我国针对环境空气颗粒物污染治理的政策日益严格。为解决工业现场长期测量稳定性的问题，国内外研究者提出采用鞘流结构来制约颗粒物重叠和光腔污染的方案。从光腔结构、质量浓度计算方法和气路结构三方面入手，对传感器的测量精度和抗污染性进行优化。基于光学追迹，对光腔结构进行模拟，以实现散射光的最佳收集效果；通过修正特征参数，降低传感器的测量误差；设计简易内循环模式的鞘气保护结构，降低由颗粒重叠导致的测量误差并对光腔进行保护；研究上述结构下气体流速对总尘浓度（TSP）、PM₁₀和PM_2.5检测结果的影响，设置最优的气泵流量。实验结果表明，得到了高稳定性的气溶胶浓度传感器，可同时测量TSP、PM₁₀和PM_2.5的质量浓度，测量误差小于±5%。

针对基于高光谱数据的悬浮物浓度反演问题,提出一种利用预训练神经网络(PNN)进行有监督波段选择的方法,并使用随机森林和神经网络建立悬浮物浓度反演模型。 PNN算法需进行多次重复实验以获得低噪声且充分的波段重要性表达,在每次实验时选取适当数量的波段作为神经网络输入数据的特征,训练一个神经网络,并利用最后一期训练时第一层权重的L1范数、L2范数和ReLU(Rectified Linear Unit)函数来表示波段的重要性。实验结果表明,相比其他常用的波段选择算法,使用L1范数、L2范数的PNN算法能够得到信息量更大的波段集合,且其用于悬浮物浓度反演时,能够获得更优的效果。

研究了光全散射法在大范围空间颗粒物浓度监测中的应用及实现。借助于结构设计和调制解调技术去除环境中背景光对光电转换的影响, 为避免光源光强的波动对系统稳定性的干扰, 采取光强反馈措施进行补偿。应用多波长消光法, 结合Lambert-Beer定律和Mie散射理论, 实现开放空间颗粒物浓度值的测量。将系统的计算结果和标准仪器进行实时对比, 二者的Pearson相关系数为0.988 9, 数据有较好的一致性, 系统量程可达0~400 mg/m3, 响应时间为1 min。为大范围空间颗粒物质量浓度的监测提供了一种快速、实时的手段。