激光云粒子成像探测仪研制

为了研究云粒子微观特性,采用激光成像技术、高斯光束匀化处理技术、高分辨率阵列探测器以及图像抽帧还原算法,研制出激光云粒子成像仪。通过地面模拟测量及实际飞行试验,对仪器性能进行了测试。结果表明,研制仪器可实现对25μm~1550μm云粒子的成像,分辨率为25μm,粒径测量误差小于9.5%;实测的冰晶粒子形态符合云粒子自然分布规律,粒子尺度谱符合指数分布,决定系数在0.58~0.97之间。该研制仪器可为云降水微物理研究提供基础观测数据。

基于Optistruct的云粒子组合探测器改装结构优化设计

针对云粒子组合探测器改装结构布局形式多、质量偏大等问题,对某试验机的云粒子组合探测器改装结构采用了拓扑-尺寸联合优化设计方法,探索改装结构的最优结构布局及最小质量尺寸。采用变密度法对改装结构进行拓扑优化,获得了最优的结构布局形式和最佳的传力路线;以最小质量为目标函数,在满足强度和刚度的约束条件下,对结构的厚度参数进行了尺寸优化,使结构质量减轻了22.33%,减重效果明显,验证了拓扑-尺寸联合优化设计方法在试验机改装结构设计的有效性。

利用FY-2C静止卫星资料反演云粒子有效半径的试验研究

为充分发挥FY-2C静止卫星在人工影响天气和气候领域的重要作用,基于SBDART辐射传输模式,利用该卫星通道4(3.5～4.0μm)的探测数据,反演了云粒子有效半径,并与TERRA上MODIS的相应产品做了比较。结果表明,FY-2C和MODIS资料能一致地反映云粒子有效半径分布的主要特征,但反演的粒子大小存在差异。反演算法、卫星分辨率及选取通道的不同可能是造成两种资料间差异的主要原因。

模拟退火算法优化的BP神经网络的云粒子形状自动识别方法

针对云粒子成像仪(CIP)无法对所测云粒子图像进行形状自动识别的问题,文中提出一种模拟退火算法优化的BP神经网络的云粒子形状自动识别方法。首先利用形态学处理中的闭合操作对采集后的云粒子图像进行处理,实现云粒子内部填充和边界平滑;然后利用Holroyd特征参量和凸包计算提取云粒子图像形状特征值,利用BP神经网络识别9类云粒子图像形状。由于BP神经网络容易陷入局部最优值,因此选用模拟退火算法对BP神经网络的权值和阈值的最优值进行优化,以改善网络性能和提高识别准确率。最后,利用CIP实测云粒子数据片段对传统方法与文中所提方法进行形状识别效果对比。结果表明,相比传统的云粒子形状识别方法,所提方法对云粒子形状识别的准确率有明显提高,且能实现自动识别。

高性能机载云粒子成像仪研制及应用

机载云粒子成像仪是目前直接观测云中粒子谱分布和形状特征的关键设备,在云物理结构探测、遥感反演验证、数值模式云物理过程改进和人工影响天气等领域具有十分重要的作用。因此,针对现有进口仪器性能和应用方面的不足,开发更高性能的云粒子探测仪器十分必要。通过2011年启动的国家重大科学仪器设备开发专项—机载云粒子谱仪与成像仪研制项目,研制出国产高性能机载云粒子测量系统。经过多年的研制和反复测试,解决和显著改进了激光光束均匀化、弱信号探测、多路并行处理及微粒消衍射等关键技术,从而提高了探测器像元的光功率均匀性和一致性,使光斑区域内平均光功率密度提高约3倍,从而改进了粒子成像能力。采用更高分辨率国产光电线阵探测器,测量响应时间明显缩短,对小云粒子的探测能力明显提高。研制的仪器通过一系列基础参数测试、系统优化、环境适应性实验和累计60多架次的飞行测试。对2018年11月5日进行的两架次对比探测结果的初步分析表明,新研制的云粒子成像仪对小粒子浓度的测量精度较进口仪器提高一个量级左右,测量数据起伏更小,稳定性更高,并且可正确获得更清晰可靠的云粒子形态特征。

一次秋季冷锋降水过程气溶胶与云粒子分布的飞机观测

利用机载PMS(Particle Measuring Systems)测量系统,对2008年10月4—5日石家庄地区一次冷锋降水云系的3次气溶胶和云粒子探测资料进行了分析。结果表明,冷锋过境降水前后,气溶胶粒子分布差异较大。降水发生前,气溶胶粒子平均数浓度约为103cm-3,平均直径为0.95μm;气溶胶主要集中于3000m高度以下的对流层低层,云内气溶胶数浓度明显减少。降水发生后,气溶胶粒子平均数浓度约为102cm-3,比降水前约小1个量级,平均直径为1.28μm;气溶胶主要集中于1200m以下的近地面层,其数浓度随高度增加而降低。气溶胶粒子浓度在低层云区内水平变化较小,而在无云区和云下近地层水平起伏较大。云粒子平均浓度比气溶胶小1～2个量级。气溶胶粒子平均谱主要呈双峰型,而云粒子谱主要为单峰型。

