранив их на диске, входящем в комплект поставки платы Raspberry.
отображение данных в реальном времени показано на рис. 4. 9Ось 0060 x представляет время, а
Ось y представляет показания узла датчика.
Рисунок 3 Графический интерфейс пользователя.
Загрузить
Рисунок 4 График температуры в графическом интерфейсе.
Скачать
4.3 Проверка показаний датчиков
Для измерения точности разработанной системы и подлинности
полученные результаты, предложенная система сравнивалась с имеющейся
эталонное оборудование, система мониторинга зонда YSI EXO-1 и процент
была рассчитана относительная ошибка (PRE) (Lee, 2016). PRE выражает
погрешность в процентах для определения точности дается следующим
формула:
(6)PRE=100×фактическое-наблюдаемоефактическое.
Рассчитанный PRE представлен в таблице 2 для всех образцов, а
графическое представление показано на рис. 5. Ось x показывает различные
местоположения, а по оси y отображается соответствующее вычисленное значение PRE. Для всех
полученные параметры качества воды, PRE находится в диапазоне от 0 % до 2 %,
за исключением EC, который находится в диапазоне от 0 % до 3 %, что свидетельствует о хорошей точности
используемых датчиков. По результатам параметров, полученных из
MSA, качество воды было определено для всех локаций с использованием нечетких
библиотеки, как показано в Таблице 3. Входные и выходные функции принадлежности
были реализованы в MATLAB. То же самое использовалось для проверки
нечеткая модель, реализованная на Python.
Рисунок 5 График процентной относительной ошибки (PRE) для воды разного качества
параметры.
Скачать
4.4 Сравнение производительности с существующей работой
Многие авторы также разработали систему мониторинга качества воды. Тару
разработал систему мониторинга качества воды с помощью платы Arduino Uno
и LabVIEW (Taru and Karwankar, 2018), в котором три
измерялись параметры качества воды (температура, мутность, рН),
графический интерфейс был разработан в LabVIEW, для которого требуется ПК. Салунке разработан
интеллектуальный сенсорный интерфейс для мониторинга качества воды в среде IoT,
в котором можно измерить только два параметра качества воды (pH и мутность).
измерено (Салунк и Кейт, 2017). Бхардвадж имеет
разработана система мониторинга качества воды, в которой не было графического интерфейса
(Бхардвадж и др., 2018). Рахмат разработал
система мониторинга загрязнения воды в режиме реального времени (Rahmat
и др., 2017).
Тем не менее, в этой статье основное внимание уделяется мониторингу качества питьевой воды.
система. Кроме того, мы разработали графический интерфейс для платы Raspberry Pi в качестве
независимая система, которая не требует ни ПК, ни более трех водных
параметры качества можно наблюдать из разработанной системы. Добавленный
ценность разработанной системы по отношению к стандартному мониторингу заключается в ее
стоимость разработки. Разработанная система стоит нам менее 1000 долларов США, т.к.
по сравнению с эталоном, который стоит примерно 11 000 долларов США.
5 Выводы
Контроль качества воды необходим перед потреблением и в режиме реального времени
Мониторинг снизит риск заболевания людей. Традиционный
методы мониторинга качества воды заменяются онлайн водой
мониторинг качества. В этой статье проектирование и разработка смарт-
представлена сенсорная платформа для измерения качества питьевой воды.
Предлагаемая система состоит из платы Raspberry Pi, интегрированной с
мультисенсорный массив, 7-дюймовый сенсорный экран, клавиатура и мышь. В отличие от б/у
тест, предлагаемая система недорогая, как обсуждалось в предыдущем
раздел. Также разработана программная панель для интерактивного пользователя
интерфейс. Разработанный пользовательский интерфейс может помочь конечному пользователю управлять
систему эффективно и принимать решения на основе результата, отображаемого на
экран. Нечеткое решение, используемое в этой статье, является эффективным способом
определять качество питьевой воды в режиме реального времени по сравнению с ручными подходами.
В будущем мы планируем внедрить систему с поддержкой Интернета вещей (IoT) для онлайн-мониторинга качества питьевой воды в распределительных сетях.
сети. В настоящее время калибровка датчиков требует много времени и
требуется определенное время для стабилизации. Следовательно, в будущем,
основное внимание будет уделено автокалибровке датчиков и дрейфу
анализ и компенсация датчиков с использованием различных регрессионных
алгоритмы.
Доступность данных
В этой статье не использовались наборы данных.
