基于IPSO-LSTM的新能源汽车锂电池健康状态监测

为监测新能源汽车锂电池的健康状态(SOH),防范电池故障引发安全事故风险,提出改进粒子群算法(IPSO)和长短期记忆(LSTM)神经网络相结合的模型,监测锂电池的SOH。首先,采用Spearman相关性分析法,提取锂电池SOH监测的健康因子;其次,采用线性惯性权重和非对称学习因子改进传统粒子群算法(PSO),利用IPSO算法对LSTM模型的隐含层神经元个数、神经元失活率、批处理值进行关键参数寻优,进一步优化LSTM模型,建立IPSO-LSTM锂电池SOH监测模型;最后,以新能源汽车主流采用的18650锂电池数据集验证IPSO-LSTM模型,并对比分析BP、LSTM和PSO-LSTM这3种模型。结果表明：IPSO-LSTM模型的平均绝对误差(MAE)在0.02以内、均方根误差(RMSE)在0.03以内,监测误差在15%以内,相较于BP、LSTM、PSO-LSTM模型,IPSO-LSTM模型的误差指标值均最小,模型具有更高的精度和稳定性。     

南京秋冬季非难熔性亚微米颗粒物来源解析

利用Aerodyne高分辨率飞行时间气溶胶质谱仪（HR-ToF-AMS）对南京北郊秋冬季非难熔性亚微米气溶胶（NR-PM₁）的化学组分（包括有机物、硝酸盐、硫酸盐、铵盐和氯化物）和特征进行实时在线监测,并利用多元线性模型（ME-2）对其中复杂的有机物进行来源解析.观测期间,有机物、硝酸盐、硫酸盐、铵盐、氯化物对NR-PM₁的贡献分别为42%,28%,15%,13%和2%.有机物解析出6类有机气溶胶：烃类有机气溶胶（HOA）、烹饪类有机气溶胶（COA）、生物质燃烧有机气溶胶（BBOA）、高氧化有机气溶胶（MO-OOA）、低氧化有机气溶胶（LO-OOA）、液相反应生成氧化有机气溶胶（aq-OOA）,平均浓度分别占总有机气溶胶的18%,14%,19%,19%,11%和19%.通过不同污染事件的对比结果表明,本次观测期间二次气溶胶在污染时期占比会明显上升并且液相反应对二次组分的形成有显著的促进作用.     

基于LBM-DEM耦合研究多孔介质中生物膜对悬浮粒子运移的影响

生物膜是多孔介质中普遍存在的细菌群落,会与悬浮粒子相互作用并影响粒子的迁移沉积。采用格子玻尔兹曼-离散单元耦合方法(LBM-DEM)研究了悬浮粒子在覆盖生物膜多孔介质中的运移。发现生物膜的存在会降低孔喉尺寸和DLVO排斥势垒,这有助于增强悬浮粒子的沉积。进出口压差是影响粒子滞留率的主要因素,低进出口压差下粒子无法突破排斥能垒,高压差下流体力通过改变粒子的沉积位置可提高渗透率。溶液离子强度变化主要影响排斥屏障。高离子强度的溶液中,粒子滞留率对压差变化响应较小;低离子强度溶液中,粒子滞留率受进出口压差的影响较大。此外,从介观角度观察入流速度对悬浮粒子黏附与滚动的影响,发现粒子的初始沉积点与来流方向的角度随着粒子速度的增加而减小。     

北京市不同季节室外细菌气溶胶分布特征及其环境影响因素分析

为了解北京市室外细菌气溶胶的分布特征,基于培养法分析了2020年9月—2021年5月不同季节细菌气溶胶浓度及粒径的分布特征,探讨气象因素(温度和相对湿度)和空气颗粒物(PM₁₀和PM_2.5)对细菌气溶胶分布特征的影响. 结果表明:①北京市室外细菌气溶胶平均浓度为447.10 CFU/m3 (每立方米空气中的菌落形成单位),呈春季〔(648.55±537.24)CFU/m3〕>冬季〔(324.50±181.99)CFU/m3〕>秋季〔(319.59±305.07)CFU/m3〕的特征,不同季节细菌气溶胶浓度差异不显著. ②北京市室外约80%的细菌气溶胶直径大于2.1 μm,细菌气溶胶浓度在第2级(粒径为4.7~7.0 μm)显著降低,峰值粒径出现在第1级(粒径>7.0 μm). 粒径大于7.0 μm的细菌气溶胶在春季与秋季以及春季与冬季之间均存在统计学差异 (p均小于0.05). 可进入人体下呼吸道的细菌气溶胶(≤4.7 μm)比例近50%(冬季、秋季、春季占比分别为61.0%、58.9%、41.6%),冬季空气中可进入人体下呼吸道的细菌气溶胶比例最高. ③Spearman相关性分析表明,室外环境细菌气溶胶浓度与相对湿度呈显著负相关(p<0.05),与PM₁₀浓度呈显著正相关(p<0.05),表明细菌气溶胶浓度受气象因素和空气污染物的影响. 研究显示,北京市室外环境中可进入人体下呼吸道的细菌气溶胶比例近50%,冬季细菌气溶胶暴露风险最高.      

