激光粒度测量（精选六篇）
激光粒度测量 篇1
在消防、冶金、燃烧、粉体加工、航空航天等许多领域,需要对喷雾液滴或粉体颗粒进行测量[1,2]。激光粒度仪因其具有非接触性、不破坏样品场分布的特性,成为测量喷雾或粉体粒径的理想仪器。一般来说,粉体或液雾样品场覆盖的范围大,有的甚至覆盖直径达6m以上。如果样品到透镜的轴向距离比较大,由于激光粒度仪的透镜口径有限会产生渐晕现象[3],使测量结果偏离实际值。由于激光粒度仪工作在前向小角度时,探测器一般是按等比半径连续分段的,测量的粒径也是连续分布,所以在焦平面上探测的衍射光能是一条光滑曲线,具有一定的规律性,而发生渐晕的探测环上光能分布不再满足与其它探测环相同的规律。为此,可以通过一定的方法判断并修正发生渐晕的探测信号。
灰色系统理论是一种研究少数据、信息不确定性问题的方法。以“部分信息已知,部分信息未知”的“小样本”、“贫信息”的不确定性系统为研究对象,主要通过对“部分”已知信息的生成、开发,提取有价值的信息,实现对系统运行行为、演化规律的正确描述和有效监控[4]。在激光粒度仪数据处理中,用灰色系统理论对衍射光能数据进行级比检验,找到渐晕点发生的位置,通过使用灰色系统预测模型GM(1,1)[4]对渐晕点后的数据进行灰预测,可以修正渐晕影响。
2 原理
2.1 粒径测量中存在的问题
激光粒度仪通过在焦平面上接收颗粒的衍射光能信号并经过适当的数据处理方法来测量粒径[5]。当被测量颗粒与透镜的轴向距离较远时,由于透镜孔径的有限,必然会造成渐晕现象。如图1所示,探测器位于焦距为f的透镜后焦面上,颗粒与透镜的轴向距离为L,透镜直径为Da,入射平行光直径为Db,探测器最外环半径为Sa,探测器能接收到的最大衍射角为θ1,透镜能接收的最大衍射角为θ2,当θ2≤θ1时不影响光能的接收,即不会发生渐晕,此时应该满足以下关系。
图2是将某粒子板置于激光粒度仪透镜前200～2 000 mm的不同位置时探测到的光能信号。所使用的激光粒度仪参数为Da=63 mm,Db=12 mm,f=300 mm,Sa=15.25 mm,探测器共32环。由式(1)可得不发生渐晕的条件须满足L≤500 mm。从图2可以看出,从某个探测环开始信号突然减小,这种信号突然减小的情况随L增大越来越靠近半径较小的探测环,说明渐晕现象随L增大而加剧。比如当L=2 000 mm时,第19环以后探测到的光能便迅速减小,在第23环以后探测信号基本为0。显然,由于探测信号的不准确,直接使用有渐晕影响的衍射信号进行计算会带来误差。
2.2 灰预测方法修正渐晕的原理
灰色系统预测的基本原理是通过GM(1,1)建模序列建立GM(1,1)模型,通过所建模型进行预测。灰预测一般分为级比检验和建模可行性判断、数据变换处理、GM(1,1)建模、检验和预测等步骤[4,6]。
在前向小角度范围内,激光粒度仪的探测器一般是按等比半径连续分段的,即每个探测器覆盖的衍射角按等比递增。根据夫朗和费原理计算可知,未发生渐晕时,探测器阵列探测到的光能信号序列是一条离散的光滑曲线,满足灰色系统建模的要求。
应用灰色系统理论修正激光粒度测量的渐晕影响时,首先要判断渐晕点的位置,然后建立模型进行分析和预测。建模中,设实际衍射光能信号序列为x(0)(m),m=1,2,…,32。
2.2.1 级比检验和建模可行性判断
级比的计算公式为
其中σ(k)为级比,级比满足覆盖的序列可作为GM(1,1)建模的序列,其中n为建模序列中的元素总个数。
2.2.2 渐晕点判断及数据变换处理
设序列x(0)(m)的最大值为x(0)(J)。在激光粒度测量中,位于x(0)(J)两侧的级比是不同的,而且在可操作的测量距离内,渐晕一般发生在第J环以外的探测环上。为简化建模过程,可从x(0)(J)开始进行级比检验,当第K+1环以后级比明显发生变化时则K+1环即为开始发生渐晕的探测环,此时GM(1,1)建模序列为
其中K≤32。在求解x(0)(J)时,为了降低噪声的影响,首先采用三点数值微分公式[7]得到x(0)(m)的微分值为(x(0)(m+1)-x(0)(m-1))/2,(m=2,…,31),当序列x(0)(m)的微分值由正变负且绝对值最小时,此环上的信号为最大值x(0)(J)。
对于序列(4),如果级比不在可容覆盖中,须作数据变换处理,通常采用方根变换、对数变换或平移变换等,使变换后级比落在式(3)范围内。
2.2.3 GM(1,1)建模
由序列(4)做累加,得到一次累加生成序列
及GM(1,1)模型的灰微分方程
其中a为发展系数,b为灰作用量,z(1)(k)为x(1)(k)的均值序列,即
由最小二乘法辨识得到a和b,代入白化响应式
并经累减还原计算,可得到序列(4)的拟合值,可用来进行检验。
2.2.4 检验
为保证预测效果的可靠性,需要根据计算得到的模型值进行残差检验和级比偏差值检验,其中残差为
级比偏差为
当平均残差和平均级比偏差均小于10%时,所建模型具有较高的精度。
2.2.5 预测
本文的主要目的是通过没有渐晕的光能信号序列(4)预测得到发生渐晕的信号值(k+)1(k≥K),从而达到修正信号的目的。
根据式(8),当k≥K时可得到发生渐晕时的预测信号(k+)1,经累减还原得(k+1)。
3 实验及分析
对图2的实测光能数据应用灰色系统理论建模并进行预测,得到修正后的数据如图3所示。表1是建模和预测序列及变量a、b的值。
图4、5分别是对图2、图3的数据采用无模式计算后得到的粒径分布。
表2是将粒子板等间隔分别置于透镜前100～2 000 mm的20个不同位置测量,用GM(1,1)模型得到预测值后用改进共轭梯度法[8]的无模式算法计算,得到的结果平均值和变异系数(COV),图6、7是测量结果的相对偏差分布。由于该粒子板实际上符合Rosin-Rammler(RR)分布[9],故在图6、7中取L=100～500 mm时,即没有发生渐晕时的5次测量值,采用RR模式计算[3]得到的参数平均值作为参照值,将无模式计算结果与之比较,得到相对偏差分布。表2中D50、D10、D90分别表示累计体积含量为50%、10%、90%时的粒径,SMD为索太尔平均直径,VMD为体积矩平均直径[9]。