Вклад авторов
Все авторы в равной степени внесли вклад в исследование, проектирование экспериментальной установки и
подготовка статьи. Все авторы читают и одобряют окончательную статью.
Конкурирующие интересы
Авторы заявляют об отсутствии конфликта интересов.
Благодарности
Авторы рады отметить Технологический институт Бирла и
Наука для обеспечения благоприятных условий для проведения исследовательской работы.
Финансовая поддержка
Это исследование было поддержано Департаментом науки и технологий правительства Индии (грант № DST/TM/WTI/2K16/103).
Заявление о пересмотре
Этот документ был отредактирован Luuk Rietveld и проверен двумя анонимными рецензентами.
Ссылки
Алкандари А. А. и Моейн С.: Внедрение системы мониторинга воздуха
Качество с использованием Raspberry PI: экспериментальное исследование, Indones. Дж.
Электр. англ. вычисл. наук, 10, 43–49,
https://doi.org/10.11591/ijeecs.v10.i1.pp43-49, 2018.
Анан, К.: «Заболевания, связанные с водой, ответственны за 80 процентов всех
Болезней и смертей в развивающихся странах», — заявил Генеральный секретарь
Послание ко Дню окружающей среды, ООН, 1, доступно по адресу:
http://www. un.org/press/en/2003/sgsm8707.doc.htm (последний доступ: 6 февраля 2018 г.),
2003.
Анилкумар, Б. и Срикант, К. Р. Дж.: Дизайн и разработка в реальном времени
система признания бумажных денег демонетизации New Indian Notes by
использование raspberry Pi для слабовидящих, Int. Дж. Мех. англ. Technol., 9, 884–891, 2018.
Anon: SciKit-Fuzzy — документы skfuzzy v0.2, доступные по адресу:
http://pythonhosted.org/scikit-fuzzy/overview.html, последний доступ: 20 марта 2018 г.
Бернабе, Г., Эрнандес, Р., и Акацио, М. Э.: Parallel
реализации трехмерного быстрого вейвлет-преобразования на Raspberry Pi 2
кластер, J. Supercomput., 74, 1765–1778,
https://doi.org/10.1007/s11227-016-1933-2, 2018.
Бхардвадж Дж., Гупта К.К. и Гупта Р.: Обзор новых тенденций в
датчики измерения качества воды, в: 2015 Международная конференция по
Технологии для устойчивого развития (ICTSD), 4–6 февраля, Мумбаи, 1–6, IEEE, 2015.
Бхардвадж, Дж., Гупта, К.К., и Гупта, Р.: На пути к киберфизической эре: структура мягких вычислений на основе мультисенсорного массива для мониторинга качества воды, Напиток. Вода инж. наук, 11, 9–17, https://doi.org/10.5194/dwes-11-9-2018, 2018.
Центральный совет по контролю за загрязнением окружающей среды: Центральный совет по контролю за загрязнением;
экологические стандарты; Критерии качества воды, доступны по адресу:
https://cpcb.nic.in/критерии качества воды/
(последний доступ: 25 ноября 2017 г.), 2007.
Фавзи, Л. М., Амин, С. Ю., Алькараави, С. М., и Доуд, С. А.: Встроенное видео в реальном времени
Система наблюдения на основе мультисенсорного и визуального слежения, заявл. Мат. Инфор.
Sci., 12, 345–359, https://doi.org/10.18576/amis/120209, 2018.
Icaga, Y.: Нечеткая оценка классификации качества воды, Ecol.
Indicat., 7, 710–718, https://doi.org/10.1016/j.ecolind.2006.08.002, 2007.
Джинтуркар А. М., Дешмух С. С., Агаркар С. В. и Чавхан Г. Р.:
Определение индекса качества воды методом нечеткой логики: случай
грунтовые воды в индийском городе, Water Sci. Техн., 61,
1987–1994 гг., https://doi.org/10.2166/wst.2010. 095, 2010.
Коростинска О., Мейсон А. и Аль-Шаммаа А. И.: Мониторинг загрязнителей в
сточные воды: традиционная лаборатория по сравнению с современными подходами в реальном времени, в:
Интеллектуальные датчики, измерения и контрольно-измерительные приборы, том. 4, 1–24, Спрингер,
Берлин, Гейдельберг, 2013 г.