基于遥感数据估算近地面PM2.5浓度的研究进展

卫星反演的气溶胶光学厚度(AOD)具有广泛的空间覆盖度和相对较高的时空分辨率. 基于AOD与PM_2.5的相关关系来估算PM_2.5浓度已成为监测近地面PM_2.5的有效途径,其估算结果较可靠,能够为治理PM_2.5污染提供数据基础和科学依据. 从反演AOD数据集和PM_2.5浓度估算模型2个方面进行梳理归纳,从卫星轨道运行类型角度分析各类传感器的产品特征,并对缺失AOD的插补方法进行分类评价;对PM_2.5浓度的估算模型进行比较分析,指出不同模型的优缺点和适应性. 结果表明:①各类卫星传感器均具有特定功能及优缺点,其中地球同步轨道(GEO)卫星的快速发展,使其在估算PM_2.5浓度的应用上越来越广泛. ②插补后的AOD比AOD初始产品具有更连续的时空分布和更高的准确性,基于模型的多变量估算不仅可以实现数据的全面覆盖,还可以获得更好的估算精度. ③组合模型成为估算PM_2.5浓度的重要方法,机器学习模型的加入能够有效提高PM_2.5浓度的估算精度. 研究显示,利用AOD估算近地面PM_2.5浓度不仅弥补了地面PM_2.5监测的空间不连续性,更有助于解析PM_2.5浓度的时空分布特征及污染来源.      

华南背景山区云中草酸的形成机制及影响因素

草酸(C₂)是大气颗粒物中有机物的重要组成部分,现有研究推测草酸主要来源于云中液相反应,然而,关于其云中形成机制的研究较少. 本文系统分析对比了华南背景山区的云水和云间隙颗粒物中二羧酸类物质,包括直链饱和二羧酸(C₂~C₉)、支链饱和二羧酸(iC₄~iC₆)、不饱和二羧酸〔马来酸(M)、富马酸(F)、柠康酸(mM)〕以及多官能团羧酸〔苹果酸(hC₄)、丙酮酸(Pyr)和乙醛酸(ωC₂)〕的浓度分布. 利用随机森林和多元线性回归方法进一步定量评估了草酸前体物、温度及云水性质(云水中液态水含量、pH、化学组成)对云水中草酸形成的影响. 结果表明:①云水和云间隙颗粒物中草酸的平均浓度分别为431 μg/L和27.28 ng/m3,分别占直链饱和二羧酸浓度的78.9%和70.0%,占水溶性有机碳浓度的2.4%和1.1%. ②云水中C₂/总二羧酸类物质(浓度比)与二羧酸类物质浓度比〔如C₂/(C₃~C₉)、C₂/(iC₄~iC₆)、C₂/(hC₄+Pyr+ωC₂)和C₂/(M+F+mM)〕均呈显著正相关(R2为0.47~0.76, P均小于0.01),表明C₃~C₉、iC₄~iC₆、hC₄+Pyr+ωC₂和M+F+mM可能是云水中草酸形成的重要前体物. ③前体物对云水中草酸浓度变化贡献最大,贡献率为79%,其中hC₄+Pyr+ωC₂是最重要的前体物;其次是云水性质,贡献率为20%;温度的贡献率为1%. 研究显示,云中过程是草酸形成的重要途径,其形成过程受前体物、云水性质和温度等因素的影响.      

复合污染条件下人为源VOCs的SOA生成研究进展

大气细颗粒物(PM_2.5)仍是我国空气质量持续改善的重大挑战.近年来,二次有机气溶胶(SOA)对PM_2.5的贡献日益凸显.因此,深入认识复合污染条件下SOA生成机制和影响因素可以为进一步降低PM_2.5提供重要理论依据.实验室模拟是深入认识SOA生成机制的关键途径,也是模式模拟参数化方案的可靠来源之一.主要综述了我国多污染物共存条件下典型人为源挥发性有机物(VOCs)的SOA生成研究进展,包括汽油蒸气VOCs、生物质燃烧VOCs和含氧VOCs形成SOA过程中,前体物浓度、芳香烃含量、无机气体、种子气溶胶和相对湿度(RH)等不同因素对SOA生成的影响;阐述了实际大气VOCs的SOA生成潜势及其影响因素,最后提出了目前在SOA机制研究方面存在的关键科学问题,并对未来的研究方向进行了展望.     

“J-TECH氨法脱硫及电除雾技术”通过技术评议

正中国环境保护产业协会于2014年1月9日在北京组织召开了广东佳德环保科技有限公司的"J-TECH氨法脱硫及电除雾技术"专家评议会。经专家委员会质询和讨论,该技术最终通过评议。"J-TECH氨法脱硫及电除雾技术"是国家"863"计划课题研究成果的实际应用和创新改进,将改进的氨法脱硫技术与电除雾技术结合使用,脱硫过程中通过加速亚硫酸盐氧化速率提高了氨法脱硫效率,烟气脱硫后又经电除雾器除雾,高效去除了烟气中气溶胶、控制了氨逃逸,副产硫     

模拟放射性气溶胶雾化处理工艺研究

在核设施退役及核应急过程中,放射性气溶胶的快速有效控制是首要任务。采用水性聚氨酯作为压制剂,研究了压制剂用量、雾化压力和气溶胶浓度等工艺条件下模拟气溶胶粉尘颗粒物的凝并及去除效果,获得了优化工艺条件:雾化压力0.3 MPa,水性聚氨酯雾化量/待处理空间容积≥0.09 L/m3时,压制效率达95%;当待处理空间内气溶胶颗粒初始浓度为2 000~15 000 p/cm3时,半值时间变化范围为26.4~59.1 min。     

运动目标检测与跟踪技术研究应用现状与展望

针对目标检测与跟踪技术中单目标或多目标跟踪已有的多种计算方法,分析现有各种方法的特点及发展状况,并对目标跟踪技术的应用情况进行介绍。