-
光学粒子计数器探测的基本原理是:通过被光源(通常是单色激光)照明的采样区的粒子将光散射到光电探测器中[12],检测到的散射信号脉冲幅度是粒子尺寸大小的函数, 光学粒子计数器对这些脉冲进行计数,并通常根据它们的幅度将其分类到不同的尺寸通道中,因此,得到的测量数据是散射信号幅度的直方图。而从记录的散射信号振幅直方图中检索数量大小分布的数学问题具有逆性质[12],用1组第1类Fredholm积分方程描述:
$ N_i=\int_0^{\infty} K_i(D) F(D) \mathrm{d} D\left(+\Delta N_i\right) $
(1) 式中:Ni是尺寸通道i中的粒子数量; 相应的核函数Ki(D)给出了每个直径为D的粒子被分类到尺寸通道i中的概率; F(D)表示粒径数量分布; ΔNi为计数误差。核函数将光学粒子计数器输出的粒子计数直方图和粒子大小分布联系起来了[12]。
理想的光学粒子计数器具有绝对均匀的照明光场,仪器测量到的粒子散射信号幅度与粒子的粒径一一对应。一般情况下, 照明光束存在不均匀性, 入射光强度的不均匀性导致通过采样区的粒子在略微不同的位置的散射信号幅度存在差异。因此,即使是球形和均匀的同一尺寸粒子,其散射信号幅度大小也会有所不同,导致了信号的展宽,即光学粒子计数器输出的粒子计数直方图出现宽分布[13-15]。
光学粒子计数器校准反演的目的是弥合理论计算和仪器输出之间的差距,即找到将理论粒子散射截面与测量的散射信号幅度联系起来的仪器特定参数。校准与散射理论相结合将产生一组仪器特定参数,使人们能够预测具有给定光学特性的任何其它材料的光学粒子计数器的输出,即确定核函数[13]。
颗粒粒径的反演目前已经发展了多种反演算法[16-19],研究那些未知粒径分布函数的体系时,独立模式反演算法具有相当大的优势, 其中最小均方算法(least mean square, LMS) 具有唯一解的优势[16]。详细计算过程如下所示。
先对粒子进行测量,得到初始列向量为 W(0),再按照下式迭代计算n次后,粒径分布于真实值处收敛:
$ \boldsymbol{W}^{(n+1)}=\boldsymbol{W}^{(n)}+\mu \boldsymbol{F}^{\mathrm{T}}\left(\boldsymbol{E}-\boldsymbol{F} \boldsymbol{W}^{(n)}\right) $
(2) 式中: 上标n为迭代的次数;F为光能系数矩阵,即探测到的散射信号的核函数;W为粒径分布的列向量,迭代完成后为粒子计数器输出的粒子谱分布;μ为加速收敛因子;E为光能分布的列向量,即粒子计数器按照散射信号幅度分类的粒子谱分布[16]。此种算法的优势是对于系数矩阵 F要求不高,只需F满秩就可以保证方程 FW = E具有唯一解。
-
粒径的校准反演的第1步是构造光能系数矩阵。雾滴谱仪测量范围是2 μm~50 μm,输出32通道粒子计数直方图,相应的光能系数矩阵为32×32元矩阵,矩阵的每一列为仪器测量相应尺寸粒子获得的概率密度分布。理论上光能系数矩阵需要用与仪器尺寸通道一一对应的标准粒子进行测试后才能完整地构造,但是实际中能够获得标准尺寸粒子是有限的,因此用前文中的5种标准尺寸粒子进行测试,将得到的对应列向量的相邻列依次填充,构成光能系数矩阵。
实验测得对应8 μm、16 μm、24 μm、32 μm、40 μm水滴粒子的概率密度分布如图 4所示。由于测试的样本数有限,难以避免如图中所示图形不平滑的情形,因此图中对矩阵列向量做了顺化处理。由于在大样本和高精度条件下,光散射随机信号群的幅度、宽度、信号子集以及不同性质特征量的统计分布均能很稳定地服从以自然数为自变量的对数正态分布。因此雾滴谱仪测量的粒子分布假设为对数正态分布,对光能系数矩阵中无相应标准粒子进行测试的列向量,可由相邻已知列向量结合对数正态分布规律进行拟合填充,填充结果如图 5所示。
在构造完成光能系数矩阵后,就可以采用最小均方算法对雾滴谱仪每次测量后的粒子分布直方图进行反演,得到馈入雾滴谱仪的真实粒子分布。反演时,首先根据雾滴谱仪测量的粒子分布谱计算概念密度分布,赋为W (即粒径分布列向量)的初始值,迭代收敛因子[22]取为1。
分别采用10 μm、20 μm、30 μm、40 μm、50 μm等5种规格的进口硼硅酸盐标准玻璃微球进行了测量和反演,结果如图 6和图 7所示。图 6分别为雾滴谱仪单次测量10 μm、20 μm、30 μm、40 μm、50 μm标准粒子后输出的粒子分布直方图,图 7分别为LMS算法反演后的结果。
由图 7可知,经LMS算法的反演后,可准确测量5种标准粒子的尺寸,对应单一通道粒子数量占比超过40%,反演后测量效果得到有效提升。为了更好地评价粒径反演算法反演结果的优劣,按照标准的粒径谱仪校准规范[23],定义粒径分布误差ε如下:
$ \varepsilon=\frac{\left|\bar{D}-D_{\mathrm{s}}\right|}{D_{\mathrm{s}}} \times 100 \% $
(3) 式中: D为雾滴谱仪3次测量结果的平均值; Ds为标准粒子的粒径标准值。分布误差越小,说明粒度测量的精度越高。以直方图分布重心为测量值,分别取3组测量数据的原始测量平均值$ \overline{D_0}$,以及经过LMS反演后的测量平均值$ \overline{D_i}$,分别进行原始分布误差ε0和反演后分布误差εi的计算,结果如表 1所示。
表 1 标准粒子原始测量数据分布误差和LMS算法反演后分布误差
