动画：PTA2的工作原理
PTA2同时记录两路光学探测器信号。这些信号不会立即被简化为单个液滴或颗粒的参数，而是在规定的采集时间间隔内被保留下来，并转换为多维表示，用于ParticleTensorAI®分析。
第二个探测器通道提供了关于同一喷雾或颗粒流的附加信息。因此，AI模型不仅可以分析每个信号序列的结构，还可以分析两个同步探测器通道之间的关系。
PTA2系统配置
PTA2由LSS2光学测量探头、IMEA控制与采集单元以及ParticleTensorAI®分析软件组成。
ParticleTensorAI®软件
测量原理
LSS2光学探头生成特定形状的照明场。穿过测量区域的液滴或颗粒将光散射至两个光学探测器通道。
颗粒在空间照明场中的运动会产生具有特征的、随时间变化的光散射信号。两个探测器通道同步记录同一测量过程的信息。
在PTA2运行模式下，IMEA在规定的采集时间间隔内保留这些信号。随后，同步信号流被转换为ParticleTensorAI®模型所使用的数据表示。
颗粒 → LSS2 → 两路同步信号流 → IMEA缓存 → ParticleTensorAI® → AI结果
双通道ParticleTensorAI®
PTA2的决定性特征是同时采集两个时间分辨的探测器通道。
第二个探测器通道并不只是测量结果的简单副本。根据光学布置的不同，两路信号可以包含有关颗粒通过、信号形状、强度、时序以及被测颗粒群光学响应的互补信息。
因此，ParticleTensorAI®模型可以分析：
- 每个探测器通道内的信号结构
- 信号幅值和波形形状
- 时间信号序列
- 探测器通道之间的时间关系
- 颗粒或液滴事件密度
- 相互重叠的信号结构
- 每个采集时间间隔内的统计模式
- 两个同步探测器通道之间的关系
从两路信号流到多维张量
ParticleTensorAI®无需将两路探测器信号立即简化为少量预定义的数值参数，而是可以保留更大部分的测量信号信息。
同步的探测器数据在规定的测量时间间隔内被采集，并组织成多维表示。这种表示使AI模型能够同时处理时间信息和探测器之间的关系。
探测器1 + 探测器2 → 缓存的测量时间间隔 → 多维表示 → AI模型 → 分类结果或过程参数
具体的张量结构可根据测量任务、采集配置和AI模型进行调整。
无触发信号分析
PTA2可以分析缓存的信号序列，而无需在AI评估之前逐一识别每个液滴或颗粒事件。
当颗粒事件快速相继发生、信号幅值变化或多个光散射信号相互重叠时，这一点尤为有利。
ParticleTensorAI®不会因为单个信号无法始终被可靠分离而舍弃复杂的测量时间段，而是保留这些结构并将其提供给AI模型。
基于AI的评估
PTA2专为基于AI的评估而设计。双通道光学信号结构与所需测量结果之间的关系通过合适的参考数据学习获得。
根据具体应用，可以开发AI模型来区分不同的喷雾工况、颗粒群、材料或过程状态。
第二个探测器通道增加了模型可用的测量信息量，并可提供单通道配置中所不具备的附加特征。
可能的测量与分析结果
可获得的输出取决于光学配置、训练数据、参考信息以及为该应用开发的AI模型。
PTA2的可能应用包括：
- 喷雾工况分类
- 颗粒或液滴分类
- 过程变化检测
- 雾化器运行条件比较
- 与材料相关的喷雾表征
- 颗粒光学特性变化分析
- 稳定与不稳定喷雾工况监测
- 基于AI的质量监测
- 趋势与过程状态分析
与材料相关的表征
光散射信号不仅取决于液滴或颗粒的粒径和速度，光学特性和与材料相关的特性也会影响测得的信号结构。
借助两个同步探测器通道，PTA2可提供有关这些光学相互作用的附加信息。AI模型可以研究材料成分或颗粒特性的变化是否会在一个或两个信号通道中产生特征性变化。
这使PTA2适合作为开发平台，用于超越传统颗粒粒径和速度分析的测量任务。
AI模型开发
PTA2需要能够代表目标测量任务的训练和验证数据。在开发过程中，在规定的参考条件下记录同步光学信号，并将其分配给已知的类别或参考量。
使用部分测量数据集训练模型，随后使用未参与训练的独立数据对模型进行验证。
重要因素包括：
- 参考测量的质量
- 运行条件的范围
- 材料和光学特性
- 光学配置的稳定性
- 两个探测器通道之间的关系
- 测量案例的数量和多样性
- 所选的AI模型架构
- 训练条件与应用条件之间的相似性
因此，针对客户的特定应用可能需要单独开展测量、训练和验证工作。
LSS2光学探头
LSS2是PTA2所使用的双通道光学测量探头。它生成测量区域，并提供两路同步的时间分辨光散射信号。
光学探头通过光纤与IMEA连接，从而可将测量位置与采集和处理电子设备分开布置。
| 参数 | LSS2 |
|---|---|
| 测量原理 | 时间分辨光散射 |
| 有效探测器通道 | 2 |
| 波长 | 405 nm |
| 尺寸 | 约131 × 117 × 30 mm（长 × 高 × 宽） |
| 兼容的控制单元 | IMEA |
IMEA控制单元
IMEA控制单元提供同步双通道采集、缓存、处理、主机通信，以及用于实验室或工业集成的接口。
在PTA2运行模式下，IMEA被配置为保留同步的光散射信号序列以供ParticleTensorAI®分析，而不是立即将测量结果简化为单个颗粒参数。
| 参数 | IMEA |
|---|---|
| 光学信号输入 | 2 |
| 主机通信 | 以太网 |
