一种基于光散射角谱的外部混合气溶胶光学传感方法

《Journal of Aerosol Science》:An optical sensing method for external mixed aerosol based on light scattering angular spectrum

【字体: 大 中 小 】 时间:2026年02月01日 来源:Journal of Aerosol Science 2.9

编辑推荐:

  本研究提出基于光散射角谱(LSAS)的混合气溶胶分析方法,结合改进粒子群算法分离二元混合气溶胶的粒径分布、折射率和浓度,实验验证显示最大相对误差17.15%,平均4.91%,为工业实时监测提供新方法。

  
邓天|盛学颖|何倩慧|罗毅|郑翔
华中科技大学电子信息与通信学院,中国湖北武汉

摘要

混合气溶胶普遍存在,在化工、制药等行业以及空气污染研究中发挥着重要作用。粒径分布(PSD)和浓度是分析其化学和物理性质的重要工具。然而,人们常常错误地将混合气溶胶视为均质气溶胶来简化测量过程,从而无法单独准确地获得每种组分气溶胶的特性参数。在本研究中,我们提出了一种基于光散射角谱(LSAS)的光学方法,用于表征二元混合气溶胶中的各个组分气溶胶。通过改进的粒子群算法,可以从连续的角度光散射信号中分离出每种组分气溶胶的PSD、折射率和浓度。我们设计了一个原型传感器进行验证。实验室实验结果表明,我们的原型传感器与参考数据之间的最大相对误差为17.15%,测试气溶胶参数的反演结果的平均相对误差为4.91%。我们的方法为工业中混合气溶胶的实时原位监测提供了出色的能力。

引言

混合气溶胶在多种场景中普遍存在,例如混合药物粉末、混合食品粉末以及大气污染的扩散(Stevens和Dastoor,2019年;Velez等人,2022年)。由于组分之间的物理不相容性,这些气溶胶通常处于外部混合状态。在这种状态下,可以根据其组成将气溶胶分类为几种不同的组分气溶胶,每种组分气溶胶具有不同的物理特性,如粒径和折射率。此外,外部混合状态是内部混合状态的前兆(Yu等人,2022年;Wang等人,2023年)。因此,由于其物理假设的简化性和计算上的便利性,外部混合模型被广泛用于研究。整个混合物的性质是通过各组分的浓度及其物理化学特性来分析的。显然,测量混合气溶胶的这些参数更为复杂。因此,在测量过程中,混合气溶胶经常被错误地视为均质气溶胶,导致测量偏差和物理化学性质的错误评估。为了全面分析混合气溶胶,分离并获取每种组分气溶胶的特性参数是至关重要的。
目前,混合气溶胶是通过质谱仪、电子显微镜、成像技术和光散射技术等实验室仪器进行分析的(Cotterell等人,2020年;Li等人,2024年;Ma等人,2022年;Yuan等人,2019年)。Li等人利用场发射扫描电子显微镜(FESEM)和带能量色散X射线光谱的扫描电子显微镜(SEM-EDX)研究了北京雾天和正常冬季收集的PM10样品,分析了大气气溶胶中矿物颗粒的粒径分布和化学组成。Kerri A.等人将热解器(TD)与气溶胶飞行时间质谱仪(ATOFMS)结合使用,测量了不同温度下大气气溶胶的粒径和化学组成的变化(Pratt & Prather,2009年)。然而,电子显微镜和质谱方法复杂、耗时且需要大型设备,限制了其在实验室环境中的应用。此外,由于沉降和吸附等效应,混合气溶胶的PSD会随时间和环境条件变化。因此,开发一种原位方法来检测混合气溶胶是必要的。
光学方法可以实时测量混合气溶胶(Asachi等人,2018年;Tao等人,2022年)。Bluent Koc等人开发了一种基于PC的连续图像处理技术,使用低成本的CMOS相机捕捉混合过程中毫米级石膏粉混合物的灰度图像,以监测浓度比的变化(Velez等人,2022年)。Fatma Makni等人使用更高分辨率的相机分析了多组分混合物的混合质量和状态演变,并评估了粒径中值在300微米范围内的混合物的混合时间(Makni等人,2017年)。这些研究表明,混合气溶胶的光学性质会随着混合物特性的变化而变化。然而,成像方法仅能分析具有明显颜色或灰度差异的微米级大颗粒,因此不适用于亚微米级的混合气溶胶,而亚微米级混合气溶胶在制药和化学工程中越来越重要。
与基于图像的方法相比,光散射技术能有效将粒径测量范围扩展到亚微米级别,并具有实时性、高精度和紧凑设计等优点(Gómez Martín等人,2021年;Pitz,2018年;Zeng等人,2023年)。混合气溶胶的散射特性由其各组分的PSD和折射率决定。Bai等人利用紫外到可见光范围内的入射光模拟了水溶性和烟尘混合气溶胶的散射特性,表明混合气溶胶的散射特性受到不同大小气溶胶比例的显著影响。O. Mu?oz等人测试了各种大气气溶胶样品的散射特性,发现具有不同特征参数的混合气溶胶样品的散射特性是独特的(Mu?oz等人,2012年)。He等人分析了与喷气燃料和铜颗粒混合的气溶胶的散射特性,观察到散射信号的强度随铜颗粒大小的增加而增加(He等人,2023年)。Liu等人揭示了海洋大气气溶胶粗颗粒和细颗粒模式之间的折射率和光学性质的显著差异(Liu等人,2014年)。这些研究表明,混合气溶胶的散射特性与其特性参数密切相关。然而,目前的研究仅分析了混合气溶胶的散射特性,但很少从散射信号中推导出PSD和折射率(Xu等人,2018年)。为了实现这一目标,需要为混合气溶胶中的每种组分气溶胶的特性参数开发一个综合的光学模型。
由于多个参数之间的耦合复杂性(粒径中值、偏差、折射率),从散射信号中推导出混合气溶胶中每种组分气溶胶的PSD和折射率具有挑战性。基于梯度的算法(如Levenberg–Marquardt方法和Gauss–Newton方法)根据雅可比矩阵迭代搜索最优值。然而,这些算法不适用于我们的应用,因为雅可比矩阵受到待求解折射率的影响。相比之下,智能优化算法具有强大的全局搜索能力和基于种群分布的自适应步长,避免了在折射率未知时迭代计算步长的瓶颈。He等人提出了一种多步反演方法,利用角散射信号通过跳蛙算法估计气溶胶PSD,然后利用该PSD作为先验信息通过卡尔曼滤波器(KF)算法推断气溶胶浓度(He等人,2020年)。Islam等人引入了一种基于概率密度函数蚁群优化(PDF-ACO)的实验模型,使用多波长透射信号识别对数正态分布中任意形状的气溶胶尺寸分布(Islam等人,2021年)。Chen等人提出了一种气溶胶分析方法,可以利用光散射强度场(LSIF)和深度学习同时表征PSD和折射率(Chen等人,2022年)。与均质气溶胶相比,测量多个参数需要更多的散射特性。
本研究提出了一种基于光散射角谱(LSAS)的方法来表征二元混合气溶胶。根据Mie散射理论,认为每个颗粒和每种组分气溶胶的散射光是独立的,因此外部混合气溶胶的散射模型可以由所有遵循对数正态分布的组分气溶胶的总和来描述。同时,考虑到组分气溶胶的不同材料组成,其折射率不同,用于分离这些组分气溶胶。开发了一种改进的粒子群算法来分离组分气溶胶的特性参数,包括PSD和折射率。然后,制造了一个原型传感器,通过仿真和实际实验验证了其性能。我们的方法能够出色地分析外部混合气溶胶中的组分气溶胶,具有在化学工程、制药和环境监测中的潜在应用。