由图3可见,经灰预测后,光能信号序列得到了很好的修正,表现为L不同时的光能信号曲线基本重合。同时,从表1的数据可以发现,预测序列一般比根据式(1)计算的渐晕环数多出几环,这与样品摆放位置不在光轴中心或偏离光轴一定角度造成渐晕加剧等因素有关。
图4中,对于原始的测量数据,当L值增大时,计算得到的粒度分布变窄,分布曲线形状也有很大差别;图5中,经灰预测后的数据经无模式计算得到的粒度分布形状基本一致且位置基本重合,不存在分布变窄的现象。
表2中数据可见,对于实际测量的信号,计算结果D50和D90变异系数分别为2.56%和3.79%,重复性精度较好,但D10、SMD、VMD变异系数较大,尤其是D10的变异系数达到13.64%。从图2可见,造成这种误差的原因主要是因渐晕使半径较大的探测环上,即代表小粒径方向的信号减小所致。在GM(1,1)模型预测后的数据处理结果中,代表粒径平均值的参数D50、SMD、VMD均小于3%,而代表粒径分布范围的参数D10和D90均达到4%以内,说明这些粒径分布参数均具有较好的重复性精度。同时,比较两种情况下的数据处理结果,D90的差别不大,这是因为采用GM(1,1)模型预测,没有改变未发生渐晕的内环光能信号,而这些信号是大粒径的有效信号。
图6数据说明,使用实测光能信号计算粒径分布时,随着L的增大,D50和D90与参照值的相对误差变化很小,而D10、SMD、VMD的相对误差逐渐增大,在L=2 000 mm时D10、SMD、VMD分别达到10%、20%和45%左右,已经不能满足实际测量需要。这些参量都是向数值增大的方向发展,与上面分析中渐晕损失小粒径信息是一致的。
从图7中可以看出,经灰预测修正后,粒径参数与参照值的误差都明显减小,D50、SMD、VMD的相对误差均小于3%,D10和D90均小于6%,具有较好的准确度。
4 结论
在激光粒度测量中,当样品距离透镜的轴向距离较远时会产生渐晕现象,影响测量的精度和准确度,并且渐晕越严重则测量结果越向大粒径方向偏离。通过应用灰色系统理论对渐晕点进行判断并使用GM(1,1)模型建模,经灰预测可以有效地修正渐晕影响。在激光粒度测量中,采用这种方法可以扩大可测样品区的覆盖范围,提高精度和准确度。
参考文献
[1]Berrocal Edouard,Churmakov Dmitry Y,Romanov Vadim P,et al.Crossed source–detector geometry for a novel spray diagnostic:Monte Carlo simulation and analytical results[J].Appl.Opt,2005,44(13):2519-2529.
[2]Zhenhua Ma,Henk G Merkus,Jan G A E de Smet,et al.New developments in particle characterization by laser diffraction:size and shape[J].Powder Technology,2000,111:66-78.
[3]王乃宁.颗粒粒径的光学测量技术及应用[M].北京:原子能出版社,2000.WANG Nai-ning.Optical Technology and Application in Particle Size Measurement[M].Beijing:Atomic Energy Press,2000.
[4]刘思峰,党耀国,方志耕,等.灰色系统理论及其应用[M].北京:科学出版社,2005.LIU Si-feng,DANG Yao-guo,FANG Zhi-geng,et al.Grey System Theory and Applications[M].Beijing:Science Press,2005.
[5]XU Ren-liang.Particle Characterization:Light Scattering Methods[M].New York:Kluwer Academic Publishers,2002.
[6]邓聚龙.灰预测与灰决策[M].武汉:华中科技大学出版社,2002.DENG Ju-long.Grey Prediction and Grey Decision[M].Wuhan:Huazhong University of Science and Technology Press,2002.
[7]增绍标,熊洪允,毛云英.应用数学基础(下册)[M].天津:天津大学出版社,2003.ZENG Shao-biao,XIONG Hong-yun,MAO Yun-ying.Applied Mathematics for Engineering and Science[M].Tianjin:Tianjin University Press,2003.
[8]GE Bao-zhen,WEI Yong-jie,LQie-ni.Inversion of particle size distribution with improved conjugate gradient algorithm[J].Opt.Eng,2007,46(5):054302-1-5.
激光粒度测量 篇2
1 环境要求
1) 仪器应放置在平整且无振动的操作台上。
2) 室内灰尘较少, 保持稳定的温、湿度。
2 仪器操作
1) 测量的样品每次加入量要一定, 一般在1g左右。通过调节样品盘进样口的两片金属片, 调节进样口大小, 控制样品进样量。样品加入量不同, 测量结果会有很大的差异。
2) 样品放样位置要靠近进样口。
3) 测量前首先要检查背景。要获得一个成功的测量结果, 首先必须保证一个稳定的测量背景。
(1) 好的背景图柱状变化趋势是依次递减的 (见图1) , 通常第一条柱 (最大高度柱状条) 高度不超过150。
(2) 差的背景图柱状在20~30检测器之间存在一个信号峰 (见图2) , 通常意味着样品池窗口上存在灰尘附着, 需对窗口进行清洁后, 再观察背景情况。
(3) 背景图上柱状波动过大、不稳定 (见图3) , 通常意味着分散介质中存在气泡或者杂质微粒。
4) 进样器清洁
(1) 每次测量结束, 打开干法进样器的盖子, 然后把样品盘中的残留样品用刷子刷干净。