| 数字输入 | 4 × 24 V |
| 数字输出 | 4 × 24 V |
| 模拟输入 | 4 × 4–20 mA |
| 模拟输出 | 4 × 4–20 mA |
| 触发 | 触发输入和输出 |
| 尺寸 | 251 × 211 × 109 mm |
过程监测
PTA2可以在喷雾或颗粒过程运行期间分析连续的测量时间段。每个时间段都可由训练好的AI模型进行评估，并转换为针对具体应用的过程结果。
可能的输出包括分类结果、预测参数、概率值、趋势信息，或描述相对于参考状态变化的指标。
当不同过程或材料状态之间的差异体现在测得的光学信号中时，两个探测器通道所提供的附加信息有助于更好地区分这些状态。
工业集成
PTA2可集成到实验室试验台、开发装置、喷涂设备、雾化器和工业生产系统中。
IMEA提供与外部设备交换测量结果、状态信息和控制信号的接口。
- 以太网通信
- 数字输入和输出
- 4–20 mA模拟输入和输出
- 外部触发输入和输出
- 传输AI生成的过程值
- 集成到监测和自动化系统中
PTA2的典型应用
- 基于AI的喷雾分类
- 涂料与涂装工艺监测
- 与材料相关的喷雾表征
- 过程变化检测
- 雾化器运行条件比较
- 质量监测
- 复杂喷雾状态分析
- 多通道光学颗粒特征信号研究
- 开发针对具体应用的AI模型
- 工业过程监测
针对具体应用的配置
PTA2可根据测量任务进行调整。最终配置取决于喷雾或颗粒系统、材料、光学特性、预期浓度、运行条件、安装环境、可用的参考数据以及所需的分析结果。
可能的调整包括：
- 光学探头几何结构
- 工作距离
- 测量区域
- 探测器布置
- 机械集成
- 光学配置
- 采集时间间隔
- 缓存配置
- 张量表示
- AI模型
- 输出参数
- 工业接口
PTA2与SQA2采用相同的硬件平台
PTA2与SprayQuantAI® SQA2采用相同的LSS2光学探头和IMEA控制单元硬件，区别在于两路同步信号的采集和评估方式。
| 参数 | SQA2 | PTA2 |
|---|---|---|
| 光学探头 | LSS2 | LSS2 |
| 控制单元 | IMEA | IMEA |
| 探测器通道 | 2 | 2 |
| 基本数据单元 | 单个颗粒事件 | 缓存的同步信号序列 |
| 评估理念 | 单事件评估 | 基于张量的AI分析 |
| 评估 | 经典方法或基于AI | 基于AI |
| 典型侧重点 | 液滴定量测量与喷雾监测 | 复杂信号、材料与过程表征 |
因此，硬件保持不变，而固件、采集流程、数据表示和评估软件决定了该平台是作为SQA2还是PTA2运行。
PTA1还是PTA2？
ParticleTensorAI®各标准配置的主要区别在于同步光学探测器通道的数量，因而也在于AI模型可获得的光学信息量。
| 系统 | 光学探头 | 控制单元 | 探测器通道 | 特点 |
|---|---|---|---|---|
| PTA1 | LSS1 | ZEON | 1 | 紧凑型单通道配置 |
| PTA2 | LSS2 | IMEA | 2 | 两个同步光学通道 |
PTA1是最紧凑的配置。PTA2增加了第二个同步光学通道，使AI模型能够分析探测器之间的关系。
科学背景
ParticleTensorAI®建立在时间分辨光散射测量、基于机器学习的颗粒表征以及复杂光学信号数据的AI辅助分析等研究基础之上。
相关研究探讨了如何将液滴和颗粒的光学信号不仅用于传统的颗粒测量，还用于检测与材料和过程相关的信息。
精选参考文献
[1] Schaefer, W.; Li, L. Particle characterization by analyzing light scattering signals with a machine learning approach. Applied Optics 2024, 63(29), 7701–7707. https://doi.org/10.1364/AO.531346
[2] Schaefer, W.; Fleck, S.; Haas, M.; Jakobs, T. Optical measurement method for monitoring high-mass-concentration slurry sprays: An experimental study. Photonics 2025, 12(7), 673. https://doi.org/10.3390/photonics12070673
[3] Schäfer, W.; Jakobs, T.; Stegmann, P. AI-assisted monitoring of coal particles within droplets in a coal monoethylene glycol slurry spray. 41st International Symposium on Combustion, Kyoto, Japan, 2026. KITopen ID 1000196272. https://doi.org/10.5445/IR/1000196272
相关页面
如需针对具体应用的PTA2配置，请联系ai-quanton，并提供有关喷雾或颗粒系统、材料、运行条件、可用参考数据以及所需分析结果的信息。