Коско, Б.: Нечеткое мышление?: новая наука о нечеткой логике, Гиперион,
доступно по адресу: https://books.google.co.in/books/about/Fuzzy_Thinking.html?id=SdsQAQAAIAAJ (последний доступ: 18 сентября 2018 г.), 1993 г.
Кумар К.К., Дурай С., Вадивель М.Т. и Кумар К.А.: Умный трафик
система, использующая raspberry pi, применяя алгоритм динамической смены цвета, в:
2017 Международная конференция IEEE по смарт-технологиям и управлению для
Компьютеры, связь, управление, энергия и материалы (ICSTM), 2–4 августа, Ченнаи,
146–150, IEEE, 2017.
Lee, S.: ПРОЦЕНТНАЯ ОШИБКА, MathWorld, 1, доступно по адресу:
http://mathworld.wolfram.com/PercentageError.html (последний доступ: 25 марта 2018 г. ),
2016.
Лермонтов А., Йокояма Л., Лермонтов М. и Мачадо М. А. С.: Река
анализ качества с использованием нечеткого индекса качества воды: река Рибейра-ду-Игуапе
водораздел, Бразилия, экол. Индикат., 9, 1188–1197,
https://doi.org/10.1016/j.ecolind.2009.02.006, 2009.
MathWorks: Моделирование системы нечетких выводов — MATLAB и Simulink —
MathWorks India, доступен по адресу:
https://in.mathworks.com/help/fuzzy/mamdani-fuzzy-inference-systems.html,
последний доступ: 14 марта 2018 г.
Понсадайлакшми С., Санкари С. Г., Прасанна С. М. и Мадхурамбал Г.:
Оценка качества воды пригодности для питья с использованием питьевой воды
индекс качества в районе Нагапаттинам, Тамил Наду в Южной Индии,
Земля. Поддерживать. Разв., 6, 43–49,
https://doi.org/10.1016/j.gsd.2017.10.005, 2018.
Куреши, М.У., Жиро, А., Може, М., и Грихальва, С.: Реализация
домашняя система управления энергопотреблением с оптимальным планированием нагрузки на основе
модели ценообразования на электроэнергию в режиме реального времени, в: 2017 IEEE 7th International
Конференция по потребительской электронике – Берлин (ICCE-Берлин), 3–6 сентября, Берлин, том.
2017-сентябрь, 134–139, IEEE, 2017.
Рахмат Р.Ф., Атманатан, Сяхпутра М.Ф. и Лидия М.С.: в режиме реального времени
система мониторинга загрязнения воды в озере Тоба, 2016 г. Международная
Конференция по информатике и вычислениям, ICIC 2016, 28–29 октября 2016 г., Матарам, 383–388, IEEE,
2017.
Раман, Б.В., Боумистер, Р., и Мохан, С.: Нечеткий логический индекс качества воды
и значение показателей качества воды, воздух, почва, вода, 2,
ASWR.S2156, https://doi.org/10.4137/ASWR.S2156, 2009 г.
Raspberry Pi Foundation: документация Raspberry Pi, 1, доступна
по адресу: https://www.raspberrypi.org/documentation/ (последний доступ: 15 марта 2018 г.),
2014.
Салунке, П. и Кейт, Дж.: Усовершенствованный интеллектуальный сенсорный интерфейс в Интернете
вещи для мониторинга качества воды, в: 2017 Международная конференция по
Управление данными, аналитика и инновации, ICDMAI 2017, 24–26, Пуна, 298–302, IEEE,
2017.
Сумарди, Тауфикуррахман, М., и Рияди, М. А.: Обнаружение уличных знаков с помощью
raspberry pi для системы автономного вождения, Telkomnika, 16, 629–634,
https://doi.org/10.12928/TELKOMNIKA.v16i2.4509, 2018.
Талукдер, М. З., Тоукир, С. С., Ремон, А. Р., и Заман, Х. У.: Интернет вещей на основе
автоматизированная система управления дорожным движением с возможностью обновления в режиме реального времени, в: 2017 г.
8-я Международная конференция по вычислительной технике, коммуникациям и сетям
Technologies (ICCCNT), 3–5 июля, Дели, 1–6, IEEE, 2017.
Тару, Ю.К. и Карванкар, А.: Система мониторинга воды с использованием Arduino с
labview, в: Труды Международной конференции по вычислительной технике
Методологии и коммуникации, ICCMC 2017, 18–19Июль, Erode, vol. 2018-январь, 416–419,
IEEE, 2018.
Тири А., Белхири Л. и Муни Л.: Оценка качества поверхностных вод
для питьевых целей с использованием системы нечеткого вывода, Граунд.
