一种具有物理约束的自适应双层优化框架,用于无需标准颗粒物测试即可实现低成本颗粒物传感器校准

《Engineering Applications of Artificial Intelligence》:An adaptive dual-layer optimization framework with physical constraints for low-cost particulate matter sensor calibration without standard particle testing

【字体: 大 中 小 】 时间:2026年07月29日 来源:Engineering Applications of Artificial Intelligence 9.0

编辑推荐:

  摘要由于低成本光学颗粒物(PM)传感器依赖于固定的颗粒尺寸和散射假设,因此其精确校准仍面临挑战。传统的校准方法会在将散射信号转换为质量浓度之前,先为其指定预设的颗粒直径,而这种做法在处理煤尘等不规则、具有吸收性的气溶胶时会导致系统性偏差。在本研究中,我们开发了一种基于物理原理的双

  

摘要

由于低成本光学颗粒物(PM)传感器依赖于固定的颗粒尺寸和散射假设,因此其精确校准仍面临挑战。传统的校准方法会在将散射信号转换为质量浓度之前,先为其指定预设的颗粒直径,而这种做法在处理煤尘等不规则、具有吸收性的气溶胶时会导致系统性偏差。在本研究中,我们开发了一种基于物理原理的双层自校准框架,该框架可直接处理原始电压信号,从而无需进行标准的颗粒检测,也无需依赖工厂设定的颗粒类别假设,同时仍需要离线参考测量数据来进行参数拟合。具体而言,外层采用粒子群优化算法,对传感器100个通道的电压输出进行自适应压缩,形成优化的聚合通道,在抑制噪声的同时保留关键的散射特征。内层则结合贝叶斯优化算法,拟合基于米氏理论的物理参数,包括针对不同通道的有效光学直径替代值以及光学缩放因子,从而在数据驱动的学习与物理可解释性之间取得平衡。从工程角度出发,该框架还引入了按簇划分的校正因子,用于弥补传感器漂移和气溶胶老化带来的影响,确保其在野外及职业环境中的可靠性能。以Personal Dust Monitor 3700型传感器为验证对象,结果显示该框架具有很高的预测精度(训练集的决定系数R2为0.88,测试集为0.84),其均方根误差和平均绝对百分比误差均处于职业颗粒物监测的允许范围内。与传统校准流程往往存在的相位相关偏差不同,这种基于人工智能且受物理原理指导的校准方法能够在动态条件下实现一致的校准效果。这些研究结果表明,将人工智能优化与基于物理的建模相结合,有望在工程应用中实现稳健且可移植的颗粒物传感器校准。