(2) 在进样器附件中调节气压及振动速度至最大, 点击进样, 通过气流来清洁样品池内部。
3 仪器维护
1) 镜片清洁。对着元件表面呵气使之潮湿, 采用质量良好的镜头纸, 一次性轻轻擦拭, 擦拭时不要将手指放在镜面上, 不能用力按住镜面擦拭, 或来回擦拭, 以免产生划痕。
2) 定期清理吸尘器过滤网。
3) 定期测量QAS3002标样, 测量结果是否在标准值范围内, 检查仪器状态是否良好。
4 常见故障
1) 干法真空失败, 这是最常见的故障之一。
解决方法:
(1) 吸尘器问题。吸尘器吸力不够或电动机不工作时, 清洁或更换吸尘器滤网。
(2) 漏气现象。检查吸尘器与样品池连接有无漏气现象, 样品池真空检测管与进样器真空检测端口间的连接管路有无漏气现象。
2) 对光失败。主要是因为检测器检测信号超出仪器允许阈值, 这种故障一般不会出现。造成的原因可能有:镜片脏, 有样品颗粒残留或划痕;镜片装得过紧或过松, 镜片不平衡等。
解决方法:重新装好镜片。
激光粒度测量 篇3
目前全国所有的大陆省市几乎都开展了人工影响天气作业,各级政府都把人工影响天气作业支出纳入财政预算,社会各界都非常认可人工影响天气作业的效果和作用。其中人工增雨作业在全国各省市运用的最普及最广泛,人工增雨作业效果是指云体经过人工催化后所发生的变化,一是人工增雨作业后云内微物理过程和云中宏观、微观物理量发生的变化;二是人工增雨作业前后降水发生的变化。这两种催化效果中人们往往更关心后者,即催化到底有没有增加地面降水量,于是就需要对人工影响天气作业进行效果检验。但目前效果检验仍然是一个难题。
降水粒子是云内动力过程和微物理过程的综合结果,在云降水物理研究,特别是人工影响天气领域有着重要的意义。降水量测量历史悠久,雨滴谱研究也由来已久。Marshall and Palmer(1948)提出了降水粒子谱分布,Gunn and Kinzer(1949)得到了降水粒子速度谱分布,Knollenberg(1970)研制了光学阵列探头(OAP),用于测量单个雨滴粒子尺度,但Illingsworth and Stevens(1987)认为,用OAP测量速度不够理想。而Parsivel激光降水粒子谱测量系统可以较好的完成自动监测,并能把恶劣天气对仪器的影响降到很低,在云降水物理及人工影响天气领域内有着重要的意义。
1 Parsivel激光粒度气象仪介绍
1.1 仪器概述
激光粒度气象仪(Parsivel)(Parsivel激光粒度气象仪设备外观图如图一所示)是一种现代化的以激光为基础的光学测量系统。降水测量是通过一个专门设计的特殊的传感元件完成的,它可以检测肉眼可见的地水准平面一米以上的降水(其它的高度也有,可根据您的要求选择)。数据获取和存储是通过一个快速的数字化信号处理器完成的。
激光气象粒度仪以激光测量为基础,测量的基本参数为粒径和速度,采用平行激光束和光电管阵列结合,当有降水粒子穿越采样空间时,自动记录遮挡物的宽度,通过穿越时间计算降水粒子的尺度和速度。由此推导出从静风到飓风所有风速下粒径分布、降水量、能见度、雷达反射率、降水动能和降水类型,测量结果通过串行接口(一般为com1端口)传输到数据记录仪或计算机中,准确、全面地记录和分析降水类型、降水量以及降水分布。仪器启动和运行成本都很低,可以作为独立系统连续运行,也可以作为无人值守气象站的一部分。
1.2 工作原理
Parsivel使用激光光束进行降水测量,传感器的变送器单元可以产生一束水平光,接收器单元可以将这束水平光转换成电子信号。在测量区域内(48平方厘米)的任意位置,当空气颗粒物降落穿过激光光束时,信号发生变化。亮度变暗程度是反映了空气颗粒物的粒径大小,信号的持续时间推导出空气颗粒物的下降速度(Parsivel激光粒度气象仪激光测量原理模拟图如图二所示)。
1.3 仪器功能优点
激光粒度气象仪Parsivel可以测量各种类型的降水,其组成粒径分布可直接通过测量每种粒子的粒径和速度获得。目前的天气和降水类型(雨、小雨、雪、冰雹和雨夹雪)可以根据WMO建立的天气代码进行区分,无人看守的气象站是通过自动监测来收集数据的,它的数据可靠、准确。无论在何种天气状况下,Parsivel会把恶劣天气如冰冻天气对仪器表面的负面影响降到最低,同时它还可以确定空气颗粒度的类型、数量和组成,也可以确定大气的能见度。相对于传统的试纸法和电子测雨仪,激光粒度气象仪Parsivel有更多优点。
2 Parsivel激光粒度气象仪工作流程
2.1 数据传输
激光粒度气象仪资料获取的流程为:激光粒度气象仪探头→采集点→自身设备与计算机处理→显示处理结果→输出实时观测与处理结果(包括图形、表格等)→通过气象通信网络传输→人影指挥中心计算机→显示远程传输结果。
中心站计算机和本地计算机对话的方式暂时采用远程管理软件Ultra VNC,两台计算机上同时运行该软件,以便中心站计算机实时监控远程计算机上运行的Parsivel软件是否运行正常(Parsivel激光粒度气象仪通信网络结构示意图如图三所示)。
2.2 软件概述
软件由三大模块组成,即软件实时监控模块、软件资料回放模块、软件参数设置模块。
(1)实时监控模块即软件处于Online状态下,根据选择的时间间隔和串行端口实时获取激光雨滴谱仪探头监测的天气状况,监测结果包括天气状况和降水强度、自上次断电后降水累积、天气代码、雷达反射率、能见度、时间间隔、降水粒子个数、探头的温度、防止探头结冰的加热电流、直流电压、探头灰尘状况等参数,并以图表形式显示实时监测结果(Parsivel激光粒度气象仪软件实时监控模块显示界面图如图四所示)。
(2)资料回放模块即软件处于Offline状态下,通过设置想要回放的时间段或时间点,可实现历史记录的回放(Parsivel激光粒度气象仪软件资料回放模块显示界面图如图五所示)。
(3)软件参数设置模块一定要处于Offline状态下才能生效,Configuration选项中包括探头的硬件设置,“assign”改变探头的硬件参数;“read”读取探头的硬件参数;“write”写入探头的硬件参数并保存。探头是否有灰尘、是否有雪淞、结冰都可以通过参数了解。另外,通过Options选项可对文本资料的格式进行设定,文件默认扩展名为.mis,其中“path和filename”可对路径和文件名进行选择,“overwrite existing files”为覆盖先前生成的文本文件,建议不要选择(Parsivel激光粒度气象仪软件参数设置模块显示界面图如图六所示)。
