韦伯分布在非线性寻优问题中具有较好的寻优精度和全局搜索能力,为此提出一种基于韦伯分布的布谷鸟搜索(WCS)算法来解决颗粒粒径分布反演的问题。使用WCS算法对服从Johnson’s S_B分布、Rosin-Rammler分布和正态分布的单峰颗粒系和双峰颗粒系进行颗粒粒径分布的反演,并分别与其他传统算法的处理结果进行比较。结果表明,WCS算法的整体效果优于人工鱼群算法和人工蜂群算法,且改进后的4种重尾分布CS算法的标准差比原CS算法提升2~3个数量级。目标函数散射光能加入噪声后,WCS算法比其他三种重尾分布的相对均方根误差值至少可降低1/2。使用小角前向散射测量系统对单峰颗粒系和双峰混合颗粒系进行实验研究,发现WCS算法的相对均方根误差比原CS算法降低约为40%。

为了研究消光光谱颗粒粒径测量方法影响因素, 搭建了消光光谱颗粒粒径测量实验系统, 建立了非线性最小二乘颗粒粒径反演算法, 并选用900 nm、2.1 μm与5.1 μm三种标准颗粒作为待测颗粒样品, 开展了不同波段范围、波长选取数及颗粒浓度下消光光谱颗粒粒径测量实验研究。结果表明: 消光光谱颗粒粒径测量过程中, 光谱波长范围、波长数以及颗粒浓度等参数的选取均会对反演精度造成较大影响; 光谱信噪比是光谱波长范围选取的重要指标; 存在光谱波长选取数精度阈值, 采用该阈值进行颗粒粒径反演, 既可以保证测量精度, 又可以避免光谱数据冗长导致反演计算速度降低; 颗粒粒径反演选取待测颗粒系消光值约0.75时达到最佳。

Tikhonov与截断奇异(TSVD)正则化是动态光散射数据反演中的两种重要方法, 不同的正则化方法会对噪声DLS数据测量结果产生不同的影响。分别采用二阶差分矩阵的Tikhonov与TSVD方法, 在6种噪声水平下, 对宽窄不同的单峰与双峰分布颗粒进行了反演研究。结果表明: Tikhonov具有较好的光滑性; 对于单峰分布颗粒, TSVD峰值误差更小、对于窄分布以及强噪声宽分布颗粒系反演, 其抗噪性能更强、反演误差更小; 对于双峰分布颗粒, Tikhonov具有较小的反演误差、较强的双峰分辨能力与抗噪声能力; 对于窄分布颗粒的反演, 一般TSVD峰值误差更小。在同样噪声情况下, Tikhonov与TSVD的双峰分辨力与颗粒的粒径峰值比有关。Tikhonov双峰分辨力较强, 能够分辨出峰值比较低的颗粒。对实测200 nm单峰颗粒进行反演, Tikhonov、TSVD的反演峰值误差分别为3％和1.85％, TSVD峰值位置更准确, 能够验证模拟数据的结论。

在大反演范围内, 小波正则化反演(WRIM)是一种改进动态光散射(DLS)数据反演精度的有效方法, 但该方法对强噪声及双峰颗粒数据的反演精度偏低。在WRIM基础上, 结合传统的单尺度Tikhonov、 截断奇异值分解(TSVD)正则化在动态光散射反演中的优点, 提出了一种Tikhonov-TSVD-WRIM(TTWRIM)多尺度动态光散射反演方法。该方法首先将Tikhonov用于粗尺度反演范围的自适应调整, 然后将TSVD用于细尺度反演, 并对反演结果进行五点三次平滑处理。在0.001、0.005及0.01三种噪声下, 分别采用Tikhonov、TSVD、WRIM及TTWRIM四种方法对模拟数据进行了反演, 结果表明, TTWRIM反演精度更高、抗干扰能力及双峰分辨力更强。最后, 实测颗粒的反演也验证了模拟数据的结论。在［1 nm,2000 nm］的反演范围内, TTWRIM对300 nm单峰及100~500 nm双峰实测颗粒的反演峰值误差分别为0.18％和2.81％。