DMT机载云粒子图像形状识别及其应用

利用机载云粒子探测设备入云进行观测是目前获取云粒子微物理特征最直接有效的手段。国内已有多家单位引进美国DMT(Droplet Measurement Technologies)公司的云粒子图像探头CIP(cloud imaging probe)。由于其配套软件不能输出逐个粒子的详细信息,在很大程度上限制了对云粒子图像探测数据的深入挖掘和分析。基于解析粒子图像原始数据,对粒子图像数据进行质量控制,并根据粒子形状几何特征将粒子形状分为8类(微小、线状、聚合状、霰状、球状、板状、枝状和不规则状)。利用2018年12月—2019年3月河南省3次冬季航测获取的灰度CIP探测数据,分析云粒子形状及各形状粒子面积的统计特征,并对比基于不同形状粒子的质量-尺度关系与将所有粒子视作球形液滴计算所得的粒子水凝物含量,发现后者超过前者约1个量级。

一维云粒子激光探测仪研制及探测数据分析

阐述基于Mie散射理论和激光技术而研制的云粒子探测仪的相关问题。利用μm量级的小孔光阑模拟感应区域的散射光,并对系统的探测敏感区域面积进行测定;通过使用不同直径的标准粒子对系统进行标定,得到可靠的响应曲线,用于定量测量云粒子尺度谱及粒子数密度。在进行了一系列实验室内的实验之后,将仪器装载在飞机上进行穿云飞行测量实验,表明了该仪器在飞行过程中工作正常、稳定,并且能够即时地显示采样区内云粒子尺度谱分布和数浓度;通过分析探测得到的数据,并与云粒子谱分布进行比较,确认了探测数据有效可靠,反映了该仪器具有良好的测云能力。

中国地区夏季云粒子尺寸的时空分布特征

利用CloudSat卫星资料,分析了2006～2008年中国地区夏季月平均云粒子有效半径的垂直和区域变化特征。结果显示,水云粒子有效半径在对流层低层达到最大,并随高度增加而减小。30°N纬度带的水云相对以南及以北纬度带的粒子有效半径偏大。6月水云粒子有效半径较大,应与梅雨季节有密切联系。对于中国北部和中部,水云粒子有效半径在西部较东部偏大,而在南部地区,东西部差异不明显。不同纬度带上的冰云粒子有效半径相类似,在冰云下边界最大,随高度增加而减小。水云和冰云的云粒子尺度的年际变化不明显。对上述特征的成因分析表明,高原地形以及东亚夏季风对月平均云粒子有效半径具有明显影响。所揭示的云粒子有效半径特征为天气和气候模式改进、人工影响天气及云—辐射—气候相互作用等研究提供了重要的基础信息。

改进的Holroyd云粒子形状识别方法及其应用

云降水粒子形状是影响云微物理过程的重要因素,准确的云粒子形状信息是诸多云微物理参量计算的前提。为获取机载云粒子成像仪(CIP)所测云粒子的形状信息,文中提出了一种改进的Holroyd云粒子形状识别方法,即先对云粒子形状进行预分类,然后针对预分类后的完整粒子和可识别的部分状粒子,分别选出合适的参数及其阈值再进行具体的分类,最终可将云粒子分为微小状、线形状、聚合状、霰、球形、板状、不规则和枝状。利用实测数据对原始的Holroyd方法和改进的Holroyd方法进行识别效果对比验证。结果表明改进的Holroyd方法在云粒子形状识别的准确度方面比原Holroyd方法有较大的提高。将所提方法应用于太原地区一次降水性层状云的云微物理飞机观测资料以分析不同的降水阶段云中冰晶粒子的形状分布、增长机制、冰晶粒子数浓度以及冰水含量的垂直分布特征,所获取的云中冰晶粒子属性表明新提出方法有助于云微物理分析。

云粒子测量系统中的改进RLE算法研究

为了有效地传输和存储云粒子图像数据,通过对无损游程编码原理的研究,并结合云粒子测量系统中云粒子采集原理和信号传输协议,提出了一种改进RLE算法;通过C语言对该算法的压缩效率进行仿真,结果显示改进后的RLE算法较改进前算法的压缩效率提高了约25%;该算法分别在云粒子测量系统中的下位机和上位机实现云粒子数据的压缩与解压缩得到应用,实践证明,针对云粒子测量系统的改进RLE算法有效可靠。

基于改进云粒子群算法的电力系统无功优化研究

针对云粒子群算法(CPSO)在电力系统无功优化中易陷入局部极值和存在早熟收敛问题,将基于云数字特征(期望值、熵值、超熵值)编码的云粒子群算法进行了改进:依据解空间的变换将局部搜索和全局搜索相结合,用正态云算子实现粒子的进化学习和交叉变异操作.改进的算法在时间、存储量性能上有了明显的提高,将改进后的算法应用到IEEE30节点标准测试系统和玉门电网进行仿真运算,与其它算法进行比较.其结果表明:该方法在电力系统无功优化中能取得更好的全局最优解,加快了收敛速度,提高了收敛精度.