3 Parsivel激光粒度气象仪在人工影响天气作业中的应用
人工影响天气作业的效果检验一直是一个难题,作业效果的检验可分为统计检验和物理检验。统计检验要依赖大量的历史资料,且检验结果的显著度要求较高,往往难以保证。物理检验的概念清楚,可以从物理机制上回答发生增雨效果的原因,但对积云进行微物理探测难度很大,难以发展为常规化、业务化的效果检验手段。这些方法不是直接测量定量化困难,就是成本昂贵,在人工影响天气作业中的应用都不如使用Parsivel激光粒度气象仪效果好。下面介绍Parsivel激光粒度气象仪在江西省人工影响天气作业的应用。
江西省人工影响天气办公室引进了3部德国OTT公司的Parsivel激光降水粒子谱测量系统,分别布设在庐山气象局、吉安县气象局、鹰潭市气象局,并进行了单机联网观测测试,通过全省气象局域网将3台OTT Parsivel激光粒度气象仪获取的原始数据资料按规定时间传输到省人影指挥中心。省人影指挥中心主机通过监控软件,可实时监控3台OTT Parsivel激光粒度气象仪的运行情况,以数字和图形(平面、立体)显示瞬时(时间可自动设置)降水强度、降水粒子总数、累积降水量、降水时的能见度和雷达反射率因子,实现天气现象的自动识别和图形回放。利用Parsivel激光粒度气象仪成规模性地对大气降水粒子大小和粒子速度进行组网监控,在我国尚属首次。同时,省人影办可根据Parsivel激光粒度气象仪提供的数据在进行数据分析后对人工增雨效果进行检验,为今后开展高效率人工增雨作业提供科学依据。
江西省的这3台Parsivel激光粒度气象仪在云降水物理及人工影响天气领域有着重要的意义,主要是用来人工增雨效果检验:(1)了解云降水结构,在效果检验上可以根据云粒子和降水粒子大小、不同天气形势、不同时间、不同地点选取Parsivel激光粒度气象仪提供的资料,进行不同方向的研究分析。(2)在人工影响天气作业之后评估有没有增加降水,Parsivel激光粒度气象仪除了用于Z/R关系拟合修正外,还可通过对降水粒子垂直降落速度的测量,实现对多普勒天气雷达测量的垂直速度进行校正。此外,由于自然降水粒子谱分布形式与人工催化以后的降水粒子谱型理论上具有较大的差别,人工增雨作业后降水滴谱变化物理响应和降水强度时间变化响应都有明显的区别,通过对自然降水粒子谱型与人工催化后降水粒子谱型的分布与强度观测,对自然云状态下的参量变化和人工影响之后的参量进行比较可以判断人工催化前后的有效性,定量化评估人工增雨作业效果。利用地面雨滴谱的连续观测资料,可以分析降水特征和降水的形成机制,对于人工增雨的效果检验工作,雨滴谱资料的分析研究也具有重要的参考价值。Parsivel激光粒度气象仪能及时有效地监控江西南、中、北部大气降水粒子的大小和粒子速度的实时变化状况,为江西省人工增雨作业和效果检验提供有力地科学依据和真实数据。
冰雹是我省严重的自然灾害之一,人工防雹是目前雹灾最好的防治方法。但是,如何检验作业效果仍是我省人工防雹工作中急需解决的一项课题。建立科学客观的防雹效果检验方法,对提高我省防雹作业水平,验证和改进防雹作业方法尤其重要。人工防雹效果和人工降水效果的检验方法相似,只因降雹的时间和空间的变率更大,所以检验时困难更多,可靠性也更低。在人工防雹作业效果检验方面,Parsivel降水粒子谱仪能够记录降雹的最大尺度、持续时间、雹谱形式的变化及降雹能量计算。江西省每年的防雹时间是在春季,在人工抑制冰雹作业中Parsivel激光粒度气象仪对降雹谱变化、降水、降雹的区分和时间分布及能量计算,无论是效果检验还是雹灾损失估算都具有很高的利用价值。
4 结束语
目前,本系统已经成功在江西省3个地区气象局的人工影响天气作业中业务化稳定运行了近2年,在设备正常运行情况下可以准确的将观测项目数据从观测仪器传送到计算机中,实现观测业务数据的采集与数据处理入库。当然仪器在使用过程中也存在一些问题:Parsivel激光粒度气象仪为达到最佳使用效果安装时最好不要受其它观测仪器的影响和当地盛行风向的影响,但由于设备一般是放置在户外的观测场,为提高其使用精确度,室内和室外设备一般由通讯电缆和供电电缆连接,需要传镀锌管,两端接地,防止雷击。探头底座需要密封,防止雨水淋湿而老化,交流和直流转换盒的三相插座和通讯数据R485转R232的插座需要用专用的插座板。相信只要我们对它进行合理使用,Parsivel激光粒度气象仪在今后我国的人工影响天气作业中将发挥其更大的效益。
摘要：激光粒度气象仪(Parsivel)是一种现代化的以激光为基础的光学测量系统。本文简要介绍了激光气象粒度仪(Parsivel)的仪器功能,数据传输以及软件功能模块;并借助激光气象粒度仪(Parsivel)在江西省人工增雨和人工防雹中成功应用的范例,探讨了激光粒度气象仪(Parsivel)在人工影响天气作业中的重要意义。
关键词：Parsivel,人工影响天气,人工增雨,人工防雹,效果检验
参考文献
[1]叶家东,范蓓芬.人工影响天气的统计数学方法[M].北京:科学出版社,1982:264-336.
[2]濮江平,赵国强,蔡定军.Parsivel激光降水粒子谱仪及其在气象领域的应用[J].气象与环境科学,2007,30(2):3-8.
[3]Marshall J S,Palmer W M.The distribution of raindrops with size[J].Meteor,1948,(5):165-166.
[4]Gunn R,Kinzer G D.The terminal velocity of fall for water drop lets in stagnant air[J].Meteor,1949,(6):243-248.
[5]Knollenberg R G.The optical array:An al-ternative to scattering and extinction for airborne particle size determination[J].App i Met,1970,(9):86-103.