引言

颗粒物,尤其是空气动力学直径小于10微米的细颗粒物(PM10)和2.5微米的颗粒物(PM2.5),对人类健康和环境构成严重威胁(Kim等人,2015;Thompson,2018;Schlesinger,2007)。这类颗粒物一旦被吸入,会深入呼吸系统(Hatch,1961),直至肺泡区域(Schulz等人,2000;Brain和Valberg,1979;Kleinstreuer和Zhang,2010),在那里引发氧化应激(Li等人,2003;Lodovici和Bigagli,2011)、炎症反应(Donaldson等人,2005;Veronesi和Oortgiesen,2001)以及全身性影响(Anderson等人,2012;Nurkiewicz等人,2006)。长期暴露于此类颗粒物还会导致多种不良后果,包括心血管疾病(Kim等人,2017;Wold等人,2012;Beelen等人,2014)和呼吸系统疾病(Guo等人,2018;Pelucchi等人,2009)、认知发育障碍(Clifford等人,2016)以及死亡率上升(Kloog等人,2013)。在职业和工业环境中,来自煤矿开采、矿物加工及建筑施工等活动的PM5等粗颗粒物的暴露问题也日益受到关注,因为它们会对肺功能造成持续损害(Vu等人,2017;Carta等人,1996),并增加患尘肺病的风险(Liu和Liu,2020;Wouters等人,1994)。因此,对颗粒物浓度进行准确且高分辨率的监测,是全球公共卫生领域的重要任务,也是各国监管机构关注的焦点。
为满足广泛、实时的空气质量监测需求,过去十年间,低成本颗粒物传感器数量迅速增加(Alfano等人,2020)。这类传感器通常基于光散射技术,具有体积小、价格低廉且易于部署的优点,能够实现传统重量法或β衰减法监测仪无法达到的高空间覆盖率和精细时间分辨率(Seesaard等人,2024)。然而,其实际应用一直受到测量可靠性问题的限制。尤其是低成本传感器,往往与参考级仪器存在较大差异,表现为非线性响应、与颗粒尺寸相关的检测偏差,以及对气溶胶成分、湿度及环境条件的敏感度问题(Nalakurthi等人,2024;Hayward等人,2024)。这些误差部分源于工厂的校准流程,该流程假设使用的是单分散、球形且无吸收性的参考颗粒,而这并不符合现实世界中气溶胶的异质性、不规则性以及复杂的光学特性。因此,未经校正的传感器输出可能会出现与相位相关的过高估计或响应不足现象,从而影响其在监管或职业健康评估中的可信度。
目前,为提升低成本PM传感器精度的研究大多集中在事后校准方法上,这类方法大致可分为两种途径。第一种方法是利用机器学习算法,如随机森林(Wang等人,2019)、支持向量回归(Chen等人,2018)以及深度神经网络(Park等人,2021),来建立传感器输出与参考测量值之间的经验映射关系(Wang等人,2025、2026;Gu等人,2026)。尽管这些方法在受控环境下往往能展现出优异的性能,但它们通常需要大量的计算资源,因此难以在处理能力有限且能耗受限的嵌入式系统中应用(Concas等人,2021)。第二种方法则是基于物理建模,通过传感器检测到的颗粒尺寸分布,利用参数化的散射模型或空气动力学转换模型来估算质量浓度(Feng等人,2025)。这种方法具有更好的可解释性、稳健性和通用性,尤其适用于环境条件多变的情况。不过,这类基于物理的方法本质上仍然依赖于传感器所检测的颗粒尺寸,而该尺寸本身是根据理想化测试颗粒经过专门的光学到直径的映射关系得出的。因此,它们依然会受到传感器固定直径分类方案所带来的结构偏差的影响。值得注意的是,很少有研究试图打破这种传统的校准流程,而是直接从原始电压信号出发,通过基于第一性原理的推理来重建气溶胶特性——这种方法有望从根本上提升校准的准确性。
为克服传统校准方法的局限性,本研究提出了一种双层自校准框架,该框架摒弃了传统的颗粒检测流程,而是直接从传感器的原始电压信号中获取物理校准参数。该框架的外层能够自适应地将高分辨率的模拟输出通道划分为优化的子组,在降低信号维度的同时保留关键的散射特征。内层则通过多阶段优化过程,利用基于物理原理的散射模型,将聚合后的电压信号映射为气溶胶质量浓度(Zhang等人,2025a;Hu等人,2025;Zhang等人,2025b)。尤为重要的是,该方法无需依赖工厂固件中预设的颗粒直径分类——这些分类通常是基于聚苯乙烯微球得出的——而是能够动态推断出针对所研究气溶胶特征的特定通道颗粒尺寸替代值和缩放因子。通过结合全局校正策略和针对特定簇的校正策略,该框架不仅提升了校准精度,还增强了其在不同颗粒条件下的适应性。本研究以煤尘作为测试介质对该框架进行了实现与验证,结果表明它具有作为通用解决方案的潜力,能够实现低成本PM传感器在物理上可解释且计算效率高的校准。

章节节选

低成本传感器与参考监测仪

本研究使用了Temtop公司生产的PMS16-MD型低成本颗粒物传感器,该传感器基于米氏散射原理来估算颗粒物浓度。如图1a所示,该传感器包含一个激光二极管、准直透镜和聚焦透镜、一个散射室,以及一个与激光束呈90°角放置的光电探测器。外部泵将空气抽入散射室,使空气中的颗粒物穿过聚焦后的激光束并发生光散射,如图所示

监测数据分析

本研究中所使用的监测数据是在受控实验室条件下,通过定制设计的测试室收集的。实验中通过气溶胶发生器向测试室内注入煤尘,通过浓度控制阀调节注入速率,从而获得所需的颗粒物负荷。通过交替启动和关闭气溶胶发生器,可以在测试室内形成不同的粉尘浓度水平,进而模拟颗粒物浓度上升和下降的情况

结论

本研究提出了一种基于物理原理的双层校准框架,该框架有效解决了传统低成本PM传感器校准方法存在的诸多局限。通过动态重构传感器的电压信号空间,并通过多阶段优化过程嵌入物理上可解释的参数,该模型能够在无需依赖传统颗粒检测的情况下,显著提升其在不同气溶胶条件下的预测精度。该框架的外层能够自适应地

CRediT作者贡献说明

冯子康:可视化、原文撰写。 郑丽娜:概念设计、审稿与编辑。 邢富佳:数据整理、软件开发。 薛宁:数据整理、资源准备。

利益冲突声明

作者声明,他们不存在任何可能影响本文研究结果的已知财务利益或个人关系。

致谢

本研究得到了中国国家重点研发计划(项目编号:2023YFC3010602)、国家自然科学基金(项目编号:52074274)以及中央高校基本科研业务费(项目编号:2021YCPY0107)的支持。
Zikang Feng|Lina Zheng|Fujia Xing|Ning Xue
中国矿业大学江苏粉尘控制与职业健康工程研究中心,中国江苏省徐州市
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