基于云粒子群算法的航空发动机性能衰退模型研究

压气机和涡轮是发动机的关键部件,其性能下降对发动机性能有重要影响。本文研究了压气机和涡轮的性能衰退,将部件性能衰退等价转化为部件失效因子,修正部件特性,建立了某型涡扇发动机的非线性性能衰退计算模型;提出了云粒子群优化算法,以改善迭代收敛速度慢、计算时间长的问题。基于非线性发动机性能衰退模型,进行了部件性能衰退对发动机性能影响的定量计算,所得结论为发动机状态监控提供了依据。

一种改进的云粒子群算法及其应用研究

针对基于云数字特征(期望值、熵值、超熵值)编码的云粒子群算法应用中优化效率低和局部寻优能力较差的问题,提出了两点改进措施:在解空间变换的基础上将局部搜索与全局搜索相结合;依据正态云算子实现粒子的进化学习过程和变异操作。将改进算法应用于多变量函数极值优化问题。仿真结果表明,该改进算法寻优代数小、收敛速度快、效率高,并且具有较好的种群多样性,验证了改进措施的有效性。

船舶工程中的云粒子群算法研究

船舶在航行过程中的航向控制对于船舶航行安全是非常重要的。本文首先阐述传统的云粒子群算法,然后针对其陷入局部最优等缺点进行改进,利用云变异的云自适应粒子群优化算法进行船舶航向PID控制,并进行仿真实验。实验结果表明,本文算法具有较强的鲁棒性和稳定性。

基于改进云粒子群算法的电力系统无功优化研究

针对云粒子群算法(CPSO)在电力系统无功优化中易陷入局部极值,也存在早熟收敛问题,将基于云数字特征(期望值、熵值、超熵值)编码的云粒子群算法进行了改进:依据解空间的变换将局部搜索和全局搜索相结合,用正态云算子实现粒子的进化学习和交叉变异操作。改进的算法在时间、存储量性能上有了明显的提高,将改进后的算法应用到IEEE30节点标准测试系统和电网中进行仿真运算,与其它算法进行比较。结果表明,该方法在配电网无功优化中能取得更好的全局最优解,加快了收敛速度,提高了收敛精度。

基于Matlab GUI的云粒子图像回放及特征值提取

针对传统云粒子图像回放软件无法对云粒子成像仪(CIP)采集的云粒子图像进行特征值提取等问题,提出了一种基于Matlab的图形用户界面(GUI)实现云粒子图像回放及特征值提取的软件。首先通过分析CIP存储数据使用的RLEHB压缩算法,利用反解法和矩阵变换实现云粒子图像回放;然后为保证云粒子图像的完整度,利用形态学处理中的闭合操作对解压后的云粒子图像进行内部填充,实现云粒子内部和边界的平滑;最后对处理后的云粒子图像计算Holroyd特征值和凸包特征值等,实现云粒子图像回放及特征值提取。

云粒子群优化神经PI控制器的SHAPF谐波补偿研究

分析了并联混合型电力滤波器(SHAPF)的工作原理,针对传统PI控制器参数调节的缺陷,提出了一种云粒子群优化BP神经网络的PI控制方案,设计了一种神经自适应PI控制器。通过仿真及实验验证:与传统PI控制器相比,该控制器结构简单,对系统的补偿精度较高,计算速度性能好,有更好的谐波补偿效果。

机载激光云粒子成像仪研制与校准研究

为了实现对25μm^1550μm范围云粒子的测量和成像,采用了光学成像方法,基于准直光束照射的云粒子在64元探测器上投影切片组合的原理,研制了机载激光云粒子成像仪。介绍了激光云粒子成像仪各组成部分的功能,进行了探测单元量化标准、数据获取与处理方法、以及影响云粒子成像准确性的因素等方面的分析。建立了粒子尺寸校准装置,并采用7种规格的标准圆点进行了校准实验。结果表明,机载激光云粒子成像仪可探测到云粒子并成像,实现了粒子的尺寸测量和2维图像显示。

基于毫米波测云雷达的云粒子相态识别研究

毫米波测云雷达作为一种新型的气象探测装备,在云粒子的探测上具有一定的优势。基于毫米波测云雷达的探测数据和探空仪获取的温度数据,设计云粒子相态识别算法。采用该算法,对2017年1月19日、2月7日、3月20日的毫米波测云雷达探测数据进行了云粒子相态识别和过冷水等数据产品反演。分析结果表明,逆温层与过冷水层高度正相关,过冷水和冰晶交汇区附近会出现湿冰相和混合相,过冷水含量与融化层亮带呈一定的负相关关系,整体相态识别结果与实际相吻合,验证了粒子相态识别算法的有效性。