Table 1. Distribution errors of standard parficle of original measurement data and after LMS algorithm inversion
glass size/μm Ds/μm D0/μm Di/μm ε0/% εi/% 10 8 7.87 8.02 5.50 0.36 20 16 16.48 16.07 3.06 0.45 30 24 25.55 23.86 6.47 0.85 40 32 30.84 31.79 3.60 0.62 可见,原始测量数据存在较大分布误差,经过LMS算法反演后的分布误差有效降低,可以准确区分每个测量尺寸通道的粒子,粒径测量准确率得到有效提高,尺寸区分精度可以达到1 μm。因实验标准粒子产品有限,无法对每个通道、每个尺寸的标准粒子进行一一测量实验,但LMS算法反演后的分布误差极低,若雾滴谱仪的每个测量通道均有相应的标准粒子进行测试,实测效果预计可以接近仿真结果。
此外,雾滴谱仪的使用场景通常伴随复杂的粒子环境,因此设计将标准粒子混合来模拟复杂粒子环境,以此检验LMS算法的反演效果。多种标准粒子混合后的测量和反演结果如图 8和图 9所示。图 8为10 μm和20 μm标准粒子按照3 ∶1的比例混合后测量结果和反演结果,图 8a为测量输出,图 8b为反演结果。图 9为10 μm、20 μm和40 μm 3种标准粒子按照3 ∶1 ∶1的比例混合后测量结果和反演结果,图 9a为测量输出,图 9b为反演结果。由图 8和图 9可知,LMS算法对粒径分布进行反演有效减小了粒子分布宽度,反演后可明显地将各种粒子区分开。对直方图按照标准粒子比例对通道进行3段分段并计算分布重心,测得3种粒子的分布误差较低,且计数的粒子比例符合测量样本比例,说明LMS算法对于粒径的反演有效减小粒子分布宽度,提升粒径测量分辨率。
雾滴谱仪的标准粒子计数校准测量与反演
Calibration measurement and inversion of standard particle count for droplet spectrometer
-
摘要: 为了提高国产雾滴谱仪的雾滴粒子粒径测量准确性, 采用标准粒子进行雾滴谱的散射响应测试, 并用最小均方算法对实际测量的雾滴谱的散射响应信号进行了反演, 通过理论分析与实验验证, 取得了最小均方算法在不同标准粒子响应信号下的粒径反演数据。结果表明, 最小均方算法对标准粒子分布的反演能够减小粒径的分布误差, 使不同尺寸的粒子得到准确区分, 尺寸区分精度可以达到1 μm。该研究为雾滴谱仪的精度提升提供了参考。Abstract: In order to improve the measurement accuracy of droplet particle size of domestic droplet spectrometer, standard particles were used to test the scattering response of the droplet spectrum, and the least mean square algorithm was used to invert the scattering response signal of the actually measured droplet spectrum. Through theoretical analysis and experimental verification, the particle size inversion data of the least mean square algorithm under different standard particle response signals were obtained. The results show that the inversion of standard particle distribution by the least mean square algorithm can reduce the distribution error of particle size so that the particles of different sizes can be accurately distinguished. The size distinction accuracy can reach 1 μm. This study provides a reference for improving the accuracy of the droplet spectrometer.
-
表 1 标准粒子原始测量数据分布误差和LMS算法反演后分布误差
Table 1. Distribution errors of standard parficle of original measurement data and after LMS algorithm inversion
glass size/μm Ds/μm D0/μm Di/μm ε0/% εi/% 10 8 7.87 8.02 5.50 0.36 20 16 16.48 16.07 3.06 0.45 30 24 25.55 23.86 6.47 0.85 40 32 30.84 31.79 3.60 0.62 -
