基于Pearson评价法的室内污染源辨识研究

目的从室内污染物的时空分布特性出发,提出基于Pearson评价法的室内污染源辨识策略,从而快速准确辨识室内污染源.方法以Pearson相关系数作为辨识指标以及得分率作为辨识结果的评价标准,先采用控制变量法对Pearson评价法的辨识有效性进行验证,作为后续研究开展的基础,再基于Pearson相关系数指标,对室内16个不同位置的污染源展开位置辨识.结果最终有15个污染源的位置辨识结果准确;辨识效果与辨识时段的选取有关;在0～200 s的统计区间内,整体辨识效果呈现先升高,后略微下降并趋于稳定的趋势;辨识效果最好的时段出现在τ=80～120 s,此段时间内的平均辨识得分率高达94. 375%;在位置辨识准确的前提下,通过计算线性回归方程的斜率完成了对污染源散发强度的辨识,辨识误差保持在±0. 005 g/s的可控范围内.结论 Pearson评价法可以实现对污染源的位置和散发强度的有效辨识.

辨识室内颗粒污染源位置的逆拉格朗日反问题模型

悬浮颗粒作为室内主要的污染物,对人体健康具有极大危害,获知颗粒污染源位置等相关信息将有助于有效清除或隔离颗粒污染源。提出一种再现颗粒物传播过程的逆拉格朗日(LR)法,此法将流场和颗粒受力反向后求解颗粒传播轨迹,并对边界条件进行相应的处理,使得颗粒物在被传感器探测到之前的传播轨迹得以完整复原。为运用少数几个传感器来辨识污染源,提出沿已知的空间内某时刻浓度分布云图中最大浓度边界线布置包围颗粒,逆向追踪这些颗粒到初始释放时刻,将此时的颗粒位置连接成包围圈即可界定污染源的位置。通过测试发现,以上模型可准确辨识二维空腔和三维房间内的颗粒污染源。

密闭微环境突发污染源动态散发特性辨识

载人航天器、飞机、潜艇等密闭微环境,随着人员停留时间的延长,舱室空气污染问题已成为危害工作人员生命安全的主要因素.为了提高上述密闭环境主动应对突发污染的能力,建立一种新的浓度离散随机模型,提出采用敏感性分析算法实现污染源定位及强度估计,利用隐式与显式卡尔曼滤波相结合的方法同时完成污染源散发特性的动态辨识及舱室空气污染物的浓度预测;分析了不同位置处的传感器可辨识区域,给出最优传感器布置策略.仿真结果证实了敏感性分析算法及隐式与显式卡尔曼滤波相结合方法能够实现污染源散发特性的快速准确辨识.

飞行器舱室突发污染源散发强度动态辨识

诸如载人航天器和大型飞机等密闭微环境,随着人员停留时间的延长,舱室突发污染问题已成为危害工作人员生命安全的主要因素,所以迫切需要开展突发不确定污染源辨识及危害性预测研究技术,以提高上述密闭环境主动应对突发污染的能力。本文提出一种新的浓度离散随机模型,并建立敏感性分析方法实现污染源定位及强度初步估计,之后利用隐式与显式卡尔曼滤波相结合的方法同时完成污染源散发特性的动态辨识及舱室空气污染物的浓度预测。上述研究能够实现污染源散发特性的快速准确辨识。仿真结果证实了该算法的有效性。

突发污染源散发特性辨识与仿真研究(英文)

在载人航天器、潜艇、飞机等密闭微环境中,如果发现有污染源存在,确定污染源的位置及其散发特性具有重要意义。笔者提出一种新型的浓度离散随机模型,在采用敏感性分析方法实现污染源定位后,利用隐式与显式卡尔曼滤波相结合的方法实现污染源散发特性的动态辨识与预测,同时完成空气污染物浓度预测。笔者采用蒙特卡罗仿真实验方法对一密闭空间进行了动态仿真研究,仿真结果表明提出的方法可以实现污染源散发特性的快速准确辨识,具有重要的应用价值。

辨识室内空气污染源的反问题建模

当发生室内空气污染事故时,获知污染源释放的位置与强度等信息至关重要。利用污染物传感器提供的信息来推断室内空气污染源的研究属于反问题建模。反问题属于病态问题,因而必须采取一些特定的策略才能让反问题获得求解。本文总结了国内外有关应用反问题建模来辨识室内空气污染源的研究进展,以及反问题建模在传热、水污染以及大气污染等领域内的研究概况。辨识室内空气污染源的研究方法可归纳为四类,即分析法、优化法、概率法以及直接求解法。直接求解法不需要使用过多的假设,而且能够较好平衡计算效率以及计算精度,因而比较适于室内环境中污染源的辨识。

基于贝叶斯估计的气体污染源方位辨识

气体污染源的方位辨识是监控部分企业废气超标排放及治理空气污染的一项重要措施。针对气体污染源的方位辨识问题,设计了基于贝叶斯概率模型的污染源方位辨识的多传感器检测系统,该系统使用4个气体传感器组建检测系统,4个传感器按照90°间隔均匀等半径放置,系统可辨识16个方向,分辨角度为22.5°。首先对八个标准方向进行标定,确定八个方向的先验概率,再根据八个方向的先验概率和4个传感器检测到的实时样本值,由贝叶斯模型计算各方向后验概率,进而由各后验概率来确定气体污染源的方位。实验表明,基于贝叶斯模型的气体污染源方位辨识方法是可行的、有效的。