双峰分布数据的反演是动态光散射中的难点，在双峰分布数据反演中经常采用Tikhonov正则化方法，但不同正则矩阵对反演结果的影响还不明确。分别采用单位矩阵L1、一阶差分矩阵L2、二阶差分矩阵L3，在6种噪声水平下，对两种双峰分布颗粒进行了反演研究，模拟数据表明：随着噪声水平的增加，双峰分辨力下降，光强比越接近、颗粒越大，算法抗干扰能力越强；在同等噪声情况下，矩阵L3的双峰分辨力最好、反演误差最小，L1双峰分辨力最差、反演误差最大；L3能够分辨出的峰值粒径比最低，L1最大。同等噪声水平下，峰值粒径比越大，双峰分辨力越强。因此在处理有噪声数据时，为保证反演结果的准确性，应优先选择L3。最后通过实验数据的反演结果验证了模拟数据的结论。

多角度动态光散射（MDLS）颗粒测量技术因测量角度的增加，引入了较单个测量角度更多的基线测量噪声，从而导致反演得到的颗粒粒度分布（PSD）在大颗粒粒度处出现虚假峰值。针对此问题，提出MDLS中的基线误差补偿技术。首先根据各测量角度PSD虚假峰值对应的颗粒粒度光强百分比的变化，确定各角度最合适的基线误差补偿值,利用补偿值对各测量角度基线误差补偿并修正光强自相关函数，然后通过恰当的权重系数，将各个角度补偿后的光强自相关函数结合到一个数据分布中，最后利用正则化算法进行反演。对300 nm与600 nm的双峰模拟分布的颗粒体系和306 nm与974 nm的双峰实测分布的聚苯乙烯颗粒体系分别在六个和五个角度进行测量，反演结果表明，采用基线误差补偿技术后能够更好地从含噪声的光强自相关函数数据中反演得到双峰分布。

为了提高动态光散射（DLS）粒径反演精度，考虑到粒径分布（PSD）的非负性及截断奇异值反演（TSVD）法的抗干扰性，比较了信赖域法(Trust)及内点牛顿法(IPN)非负约束的TSVD反演的特性，并结合两者特性，提出了一种Trust与IPN相结合的截断奇异值(Trust-IPN-TSVD)粒径反演方法。该方法继承了Trust-TSVD及IPN-TSVD方法的优点。通过模拟200~500 nm单峰、100~700 nm双峰分布颗粒Trust、IPN及Trust-IPN三种TSVD方法的反演结果可以看出：相对于 Trust-TSVD, Trust-IPN-TSVD最多分别可改善单峰、双峰分布颗粒反演PSD峰值误差、相对误差为1.68%、0.2461，1.41%、0.0587，且它的PSD更平滑；相对于IPN-TSVD, Trust-IPN-TSVD最多可改善单、双峰分布颗粒反演PSD峰值误差、相对误差为4.52%、3.710，9.47%、0.4229，且它的PSD明显变窄。因此，Trust-IPN-TSVD法的反演PSD具有较高的精度及较好的平滑性，更符合理论分布。最后实测颗粒的反演结果证实了该结论。

与单角度动态光散射技术相比，多角度动态光散射(MDLS)颗粒测量技术能够提高颗粒粒度分布的测量准确性。但在MDLS技术中，测量角度的选择常常与被测颗粒体系的分布有关。对100 nm、500 nm的单峰模拟分布和300 nm与600 nm混合的双峰模拟分布的颗粒体系，分别在1、3、6、9个散射角条件下进行了测量。颗粒粒度反演结果表明，随着散射角个数的增大，颗粒粒度分布更趋于真实的颗粒粒度分布。对数量比为51的100 nm与503 nm双峰分布的聚苯乙烯颗粒，分别在1、3、5、10个散射角条件下进行了测量，实测结果表明采用单角度测量只能得到单峰分布，3个及更多散射角可得到双峰分布，并且双峰的数量比随散射角数量的增加逐渐趋近真实的数量比。因此，MDLS颗粒测量技术能够改善颗粒粒度分布的测量结果，但这种改善程度会随散射角的增多逐渐降低。由于散射角个数的增多会增加散射角的校准噪声和光强相关函数的测量噪声，因而会导致在有些情况下颗粒粒度分布的测量结果反而变差。