激光粒度测量 篇4
关键词：多粒度栅格地图,拓扑地图,自动生成
1 一种多粒度栅格地图的创建
1.1 多属性地图的定义
创建栅格地图之前, 必须首先给出栅格的定义, 即单个栅格的表示或数据存储结构。本文用三个字节来表达栅格中的状态与属性信息。
一个占用栅格通过栅格状态及道路属性、栅格标志位属性和栅格交通标识属性等三个字节进行表达。栅格状态及道路属性字节, 是指栅格状态值 (即表示栅格是否被占用) 、障碍物及其类型、车道线及其类型以及停止线等。栅格标志位属性字节, 是指标志位, 即该栅格是否为马路牙子、护栏、匝道、非结构化区域和地面箭头等。栅格交通标识字节, 是指交通灯的类型和交通标志牌的类型。
1.2 栅格地图的多粒度表达
作为模糊粒度计算的起步, 张钹等人提出了模糊商空间理论。所得到的主要结果有:证明了利用模糊等价关系可以将原来的商空间理论推广成模糊商空间理论, 并给出了几个基本的定理。在这里我们将模糊粒度计算的概念应用到栅格地图当中。我们创建出来的基本占用栅格地图是细粒度地图, 但是无人驾驶汽车的自主决策, 通常需要多层次、多粒度的环境信息。此时需要生成一个具有不同分辨率的粗粒度地图。
算法1.1:
(1) 基于激光雷达点云数据生成一个M×N二维细粒度栅格地图。
(2) 确定粒度大小n, 即一个粗粒度栅格由多少个细粒度栅格组成。
(3) 定义Ai, j=fun (X) 为从细粒度地图到粗粒度地图的映射函数。其中X为n×n的小栅格的状态属性矩阵, Ai, j是处在第i行, 第j列的粗粒度栅格的状态属性值。映射函数可以根据所需要提取的宏观信息进行调整。在本文的实现中, 映射函数是通过统计大栅格里被占用栅格的个数来确定大栅格是否被占用。
(4) 基于映射函数返回的状态属性矩阵A生成粗粒度地图。
2 基于栅格地图的拓扑地图自动生成方法
拓扑地图是由多个顺序连接的点边组成。创建拓扑地图, 首先是要确定组成拓扑地图的拓扑点集, 其次要确定这些拓扑点集的顺序。有了拓扑点集和顺序之后, 只要将各点按照原先的顺序以边的形式连接起来就可以生成拓扑地图了。
本文的拓扑点都是选自汽车行驶的实际轨迹。拓扑点取自轨迹点集有两个好处:一个是该点的定位非常精确, 肯定是道路上可行驶的点, 不会出现严重偏离车道的情况, 因此该点实际就是定义车道的路点。其次轨迹点本身就有顺序, 我们就不需要考虑怎么确定各点之间的连接顺序。
由于拓扑地图的提取目标是给出行驶环境的宏观信息, 因此这些拓扑点必须具有代表性。对于一个直道, 只需要在直道的两端各返回一个路点即可。而对于弯道, 路口, U型掉头和环岛等情况, 则需要加入多个路点才能表示出其复杂的结构信息, 如图1所示。
算法2.1:
(1) 将行驶轨迹经过的栅格标记到多属性栅格地图中, 作为提取路点的候选拓扑点集。
(2) 对栅格地图进行粗粒度化处理, 并在粗粒度地图中保留斑马线属性以及标记为轨迹的栅格。
(3) 取处在有斑马线属性的轨迹栅格中间的栅格为该斑马线的路点。
(4) 计算每个轨迹栅格的航向角变化率Ψ, 若Ψ大于阈值α且小于某阈值β, 则认为该点是弯道上的路点。
(5) 若航向角变化率Ψ大于β, 则认为该点是U型调头上的路点。
(6) 顺序连接以上提取到的路点, 进而生成拓扑地图。
在实际操作过程中, 有时我们需要在拓扑地图里面人为地插入一些路点, 并确保这些路点在车道范围之内。这就应该先识别车道, 再在车道水平上编辑路点。
在城市道路中, 车道是由车道线划分的。一般地, 一个车道可能在两个车道线的中间, 也可能是处在车道线和城市道路边缘之间。我们恰好可以利用车道的这一特点提取车道特征。具体的提取方法如下:
算法2.2:
(1) 我们由车体行驶方向的那条直线垂直的往两边用光栅跟踪算法扫描, 直到碰撞道路边缘为止。
(2) 再从道路边缘点往车体中行驶方向线垂直扫描, 直道碰撞车道线为止。
(3) 如果是双车道, 则扫描结束, 取所有扫描线的中心点的连线为车道的中心线, 如图2 (a) 所示。
(4) 如果是三车道或者是四车道, 则在原来扫到的车道线的基础上再往车道行驶方向线垂直扫描, 直道碰撞车道线为止。
(5) 取所有扫描线的中心线的连线为车道的中心线, 扫描结束。
3 实验结果
实验中采用了Velodyne公司生产的HDL-64E S2 64线激光雷达作为环境建模的测量设备, 该设备提供了混合地图创建所需的关键数据-三维激光点云。图1 (a) 为基于细粒度地图生成的粗粒度地图, 图1 (b) 为基于多属性地图生成的拓扑地图。
参考文献
[1]肖克来提, 邓志东.基于激光雷达的多属性栅格地图的创建[J].信息与电脑:理论版, 2016, (8) .
激光粒度测量 篇5
高炉喷煤制粉系统是高炉生产过程的关键工艺,有利于高炉以煤代焦、节约能源和降低成本[1]。其重要的工艺指标即煤粉粒度与后续工艺过程煤粉喷吹及高炉生产密切相关,直接制约着高炉喷煤的燃烧性能[2]。煤粉粒度对燃烧速度有很大影响,合适范围的煤粉粒度,有利于提高燃烧率,提高煤焦置换比[3,4]。因此,将煤粉粒度控制在最优范围内具有重要意义,这也是提高煤粉燃烧率、节能降耗的重要前提条件。
目前国内煤粉粒度检测主要采用人工化验,难以连续在线测量,且人工化验时间长,无法根据煤粉粒度的反馈实现对制粉生产过程控制变量的实时调整;而国外则早已广泛使用预测控制等先进控制策略[5,6]进行煤粉粒度的软测量。高炉喷煤制粉生产过程具有典型的非线性、多变量及工况时变等特性,煤粉粒度与其控制变量(中速磨进出口压力、中速磨出口温度、中速磨给煤量、中速磨碾压力、中速磨电动机电流、原煤可磨性、块粒大小、原煤湿度等)存在复杂非线性关系,其关系很难用精确的数学模型表示。为此,我们提出了基于案例推理(CBR)的煤粉粒度软测量方法,它不需要校正,模型运行过程中就可凭借很强的自学习能力在线更新模型,并且通过不断修改旧案例和增加新案例使模型精度不断提高。
1高炉制粉系统工艺简介
图1所示为典型的高炉制粉工艺流程,原煤仓内的原煤通过皮带给煤机可控地送入中速磨中研磨成煤粉,再由干燥气体将煤粉输送到收粉器中,煤粉经过滤收集后送入煤粉仓,输送并干燥煤粉的气体由排风机牵引。该生产过程主要是通过调节中速磨给煤量、中速磨进出口差压、中速磨出口温度、中速磨碾压力等控制变量实现煤粉粒度控制,以保证煤粉粒度在工艺要求的范围内。