[1] PRUPPACHER H, KLETT J. Microphysics of clouds and precipitation[M]. Dordrecht, Holland: Kluwer Academic Publishers, 1997: 45-56. [2] GUNN R, PHILIPS B B. A experimental investigation of the effect of air pollution on the initiation of rain[J]. Meteorol, 1957, 14: 272-280. doi: 10.1175/1520-0469(1957)014<0272:AEIOTE>2.0.CO;2 [3] STEVENS B, FEINGOLD G. Untangling aerosol effects on clouds and precipitation in a buffered system[J]. Nature, 2009, 461(7264): 607-613. doi: 10.1038/nature08281 [4] BAUMGARDNER D. An analysis and comparison of five water droplet measuring instruments[J]. Journal of Applied Meteorology, 1983, 22: 891-910. [5] BAUMGARDNER D, GAYET J F, GERBER H, et al. Clouds and frog: Measurement techniques in situ[C]//Elsevier Reference Collection in Earth Systems and Environmental Sciences: Encyclopedia of Atmospheric Sciences. Amsterdam, Holland: Elsevier, 2015: 170-179. [6] MILES N L, VERLINDE J, CLOTHIAUX E E. Cloud droplet size distributions in low-level stratiform clouds[J]. Journal of the Atmospheric Sciences, 2000, 57(2): 295-311. doi: 10.1175/1520-0469(2000)057<0295:CDSDIL>2.0.CO;2 [7] PINNICK R, AUVERMANN H. Response characteristics of Knollenberg light-scattering aerosol counters[J]. Journal of Aerosol Science, 1979, 10(1): 55-74. doi: 10.1016/0021-8502(79)90136-8 [8] BAUMGARDNER D, BRENGUIER J L, BUCHOLTZ A. Airborne instruments to measure atmospheric aerosol particles, clouds and radiation[J]. Atmospheric Research, 2011, 102(1/2): 10-29. [9] MCFARQUHAR G M, FREER M, BAUMGARDNER D, et al. Importance of small ice crystals to cirrus properties: Observations from the tropical warm pool international cloud experiment (TWP-ICE)[J]. Geophysical Research Letters, 2007, 34(13): 13803. [10] BURKARD R, EUGSTER W, WRZESINSKY T, et al. Vertical divergence of fogwater fluxes above a spruce forest[J]. Atmospheric Research, 2002, 64(1/4): 133-145. [11] 赵家丰, 聂万胜, 林伟, 等. 喷雾场内液滴粒径光学测试技术进展[J]. 激光技术, 2019, 43(5): 702-707. ZHAO J F, NIE W Sh, LIN W, et al. Research progress of optical measurement of particle size in spray[J]. Laser Technology, 2019, 43(5): 702-707(in Chinese). [12] SPIEGEL J K, ZIEGER P, BUKOWIECKI N, et al. Evaluating the capabilities and uncertainties of droplet measurements for the fog droplet spectrometer (FM-100)[J]. Atmospheric Measurement Techniques, 2012, 5(9): 2237-2260. doi: 10.5194/amt-5-2237-2012 [13] JEAN F G. Quantitative measurement of the microphysical and optical properties of cirrus clouds with four different in situ probes: Evidence of small ice crystals[J]. Geophysical Research Letters, 2002, 29(24): 1-4. [14] FUGAL J P, SHAW R A. Cloud particle size distributions measured with an airborne digital in-line holographic instrument[J]. Atmospheric Measurement Techniques, 2009, 2(2): 259-271. [15] 史晓丁, 冯力天, 刘英, 等. 