基于U-D分解卡尔曼滤波地下水污染源溯源辨识

采用基于U-D分解的卡尔曼滤波与非线性规划优化模型相结合,溯源辨识出地下水污染源的个数､位置与释放强度.基于一个假想例子,建立地下水污染质数值模拟模型,运用灵敏度分析筛选出对模型影响较大的参数作为模型中的随机变量.然后,应用基于U-D分解的卡尔曼滤波辨识出污染源的个数与位置.在此基础上建立辨识污染源释放强度的优化模型,应用克里格插值法建立地下水污染质运移数值模拟模型的替代模型,代替模拟模型,作为约束条件嵌入优化模型中,运用遗传算法求解优化模型辨识出地下水污染源源强.结果表明:采用基于U-D分解的卡尔曼滤波方法能够保证滤波的稳定性,有效识别出污染源的个数和位置;非线性规划优化模型,可以辨识出污染源释放强度.在优化模型的求解过程中,应用克里格方法建立模拟模型的替代模型嵌入优化模型,能在保证一定精度的情况下,大幅度减少计算负荷和计算时间.

飞行器舱室突发污染源定位及强度估计方法研究

诸如载人航天器及大型民机等飞行器密闭微环境,随着人员停留时间的延长,舱室空气污染问题已成为危害工作人员生命安全的主要因素,所以迫切需要开展突发不确定污染源定位及散发强度辨识方法研究,以提高主动应对突发污染的能力。提出采用敏感性分析算法实现突发污染源定位及散发强度估计,还分析了不同位置处的传感器可辨识区域,以确定最优传感器布置策略。上述研究能够实现污染源散发特性的快速准确辨识,为主动应对污染事故提供依据。仿真结果证实了该算法的有效性。

密闭舱室突发污染浓度动态预测与源项辨识

潜艇、载人航天器等密闭微环境随着人员停留时间的延长,其舱室空气污染问题已成为危害工作人员生命安全的主要因素,因此迫切需要开展快速准确的污染浓度预测以及对突发不确定污染源辨识的技术研究,并提高密闭环境主动应对突发污染的能力。对舱室污染浓度进行动态预测和污染源项强度辨识是实现舱室空气质量实时预测的关键。建立了集总污染源概念,提出了联合使用卡尔曼滤波和最小二乘算法的舱室突发污染辨识与浓度预测方法,并与建立的变结构污染浓度模型相结合,同时完成了集总污染源散发强度的动态辨识和污染浓度状态预测。另外,在突发污染源定位方面开展了前期的探讨研究工作,建立了一种新的多维浓度离散随机模型,并提出了基于多假设特征匹配的突发污染源定位方法研究。通过匹配观测数据序列与单参数(源位置)多假设获得的传感器处浓度响应序列特征来实现源项定位及散发时间估计,可初步确定源散发强度。

基于源项辨识的飞机座舱污染浓度动态预测

随着大型民机飞行时间的延长,座舱空气污染事故发生概率也随之增大,快速准确的污染浓度预测对保证乘客生命安全具有重要意义.座舱各污染浓度的动态预测和污染源项强度辨识是实现座舱空气质量实时预测的关键技术.污染源项散发强度辨识,如采用最小二乘算法,参数估计是静态的,一般延迟较大;如采用单模卡尔曼滤波算法,虽能实现动态辨识,但不能同时兼顾稳态和过渡过程(突发污染)的参数估计性能,导致误差较大.为解决上述难题,本文提出基于源项辨识的飞机座舱污染浓度动态预测方法,同时完成污染源散发强度动态辨识和污染浓度状态实时预测.该算法由2个滤波器组成,分别用于匹配系统的稳态和突发过渡过程特征,提高浓度方程参数估计和状态预测性能,保证飞机座舱空气质量态势预测的快速性和准确性.仿真结果证实了该算法的有效性.

基于自适应权重粒子群优化算法的地下水污染溯源辨识

地下水污染溯源辨识是指利用监测井的观测数据对污染源信息进行识别。然而,在应用模拟-优化方法进行溯源工作时,多次运行数值模拟模型会带来较大的计算负荷;在利用传统粒子群算法求解优化模型时,易陷入局部极值点,严重影响辨识结果的精度。研究基于假想算例,应用模拟-优化方法,将模拟模型作为等式约束条件,以模拟输出值与实际观测值之间的偏差极小化作为目标函数,连同其他非负约束条件建立优化模型,对三个潜在污染源的释放历史及渗透系数进行了联合识别。通过训练BP神经网络,建立数值模拟模型的替代模型,以缓解沉重的计算负荷;为了避免求解优化模型时陷入局部极值,研究提出了一种自适应权重算法,增强了传统粒子群优化算法跳出局部极值点的能力,识别结果表明:①运用BP神经网络所建立的替代模型能够很好地近似模拟模型的输入-输出关系,拟合精度达到0.99,且运行速度明显快于数值模拟模型,证明了其可以代替数值模拟模型嵌入优化模型中进行污染源溯源辨识工作;②同运用传统粒子群优化算法相比较,运用自适应权重粒子群优化算法,对优化算法的参数和迭代终止条件进行调节,可以有效地提高算法的收敛速度和计算效率,收敛得到的最优解的相对误差基本小于5%。