2煤粉粒度软测量方法
CBR技术是人工智能领域新崛起的一个重要的基于知识的问题求解和学习方法[7],该方法把过去的成功经验转化为案例,然后通过案例的匹配,检索出与新问题相近的案例,再进行修正,以满足求解新问题的需要[5,8]。我们提出的基于CBR 技术的煤粉粒度软测量方法是:首先利用软测量模型读取当前运行的工况特征,根据工况特征在案例库中检索出相似案例,再根据相似度阈值进行匹配和重用,得到当前工况描述的案例解,即待估计的粒度软测量值;然后根据粒度实际测量值与软测量值的误差分析,对模型精度进行评价,达不到预期精度的进行案例修正,符合精度要求的则根据相应规则进行案例存储。基于CBR 技术的煤粉粒度软测量建模主要包括:案例构造、案例检索与匹配、案例重用、案例修正与存储等过程,其结构如图2所示。
2.1案例构造
根据煤粉粒度与其影响因素,我们建立了基于CBR技术的粒度软测量模型的案例表示如下:
Gk={Dk,Xk,Yk} (1)
式中,Gk为第k条案例(k=1,2,…,n,n为案例库中案例数);Dk为案例Gk的产生时间; Xk={x1,k,x2,k,…,x8,k}为案例Gk的案例描述特征,其中xi, k(i=1,2,…,8)分别表示软测量模型的8个辅助变量,即中速磨进出口压差、中速磨出口温度、中速磨给煤量、中速磨碾压力、中速磨电动机电流、原煤可磨性、块粒大小、原煤湿度; Yk为案例Gk的解特征,即煤粉粒度软测量值。为了进行相关案例操作,需要建立历史数据库,记录每次软测量的Dk,Xk及对应的Yk。
2.2案例检索与匹配
案例构造完成后,需要根据高炉制粉生产过程工况描述进行案例的检索与匹配。检索与匹配是指根据计算的相似度,检索出满足匹配阈值的所有案例。本方法采用最相邻算法进行案例的检索与匹配,首先将当前中速磨制粉过程的运行工况定义为当前案例Gm,其工况案例描述特征集为Xm={x1,m,x2,m,…,x8,m},案例的解特征描述为Ym。根据最相邻算法,Xm与Xk的相似度计算公式为:
undefined
Gm与Gk的相似度定义为:
undefined
式中,αi为案例的特征集加权系数,根据现场工程师经验确定。
则Gm与Gk相似度的最大值定义为:
simm,max=max[sim(Gm,Gk)] (4)
定义Gm与Gk的相似度阈值为:
undefined
根据上述定义的公式,计算案例库中其余案例与案例Gm的相似度,检索满足阈值simθ的所有案例并作为匹配案例存储在案例库中。
2.3案例重用
由于工况的复杂多变,通常当前工况的案例与案例库中的案例不可能完全匹配,所以检索出的匹配案例的解特征不能直接作为当前案例的解特征,这就需要对检索得到的匹配案例进行重用,也就是使用旧的经验去解决新的问题。若在案例库中共检索到r个匹配案例G1,G2,…,Gr,其案例描述特征集为X1,X2,…,Xr,对应的案例解特征为Y1,Y2,…,Yr,则当前工况案例解特征为:
undefined
式中,βh为不同案例h的解特征加权系数,选取βh=sim(Gm,Gh)。
则该解特征可作为当前工况下的煤粉粒度软测量值。
2.4案例修正与存储
案例重用后,需要对新案例进行验证和评价,并进行必要的案例修正与存储,具体步骤如下。
首先读取煤粉粒度的实际化验值YPV及取样时刻j,然后在历史数据库中检索到对应时刻j的历史记录为Gj={Dj,Xj,Yj},如果undefined(其中ΔY为解特征最大容忍误差,由现场工艺工程师根据工艺生产要求确定),则说明该记录为可信度较高的记录,无需修正,可直接存储进入案例库,成为新案例Gj={Dj,Xj,Yj};如果undefined,则在案例库中按2.2及2.3所述方法重新检索并重用,查找出与该案例相似度最高的案例Gl={Dl,Xl,Yl},若undefined,说明案例库中已存储有相似度更高的案例,则无需将该记录存储进入案例库,若undefined,则说明两个案例的描述相近而解相差甚远,案例Gl不适应目前工况,这时直接在案例库中删除案例Gl={Dl,Xl,Yl},然后使用新构建的案例Gj={Dj,Xj,YPV}加入到案例库中,成为新案例Gj={Dj,Xj,Yj}。
3应用研究
本文提出的基于案例推理的软测量技术于2009年在某炼铁厂高炉制粉系统煤粉粒度软测量中应用。根据工艺要求,煤粉粒度小于0.074 mm的煤粉控制在70%～80%之间为最佳,其相关技术参数确定如下:从历史数据库中提取n=100组典型案例数据构造初始案例库;案例特征集加权系数αi分别为: α1= 1/8,α2= 1/32,α3= 3/16,α4= 5/16,α5= 1/16, α6=1/16,α7= 1/16,α8= 1/32;案例检索与匹配的阈值simθ为0.95;案例修正与存储中的ΔY为±1.6%;煤粉粒度软测量模型计算周期为30 min。
该模型运行半年后,在某段时间的历史数据库中提取100个煤粉粒度软测量值与化验值进行比较。图3所示为软测量的误差分析,从图中可以看出基于案例推理的煤粉粒度软测量模型能较好地根据实时数据预测煤粉粒度,统计表明最大误差为1.59%,平均软测量误差可以控制在1.1%左右。结果表明该软测量模型具有很好的泛化结果和预测精度,可以满足高炉制粉过程对煤粉粒度在线软测量及实时控制的要求。
4结论
针对高炉制粉生产过程的关键工艺参数——煤粉粒度难以在线测量的问题,提出了基于案例推理的煤粉粒度软测量方法,利用该方法易于开发实用的软件系统,且应用和维护较为方便。该软测量方法在某炼铁厂由中速磨、烟气炉等主要设备构成的典型高炉制粉流程中应用效果良好,可靠性较强,并且煤粉粒度预测精度随时间推移会不断提高。因此,具有很好的推广应用前景。
参考文献
[1]刘克显,王玉涛,魏颖,等.高炉煤粉喷吹控制系统述评[J].东北大学学报:自然科学版,2001,22(3):253-256.
[2]马政峰,吴铿,左兵,等.煤粉粒度对高炉风口前燃烧性能的影响[J].钢铁,2009,38(7):35-40.
[3]龙晓阳,吴炽,刘志武,等.高炉喷吹用煤粉粒度的研究[J].炼铁,2003,22(5):28-30.
[4]沈峰满,王文忠,施月循,等.高炉喷煤过程中的若干问题探讨[J].炼铁,1996,15(1):1-4.
