介质阻挡放电中四边形发光斑图的时空结构

为了研究介质阻挡放电(dielectric barrier discharge,DBD)中四边形发光斑图的时空结构,采用高速相机,首次在外加电压的半个周期内,对此斑图进行了时空分辨研究。在空气-氩气介质阻挡放电中,随着外加电压的增加,放电丝的分布经历了随机放电丝—六边形斑图—四边形斑图—混沌的转变过程。经长时间观察发现,四边形斑图非常稳定。在外加电压的每半个周期内,四边形斑图相应的放电电流由2个明显的脉冲组成。实验采用高速相机,分别在2个电流脉冲时间内对放电过程进行了拍照,结果发现每个电流脉冲分别对应1套稀疏的四边形子点阵发光斑图,2套子点阵互相嵌套形成所观察到的四边形发光斑图。

采用高速照相机研究介质阻挡放电超四边斑图的时空结构

为了研究介质阻挡放电中超四边形斑图的时空结构,首次采用三通道高速照相机,在外加电压的半个周期内,对此斑图的不同电流脉冲进行瞬态拍照。实验发现:稳定的超四边斑图能在不同的实验条件下得到;在外加电压的每半周期内,超四边斑图的放电电流由3个明显的脉冲组成,其中2个脉冲位于电压绝对值的上升沿,1个位于其下降沿;超四边斑图由3套四边形子结构组成,其中上升沿放电的小点四边形和大点四边形相互嵌套,而在下降沿放电的小点位于大点的中心。经分析发现,壁电荷在超四边斑图时空结构的形成中起到了重要的作用。

介质阻挡放电中亮暗点放电的谱线线形及振动温度

在氩气/空气的混合气体介质阻挡放电中,首次在高温条件下观察到亮点和暗点共存的放电,比较了中心亮点及四周暗点放电的谱线频移,并测量了它们的振动温度。实验采用氩原子ArⅠ(2P2→1S5)的发射谱线测量谱线频移,采用氮分子第二正带系(C3Πu→B3Πg)的发射谱线测量振动温度。结果表明:中心亮点放电中的ArⅠ(2P2→1S5)谱线的频移大于四周的暗点放电谱线的频移,表明前者电子密度较高;四周的暗点的放电振动温度高于中心亮点放电的振动温度。

半球形电极弥散放电等离子体参量的光谱研究

利用两个半球形水电极介质阻挡放电装置,在空气中实现了弥散放电,采用发射光谱法,对分子振动温度、分子转动温度及电子平均能量等随电压的变化进行了研究。实验利用氮分子第二正带系(C3Πu→B3Πg)的发射谱线得到了氮分子的振动温度;通过氮分子离子(N2+)的第一负带系(B2Σu+→X2Σg+)的发射谱线计算了氮分子的转动温度;采集了氮分子离子391.4nm和激发态的氮分子337.1nm两条发射谱线的相对强度之比,研究了电子的平均能量的变化。结果表明:随外加电压的增加,分子的转动温度呈上升趋势,分子的振动温度呈下降趋势,电子能量呈缓慢的下降趋势。

团簇六边形斑图等离子体参数的光谱测量

在氩气和空气混合气体介质阻挡放电中,首次发现了团簇六边形斑图。运用发射光谱法,研究了此斑图中单个团簇的三种等离子体参数:分子振动温度、分子转动温度以及电子的平均能量随空气含量的变化。实验通过测量氮分子光谱并采用氮分子第二正带系(C3Πu→B3Πg)计算了振动温度;同时采集氮分子离子(N2+)的第一负带系(B2Σu+→X2Σg+)计算转动温度。利用氮分子离子391.4nm和激发态的氮分子337.1nm两条发射谱线的相对强度之比,作为研究电子平均能量的变化的依据。结果显示,当混合气体中空气含量从16%逐渐增大到24%时,三种等离子体参数均逐渐增大。

介质阻挡放电中白眼斑图的分子振动温度

在空气和氩气的混合气体介质阻挡放电中,得到了白眼斑图,其晶胞是由一个封闭六边形包围一个亮点所组成。观察发现,该斑图单个晶胞上中心点、六边形顶点及六边形边上呈现出三种不同的亮暗状态。该工作利用光谱方法,分别对白眼斑图单个晶胞以上三处的振动温度进行了测量,并研究了它们随氩气含量的变化。振动温度是根据氮分子的第二正带系(C3Πu→B3Πg)的发射谱线计算的。结果表明:白眼斑图中的中心点、六边形的顶点以及六边形边上中点的振动温度依次升高,且均随氩气含量的增加而减小。

地表水总有机碳含量紫外-可见光谱检测方法

总有机碳是以碳含量评价水质有机污染的指标,可以反映水体受污染程度。目前地表水总有机碳检测多采用现场取样后实验室分析检测方法,该方法存在费时费力、操作复杂、二次化学污染等缺点。紫外-可见光谱法具有环保、操作简便、可实时在线原位检测等优点,在地表水总有机碳检测中具有很好的应用前景。针对总有机碳检测问题,采用了一种基于自适应增强学习的区间偏最小二乘回归方法,该方法将总有机碳吸收光谱波段分为若干子区间,初始化训练样本权重,依次在各子区间建立偏最小二乘回归模型,根据子区间模型预测误差率计算该子区间预测结果的权重系数,并更新下一子区间训练样本权重,最后将各子区间模型预测结果线性加权得到总有机碳的检测结果。实验配制总有机碳标准溶液浓度25~150 mg·L^(-1)共43个样品,第一时间段采集35个总有机碳标准样品光谱分为训练集和测试集,建立并验证总有机碳检测算法模型。为评价算法模型鲁棒性,在另一时间段采集剩余的8个标准样品光谱进行反测验证。实验结果表明,采用基于自适应增强学习的区间偏最小二乘回归法建立的总有机碳定量模型具有较高的精度和鲁棒性,分组验证和反测验证的预测均方根误差分别为1.304和1.533 mg·L^(-1),均优于偏最小二乘回归和极限学习机方法。为进一步验证该方法的有效性,使用该建模方法预测生活污水的总有机碳含量。实际地表水样本取样于河北石家庄藁城污水处理厂排污口污水及河北先河公司园区的生活污水,经稀释后共获得50组地表水样本,采用SPXY方法分为训练集33组水样,测试集17组水样。在实际水样检测中,采用净信号分析方法进行光谱预处理,降低总有机碳与其他水质参数间的交叉干扰;分组验证预测均方根误差为3.26 mg·L^(-1),平均绝对值百分比误差为3.46%。综上所述,基于自适应增强学习的区间偏最小二乘回归方法,可以快速准确地对地表水中总有机碳进行检测,为在线水质总有机碳检测提供了方法支撑。