動(dòng)態(tài)光散射顆粒測(cè)量技術(shù)中的粒度反演算法研究.pdf

1、山東理工大學(xué)山東理工大學(xué)山東理工大學(xué)山東理工大學(xué)碩士學(xué)位論文動(dòng)態(tài)光散射動(dòng)態(tài)光散射動(dòng)態(tài)光散射動(dòng)態(tài)光散射顆粒顆粒顆粒顆粒測(cè)量技術(shù)中的測(cè)量技術(shù)中的測(cè)量技術(shù)中的測(cè)量技術(shù)中的粒度粒度粒度粒度反演反演反演反演算法算法算法算法研究研究研究研究StudyontheInversionAlgithmsofParticleSizeDistributioninDynamicLightScatteringParticleSizing研究生：朱新軍朱新軍朱新軍朱新

2、軍指導(dǎo)教師：申申申申晉晉晉晉教教教教授授授授協(xié)助指導(dǎo)教師：王雅靜王雅靜王雅靜王雅靜副教授副教授副教授副教授申請(qǐng)學(xué)位門類級(jí)別：工工工工學(xué)學(xué)學(xué)學(xué)碩碩碩碩士士士士學(xué)科專業(yè)名稱：檢測(cè)技術(shù)與自動(dòng)化裝置檢測(cè)技術(shù)與自動(dòng)化裝置檢測(cè)技術(shù)與自動(dòng)化裝置檢測(cè)技術(shù)與自動(dòng)化裝置研究方向：微微微微弱弱弱弱信信信信號(hào)號(hào)號(hào)號(hào)檢檢檢檢測(cè)測(cè)測(cè)測(cè)論文完成日期：2011年年年年4月月月月20日日日日單位代碼：10433學(xué)號(hào)：Y0803114分類號(hào)：TM352密級(jí)：山東理工大學(xué)碩

3、士學(xué)位論文中文摘要I摘要?jiǎng)討B(tài)光散射技術(shù)是測(cè)量亞微米及納米顆粒的有效方法，已廣泛應(yīng)用于流體動(dòng)力學(xué)、高分子材料、醫(yī)學(xué)及生物化學(xué)等領(lǐng)域。顆粒粒度的反演是動(dòng)態(tài)光散射顆粒測(cè)量技術(shù)中的重點(diǎn)和難點(diǎn)，也一直是該領(lǐng)域的研究熱點(diǎn)。由于反演問題求解的困難、顆粒粒度的多樣性以及許多反演算法需要關(guān)于顆粒粒度的一些先驗(yàn)信息，使得現(xiàn)有的算法都有其特定的適用范圍。因此，對(duì)目前算法的改進(jìn)以及設(shè)計(jì)良好的算法是動(dòng)態(tài)光散射顆粒測(cè)量技術(shù)中亟待解決的問題。本文從顆粒粒度的非負(fù)特性

4、、基線的誤差影響以及散射光光強(qiáng)數(shù)據(jù)去噪后的反演算法特性等方面對(duì)顆粒粒度反演問題進(jìn)行了較為深入的研究，主要內(nèi)容包括：1分析了各種反演算法的特性，并采用模擬數(shù)據(jù)對(duì)幾種常用算法(Tikhonov正則化、NNLS、ML、PSO、CONTIN)的性能進(jìn)行了比較。結(jié)果表明：由于Tikhonov正則化算法無法保證解的非負(fù)性，從而導(dǎo)致解的精度下降；NNLS算法得到的粒度分布容易受噪聲的影響；ML算法所得粒度分布過于光滑，從而與真實(shí)值產(chǎn)生偏離；與NNLS

5、算法相比，PSO算法和CONTIN算法給出的粒度分布更為光滑，優(yōu)于NNLS和ML算法。2對(duì)Tikhonov正則化、截?cái)嗥娈愔捣纸?TSVD)和截?cái)喙曹椞荻?TCG)算法進(jìn)行了研究。結(jié)果表明，在噪聲較大時(shí)Tikhonov正則化算法優(yōu)于TSVD和TCG算法。此外，對(duì)用于正則化參數(shù)選取的Mozov偏差原理、GCV和Lcurve準(zhǔn)則的比較分析表明，Lcurve準(zhǔn)則具有更強(qiáng)的穩(wěn)健性。3對(duì)CONTIN算法和Marino算法求解動(dòng)態(tài)光散射顆粒粒度分布

6、的實(shí)現(xiàn)方式進(jìn)行了分析，并給出了兩種算法性能的研究結(jié)果。采用二階差分算子的CONTIN算法比采用單位算子的CONTIN算法所得顆粒粒度分布更為合理；CONTIN算法中正則化參數(shù)的選取可用Lcurve準(zhǔn)則確定。與CONTIN算法相比，Marino算法給出的反演峰值誤差更小。4提出了基于信賴域牛頓反射和積極集算法實(shí)現(xiàn)的約束Tikhonov正則化算法，研究了約束Tikhonov算法中正則化參數(shù)對(duì)反演結(jié)果的影響，討論了正則化參數(shù)的選取方法，針對(duì)約

7、束Tikhonov正則化算法中正則化參數(shù)選取的困難，提出了基于多種算法優(yōu)化軌跡的正則化參數(shù)選取準(zhǔn)則。5為保證TSVD算法中解的非負(fù)性，提出了非負(fù)最小二乘TSVD顆粒粒度反演算法。反演顆粒粒度分布相對(duì)誤差和解范數(shù)存在弱對(duì)稱關(guān)系，并用此關(guān)系確定了最優(yōu)正則化參數(shù)，實(shí)驗(yàn)結(jié)果驗(yàn)證了非負(fù)最小二乘TSVD的有效性。6對(duì)一階電場(chǎng)相關(guān)函數(shù)與二階光強(qiáng)相關(guān)函數(shù)的關(guān)系進(jìn)行了討論，基于此關(guān)系，提出了一種改進(jìn)的顆粒粒度反演方法。模擬和實(shí)測(cè)數(shù)據(jù)均表明在顆粒粒度分布為