[5]ZHOU P,CHAI T,YUE H,et al.Intelligent optimal con-trol of grinding circuits for optimization of particle size in-dex[C]//Proceedings of the 6th WCICA.Piscataway:IEEE,2006:6 586-6 591.
[6]Del Vittar R G,Thibault J,Del Villar R.Development of asoft-sensor for particle size monitoring[J].Minerals Engi-neering(S0892-6875),1996,9(1):55-72.
[7]阎馨,付华.基于案例推理和数据融合的煤与瓦斯突出预测[J].东南大学学报:自然科学版,2011,41(8):59-62.
激光粒度测量 篇6
现有的粒度及其分布测试仪器主要有激光粒度仪、成像颗粒分析仪、机械振动筛和手工筛等;主要方法有筛分法[1,2,3]、数字成像颗粒分析法[4]、激光粒度测量法[2,5,6,7]、沉降法[8]等。不同的方法具有不同的检测原理,且其适用的检测范围也有所不同。本研究基于光学显微镜和数码相机拍摄粉体中颗粒的二维形貌,利用图像处理方法测试粉体的粒度分布。
1 实验
1.1 原料与仪器
二氧化硅粉,清华大学材料科学与工程系粉体工程研究室自制;粉煤灰,取自江西萍乡火电厂。
数字显微系统为德国莱卡集团生产的Leica DMR研究级透射和反射偏光数字显微系统。该系统用可见光作用微观物体,并捕获其几何特征,通过显微成像系统再经CCD图像采集系统输入电脑并储存。
1.2 样品处理
取0.5g左右颗粒试样放在一块玻璃板上,借助多次四分法达到约0.01g为止。用数码相机拍摄粉体样品中颗粒形貌照片时,尽量将样品平铺在一张平整的板上,并使样品分散。用显微镜法测量样品时样品需求量极少,因此,取样和制样时为保证测试样品有充分的代表性和良好的分散性,本研究用精确度为0.001g的电子天平称准确称取样品质量,将已称重的试样倒入装有已知体积的分散液中,用滴管吸取已充分分散的试样,并滴加2～3滴至经1%～2%盐酸溶液浸泡、蒸馏水洗净、干燥的玻璃载片(约75mm×25mm)上, 盖上盖玻片后备用[9,10]。
1.2 图像处理软件
图像分析软件IPP(全称Image-Pro Plus),4.5版本,开发商为美国Media Cybernetics公司。
1.3 图像处理方法
主要检测是将数码拍摄照片或显微镜图片导入计算机分析。采用手动测量颗粒粒径时,先进行标尺校准,即按照图像上标尺确定单位长度所占像素的个数,并设置输出单位;然后运用图像的手动测量工具,人工分辨颗粒的轮廓和边界,判定边界上距离最远的两点并标记,软件内嵌程序计算两点之间的距离;逐一标记不同颗粒的直径,再将粒径数据导入excel;人工划分统计不同粒径范围内颗粒的个数,即得所选样品的粒度分布。采用自动测量颗粒粒径时,校准标尺,设置输出单位后运用图像处理中的二值化工具将数码相机拍摄照片和显微照片等彩色图像、灰度图像转化为黑白图像;选择自动测算工具,输出所测算粒径数据,并自动统计计算结果,记录样品粒度分布。
2 结果与讨论
2.1 手动测算结果
由于所选二氧化硅粉的粒度分布范围较广,最小颗粒只有0.5μm,最大颗粒可达到约3mm。针对这类粉体,若用光学显微镜、电子扫描显微镜观察,即便是在最小的放大倍数条件下也很难在同一视场中获得具有统计意义的颗粒粒径及其分布,故本研究选用视场较大的数码相机作为摄像工具,二氧化硅粉的照片如图1所示。
从图1可以看出,二氧化硅粉中粗细颗粒的粒径相差较大,且由于采用手工分散方式,照片中部分颗粒聚集在一起。若采用图像处理方法中的自动计数和自动测量工具,势必会造成大颗粒偏多、小颗粒偏少的误差。因此,本研究采用手动测量的方法测量450个二氧化硅颗粒的粒径,结果如表1所示。
为直观反映二氧化硅颗粒粒度与各组分百分含量的关系,以二氧化硅颗粒的粒度为横坐标、以该组分对应的微分含量和累积含量为纵坐标,绘制微分分布曲线和累积分布曲线,分别如图2所示。
从图2(a)可以看出,所选二氧化硅粉的微分分布呈近似双峰特征,粒度在0.65～0.70mm之间出现第一个峰,在1.10～1.15mm之间出现第二个峰。其累积分布曲线近似呈“S”型,如图2(b)所示。
2.2 自动测量结果
与手动测量相比,自动测量具有速度快、准确度高等优点,主要表现为图像处理软件能自动识别颗粒边缘,能较准确地获取某一颗粒的最大直径和最小直径,并能根据需要直接测算出颗粒最大直径和最小直径的平均值。但前提是要获得分散良好、颗粒之间无团聚的颗粒照片。为此,本研究运用超声波将粉煤灰样品充分分散,并在显微镜上获得具有代表性的颗粒图片,如图3所示。将图3导入图像处理软件中,并将其二值化,二值化后的图像如图4所示。
获取二值化图像后,校准标尺,选择测量工具,选定粒径为测定参数,点击自动获取黑色对象的参数信息,导出数据至excel,统计后得到粉煤灰的粒度分布数据,如表2所示。
以粉煤灰的粒度为横坐标,以该组分对应的微分含量和累积含量为纵坐标,绘制粉煤灰微分分布曲线和累积分布曲线,分别如图5所示。
由图5(a)可以看出,各粒级组分的含量随着粒级的增加呈指数下降。文献[11]发现,当粉体为最紧密堆积时,多级理想球状颗粒混合粉体中各粒级组分的体积分数随着粒级的增加呈指数下降。这表明本实验所选粉煤灰样品较符合最紧密堆积时多级理想球状颗粒混合粉体的特性。其累积分布曲线(图5(b))不是呈严格的“S”型,与最紧密堆积时多级理想球状颗粒混合粉体的粒度分布特性一致[11,12]。
2.3 讨论
筛分法是颗粒粒径测量中最通用、最直观的方法。根据振动方式的不同,筛分法分为机械振动筛分和手工筛分两种。筛分法由于原理简单、直观、操作方便、易于实现而被广泛应用。而其缺点有以下几方面:(1)由于粒径段的划分受限于筛层数,对粒径分布的测量略显粗糙,不能得到连续的粒度分布曲线,进而影响了粒度分布测量结果的精度;(2)筛分的过程中因为振动强烈,一些颗粒种类可能极易破损,从而破坏了粒径分布,影响了测量结果[1];(3)若颗粒之间吸附作用较强,在筛分中经常出现聚合成团的现象,这也影响了筛分结果的准确性[2];(4)机械振动筛分由于需要装配筛塔、称重以及清洗筛子,存在自动化程度不高、工作量大、测试时间长等缺陷,手工筛分还会出现因操作人员不同导致结果重复性较差的现象[3]。针对其存在的优缺点,筛分法主要应用在45μm以上大粒径颗粒的粒径分布测量,而对于粒径较小的颗粒,除非使用特殊的方法,筛分法的可靠性一般较低。数字成像颗粒分析仪基于数字成像原理,使大量物料从光源和相机间自由下落,颗粒通过光学成像记录并数字化,经计算机处理获得基于体积分数的物料粒度分布数据[4]。马尔文激光粒度仪的优点是:测量粒径范围大(为0.02～2000μm),无信号盲区,实际分辨率高[5],检测速度快,智能化程度较高,输出结果是连续的粒径分布,使用方便,重复性好[6]。马尔文测量方法的缺点主要在于参数设置困难,同时,不规则颗粒的截面积平均起来要大于相同体积的球体[7]。 鉴于此,李文凯等[2]认为激光粒度仪测定的不规则颗粒的直径比相同体积的球形颗粒要大一些。沉降法的理论基础是以球形颗粒为前提的斯托克斯定律,但在实际试样中粒子多为形状不一的多面体,所以作为计算结果的粒子半径及其分布只能看作是相当于球形的当量半径及其相对分布。从操作的误差来看,沉降法的精度不高,除了操作方法本身的缺陷之外,人为因素带来的误差也会影响测试结果的可靠性[8]。