激光云粒子成像探测仪研制[J]. 激光技术, 2023, 47(1): 67-72. SHI X D, FENG L T, LIU Y, et al. Laser cloud particle imaging probe[J]. Laser Technology, 2023, 47(1): 67-72. [16] 张艳春, 刘缠牢, 赵丁. 基于米氏散射理论的粒度测试算法研究[J]. 国外电子测量技术, 2009, 28(11): 24-25. ZHANG Y Ch, LIU Ch L, ZHAO D. Research of granulometric analysis algorithm based on mie scatter theory[J]. Foreign Electronic Measurement Technology, 2009, 28(11): 24-25(in Chinese). [17] HONG T. Retrieval of spherical particle size distribution with an improved tikhonov iteration method[J]. Thermal Science, 2012, 16(5): 1400-1404. doi: 10.2298/TSCI1205400T [18] ADRIAN W, DANIEL S, JOSEF G, et al. On the parametrization of optical particle counter response including instrument-induced broadening of size spectra and a self-consistent evaluation of calibration measurements[J]. Atmospheric Measurement Techniques, 2017, 10(11): 4341-4361. doi: 10.5194/amt-10-4341-2017 [19] ROSENBERG P, DEAN A, WILLIAMS P, et al. Particle sizing calibration with refractive index correction for light scattering optical particle counters and impacts upon PCASP and CDP data collected during the Fennec campaign[J]. Atmospheric Measurement Techniques, 2012, 5(5): 1147-1163. doi: 10.5194/amt-5-1147-2012 [20] TATSUO I, HIDETO Y. Investigation of low-angle laser light scattering patterns using the modified Twomey iterative method for particle sizing[J]. Review of Scientific Instruments, 2011, 82(1): 015111. doi: 10.1063/1.3520136 [21] 史晓丁, 伍波, 樊冬. 基于前向Mie散射的激光雾滴谱仪[J]. 激光杂志, 2020, 41(4): 116-119. SHI X D, WU B, FAN D. Laser fog droplet spectrometer based on forward Mie scattering[J]. Laser Journal, 2020, 41(4): 116-119. [22] 张艳春. 激光粒度测试算法研究[D]. 西安: 西安工业大学, 2011: 14-66. ZHANG Y Ch. Study of laser granulometric analysis algorithm[D]. Xi'an: Xi'an Technological University, 2011: 14-66(in Chinese). [23] 刘志军, 王智超, 王君山. SMPS-3936气溶胶粒径谱仪测试原理及其性能评定[J]. 中国粉体技术, 2008, 14(2): 32-35. LIU Zh J, WANG Zh Ch, WANG J Sh. Discussion on principle and performance of model 3936 scan mobility paticle sizer[J]. China Powder Science and Technology, 2008, 14(2): 32-35(in Chin-ese).