部分摘录

基于散射谱的混合气溶胶传感

混合气溶胶的散射行为与其组成气溶胶的PSD、折射率和数浓度密切相关,与均质气溶胶有显著差异(Lian等人,2024年;Qin等人,2022年;Sylvie和Gbur,2024年)。因此,继续依赖为单组分气溶胶设计的散射模型将导致结果出现重大误差(Zhou等人,2018年)。光散射角谱

原型的光学设计

为了全面表征混合气溶胶的性质,本研究使用LSAS信号获取混合气溶胶的充分光学信息,并建立准确的参数测量模式。传统的多通道散射光采样模块使用多个离散光学探测器或旋转光学探测器,对于便携式应用来说过于复杂和笨重。此外,这些传统方法产生的特征信号有限,无法满足需求

特征参数的反演算法

反演算法广泛用于通过优化参数来提取模型参数,使其与实验数据匹配。它也可以用于从LSAS中提取混合气溶胶的特征参数。

反演精度比较测试

为了评估POA在提取混合气溶胶多个特征参数方面的性能,将POA与传统的PSO算法(Kennedy & Eberhart,1995年)、Whale优化算法(WOA)(Mirjalili & Lewis,2016年)、Dingo优化算法(DOA)(Peraza-Vazquez等人,2021年)、Prairie Dog优化算法(PDO)(Ezugwu等人,2022年)、Harris Hawks优化算法(HHO)(Heidari等人,2019年)、Aquila优化器(AO)(Abualigah等人,2021年)和Kepler优化算法进行了比较

DEHS和烟雾混合气溶胶的实验

为了验证我们提出方法的实用性,构建了一个混合气溶胶实验平台,如图10所示。该平台包括一个烟雾室、气溶胶生成装置CMAG 3475(Condensation Monodisperse Aerosol Generator,TSI)和颗粒物尺寸测量设备。CMAG用于生成不同粒径的单一分散DEHS气溶胶。扫描移动颗粒尺寸仪(SMPS 3936)的测量范围

结论

混合气溶胶的PSD在空气质量、食品加工和化工行业中具有广泛的应用。当前的工程实践简化了混合气溶胶的分析,忽略了基本组分气溶胶与整体混合物之间的相关性,这不可避免地导致结果失真。在本研究中,我们提出了一种基于LSAS的光学方法,可以同时检测二元混合气溶胶的PSD、折射率和混合浓度比,从而实现

CRediT作者贡献声明

邓天:监督、研究、资金获取。盛学颖:验证、方法论、研究、正式分析。何倩慧:写作 – 审稿与编辑、验证。罗毅:写作 – 审稿与编辑。郑翔:写作 – 初稿、资源准备。

材料可用性

本研究没有生成任何新的、独特的材料。

写作过程中使用生成式AI和AI辅助技术的声明

在准备这项工作时,作者使用了“DeepL”工具来润色一些句子。使用该工具后,作者根据需要审查和编辑了内容,并对发表文章的内容负全责。

利益冲突声明

作者声明没有利益冲突。

致谢

本工作得到了国家自然科学基金(编号:62471189、62101199)和湖北省国际科技合作项目(编号:2025EHA038)的财政支持。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号