从二氧化硅粉和粉煤灰粒度分布的测算过程和结果可以看出,图像处理方法可直观反映粉体中颗粒的形貌信息,并可根据粉体的分散特性以及图像的清晰程度选用手动方式和自动方式测算粉体的粒度及其粒度分布。该方法可靠性高,只要保证粉体中颗粒形貌清晰,颗粒之间无团聚和聚集现象,则分析结果准确,测算效率高。此外,该方法的适用范围广,一方面,可以推广至基于粉体样品扫描电子显微镜图像、投射电子显微镜图像等其它颗粒图像的粒度分布分析,另一方面,对于考察颗粒在粉体填充树脂基、金属基等复合材料中的粒度及其分布特性也具有特别的意义。因此,图像处理方法既可直接测量粉体的粒度分布,亦可作为其它粒度仪器测试可靠性的评价参考方法。其主要缺点在于:操作比较麻烦,当粉体中颗粒之间界限不清晰时需采用手动方式测算,测算时间较长,且易受人为因素影响;若取样太少,样品代表性不够。但总体而言,只要注意操作过程,尽量减少误差,图像处理方法也是适用于测量粉体粒度分布的可供选择的方法之一。
3 结论
(1)用图像处理方法中的手动方式测算的二氧化硅粉粒度分布的微分分布曲线呈双峰分布特征,其累积分布曲线呈近似“S”型; (2)用图像处理方法中的自动方式测算的粉煤灰粒度分布的微分分布曲线呈指数下降特征,其累积分布曲线为不严格“S”型; (3)图像处理方法适用于粉体粒度分布测量,也是可供选择的粒度分布测量方法之一。
参考文献
[1] Jiao Shuhong(焦淑红),Zou Ruofei(邹若飞),Li Wenhua(李文化),et al.Technology to determine the dust size of alu-minium hydroxide(氢氧化铝粉体粒度测量技术)[J].Me-trology Measurement Techn(计量与测试技术),2004(3):19
[2] Li Wenkai(李文凯),Wu Yuxin(吴玉新),Huang Zhimin(黄志民),et al.Measurement results comparison between laserparticle analyzer and sieving method in particle size distribu-tion(激光粒度分析和筛分法测粒径分布的比较)[J].ChinaPowder Sci Techn(中国粉体技术),2007(5):9
[3] Zhang Shuxia(张书霞),et al.Study on content of nitrate,vitamin C and carotene in basella rubra(落葵中硝酸盐、维生素C及胡萝卜素含量的研究)[J].Chinese J SpectroscopyLaboratory(光谱实验室),2006,23(2):228
[4] Gong Suxiao(龚苏晓).Fresh aerial parts of Basella the newoleanane-type triterpene glycosides of the structure of oligo-nucleotide(落葵新鲜地上部分中新的齐墩果烷型三萜寡糖苷的结构)[J].Foreign Medical Sci(国外医学:中医中药分册),2003,25(1):51
[5] Zhang Binghua(张炳花),Tang Taiping(唐太平),YangZhenghong(杨正红).Malvernlaser particle sige analysistechnique and it′s application in the petrochemical industryadvantage(马尔文激光粒度分析技术及其在石化行业中的应用优势)[J].Modern Scientific Instruments(现代科学仪器),2000(2):68
[6] Wang Zhenxin(王振新),Qian Yanhu(钱彦虎).Determina-tion of PTA particle size distribution with laser particle sizeinstrument(激光粒度仪测定PTA粒径分布)[J].PolyesterInd(聚酯工业),2004,17(3):50
[7] Jonas Z M.Size,shape,composition and structure of micro-particles from light scattering.Syvitski J P M,ed.Princi-ples,Methods and Application of Particle Size Analysis[M].New York:Combridge University Press,1991:143
[8] Cheng Peng(程鹏),Gao Shu(高抒),Li Xusheng(李徐生).Evaluation of a wide range laser particle size analyses andcomparison with pipette and sieving methods(激光粒度仪测试结果及其与沉降法、筛析法的比较)[J].Acta Sedimento-logica Sinica(沉积学报),2001,19(3):449
[9]王奎升.工程流体与粉体力学基础[M].北京:中国计量出版社,2002:10
[10] Wang Jiajian(王佳建),Xu Hongen(徐宏恩).Observationon toltal suspended particulate of Jiamusi′atmosphere pollu-tion with microscope(佳木斯市大气中总悬浮颗粒的显微镜下观察)[J].Heilongjiang Environmental J(黑龙江环境通报),2001,25(4):76
[11] Wu Chengbao(吴成宝),Huxiaofang(胡小芳),Duan Baitao(段百涛).Theoretical calculation for packing density ofpowder(粉体堆积密度的理论计算研究)[J].China Pow-der Sci Techn(中国粉体技术),2009,15(5):76