Поддерживать. Develop., 6, 235–244, https://doi.org/10.1016/J.GSD.2018.01.006, 2018.
Институт мировых ресурсов: India Water Tool, версия 2.1, доступна
по адресу: http://maps.indiawatertool.in/iwt/av/IWTUserGuide.pdf (последний доступ: 5 декабря 2017 г.), 2016 г.
Заде, Л. А.: «Нечеткая логика», Компьютер, 21, 83–9.3, https://doi.org/10.1109/2.53, 1988.
Чжао, Дж. и Бозе, Б.К.: Оценка функций принадлежности для нечеткой логики
Управляемый асинхронный двигатель, 28-я ежегодная конференция IEEE 2002 г.
Общество промышленной электроники, 5–8 ноября, Севилья, 229–234, https://doi.org/10.1109/IECON.2002.1187512,
2002.
Система управления водными ресурсами на основе IoT с использованием Raspberry Pi
Описание
РЕЗЮМЕ
В этом проекте предлагается система, которая выполняет мониторинг качества воды и регулируемую работу водоснабжения. У нас есть еще несколько датчиков, таких как pH, датчик проводимости, датчик потока, датчик температуры и модуль LDR. Используя это значение датчика, мы постоянно вычисляем и собираем данные, анализируем после любой проблемы в значении датчика, мы вычисляем чистоту воды и отправляем предупреждающее сообщение уполномоченному лицу с помощью технологий IOT. У нас есть датчик чистоты и датчик pH, с помощью которых мы получили значения датчика, наконец, мы получили предупреждающее сообщение.
ВВЕДЕНИЕ
Чистая питьевая вода – самый ценный ресурс для человека. Любой дисбаланс в качестве воды может серьезно сказаться на состоянии здоровья людей. Теперь коммунальные службы питьевой воды сталкиваются с различными проблемами в режиме реального времени из-за ограниченных водных ресурсов, глобального потепления, роста населения и загрязнения. Следовательно, существует потребность в более совершенных методологиях мониторинга качества воды в режиме реального времени.
Согласно недавнему исследованию ВОЗ, в Индии 77 миллионов человек сталкиваются с проблемами из-за небезопасной питьевой воды, а 21% заболеваний связаны с загрязненной водой. По оценкам ВОЗ, каждый день в Индии от диареи умирает 1600 человек. Традиционный метод мониторинга качества воды включает ручной сбор воды в разных местах, и эта вода проверяется в лаборатории.
СУЩЕСТВУЮЩАЯ СИСТЕМА
В существующей системе мы отслеживаем качество воды, подключая датчик PH, датчик проводимости и датчик мутности, которые собираются в raspberry pi и загружаются в облако для анализа.
ПРЕДЛАГАЕМАЯ СИСТЕМА
В предлагаемой системе такая же установка, как и в существующей системе, но мы должны добавить датчик расхода и электромагнитный клапан. Цель использования датчика расхода – узнать, сколько воды потребляет каждый дом. И электромагнитный клапан для автоматического закрытия трубы. Вся эта система будет действовать как система регулирования качества воды и подачи воды.
БЛОК-СХЕМА
БЛОК-СХЕМА ОПИСАНИЕ
Вся система основана на датчиках, подключенных к Raspberry Pi, для контроля качества воды и регулируемой подачи воды. Raspberry — одноплатный компьютер служит сердцем системы для выполнения желаемой операции. Все значения датчиков загружаются в облако, любой человек может контролировать параметры в любой точке мира. Thingspeak — облако с открытым исходным кодом предоставляет значения в виде графического представления, с помощью которого мы можем проводить анализ.
НЕОБХОДИМОЕ ОБОРУДОВАНИЕ
- Raspberry Pi
- Датчик температуры
- Датчик проводимости
- ЛДР
- Датчик потока
- Датчик pH
НЕОБХОДИМОЕ ПРОГРАММНОЕ ОБЕСПЕЧЕНИЕ
- Облако Thingspeak
- Распбиан — Джесси
- Питон
ЗАКЛЮЧЕНИЕ
В этой статье представлен дизайн и разработка недорогой системы мониторинга качества воды в режиме реального времени и управления расходом воды с использованием IoT. Предлагаемая система состоит из датчиков контроля качества воды и электромагнитного клапана для управления расходом воды в трубопроводе. Эти устройства недорогие, высокоэффективные и гибкие.