编辑推荐：
针对可持续航空燃料（SAF）燃烧产生的超细颗粒物（UFP）特性与现有测量系统不匹配的问题，本研究系统评估了稀释、传输和测量环节的误差来源，提出背景污染净化、仪器校准及基于粒子尺寸分布（PSD）的损失修正模型，使稀释因子DF1的不确定性降低73.8%，CPC计数相对误差降至2.124%，并建立R2>0.95的PSD修正模型，有效提升SAF排放测量准确性和重复性，验证了PSD数据在排放认证中的必要性。
杨张|宋建宇|方杰|李国|史文涛|王明珠|范玉坤|徐正|陈龙飞
北京航空航天大学天目山实验室，杭州，311115，中国
摘要
飞机发动机排放的非挥发性颗粒物（nvPM）对环境和健康构成了重大挑战，这促使国际上制定了严格的适航标准。然而，以往的研究并未充分量化系统级别的测量误差，通常直接将专为传统航空燃料（CAF）设计的商用仪器应用于可持续航空燃料（SAF）。鉴于SAF颗粒具有独特的特性，包括更小的尺寸、更集中的分布和独特的形态，现有nvPM测量系统的适用性需要严格评估。本研究全面评估了测量链中稀释、传输和测量阶段的误差来源，并提出了合规性改进方法，包括背景污染净化、仪器校准和基于颗粒尺寸分布（PSD）的损失校正模型。这些策略将DF1稀释因子的不确定性降低了73.8%，并将冷凝粒子计数器（CPC）的相对误差降低了2.124%。此外，还开发了一种基于PSD的拟合校正方法来解决穿透损失问题，相关系数（R2）超过了0.95。使用RP-3和HEFA-SAF进行的实验验证表明，这些方法有效提高了测量的重复性和准确性，使排放指数（EI）的变异系数（CV）降低了50%以上，测量误差降低了24%。值得注意的是，研究表明SAF的微观特性与传统燃料有显著差异，表现为峰值颗粒尺寸减少了约50%，数量浓度降低了一个数量级，且尺寸分布更加均匀，几何平均直径（GMD）和几何标准差（GSD）也有所减小。然而，在高推力条件下，SAF排放物中超细颗粒的比例较高，这增加了对传输损失的敏感性，因此未来标准需要扩大CPC的检测范围，并采用基于完整颗粒尺寸谱的统一损失校正模型。本研究为提高nvPM测量的准确性提供了一个经过验证的框架，并支持将PSD纳入适航认证中。
引言
飞机发动机作为现代航空运输的核心推进系统，在推动全球经济增长的同时，也导致了严重的环境污染（张等人，2024年）（宋等人，2025年）（周等人，2021年）。随着全球环境问题的加剧，飞机发动机排放的颗粒物（PM）受到了学术界和监管机构的更多关注。特别是超细颗粒（UFPs），由于其体积小和比表面积大，能够深入呼吸系统并进入血液，对公众健康构成严重威胁（崔等人，2024年）（华强等人，2023年）。此外，PM在大气中的持续存在会通过改变云的特性和辐射平衡间接影响气候系统（刘等人，2025年）（安等人，2025年）。
为应对与航空PM相关的健康和环境风险，国际民航组织（ICAO）、美国环保署（EPA）和欧洲航空安全局（EASA）等机构实施了越来越严格的排放标准（贝桑等人，2022年）（萨法里普尔等人，2020年）。最初，法规依靠烟数（SN）来控制可见排放（国际民航组织，2008年）。然而，SN无法准确表征现代发动机排放的超细颗粒，这些颗粒对气候和健康构成重大风险（斯特特勒等人，2013年）。因此，人们开发了基于SN预测nvPM的模型，研究表明一阶近似（FOA3）在各种燃料组成下仍然有效（西蒙等人，2017年）。2017年，ICAO首次将nvPM的质量和数量浓度纳入认证标准（国际民航组织，2017年），建立了明确的定量限制以控制超细颗粒排放（余和米亚克-莱，2024年）。SAE ARP6320（SAE，2018年）和ARP6481（SAE International，2024年）详细规定了标准化的采样方法和校正颗粒损失的过程。然而，当前监管框架的一个关键局限性是缺乏对颗粒尺寸分布（PSD）测量的要求。相反，法规依赖于假设的颗粒分布来进行系统损失校正。正如最近的研究所强调的，缺乏PSD测量数据会导致在准确量化排放及其环境和气候影响方面存在不确定性，这表明未来的标准需要纳入PSD要求（杜尔迪纳等人，2024年）。
随着适航标准的日益严格，大量研究集中在验证和表征飞机nvPM测量上。王等人（2024年）系统地量化了标准采样系统中的颗粒损失机制，验证了热泳预测模型。关于系统一致性，洛博等人（2020年）展示了不同参考系统之间的高一致性，而金赛等人（J K等人，2020年）指出尽管总体符合要求，但某些商用仪器可能是质量测量差异的潜在来源。为了解决准确性问题，杜兰德等人（埃利奥特等人，2023年）提出了基于测量PSD的损失校正方法，其性能优于监管标准，利德斯通-莱恩等人（2024年）强调了非导电管道中静电损失的重要性。补充这些方法学研究的是，徐等人（2024a）表征了不同发动机类型排放物的推力依赖性形态，阿加瓦尔等人（阿克沙特等人，2019年）制定了估算黑碳质量的方法。现有文献主要侧重于验证现有模型或直接应用商用仪器，假设它们完全满足合规要求。在复杂的实验设置中，系统性地研究改进合规性方法以减少测量误差和确保数据一致性方面明显不足。
尽管存在经济和政策挑战，但SAF的应用被广泛认为是减轻航空排放的关键策略（崔和陈，2024年）（沃森等人，2024年）（徐等人，2025c）。大量研究量化了SAF在各种发动机类型中的益处。杜尔迪纳等人（卢卡斯等人，2021年）（杜尔迪纳等人，2025年）证明，在涡扇发动机中使用HEFA混合物可显著减少nvPM的质量和数量，同时观察到颗粒尺寸分布（PSD）的变化。同样，徐等人（2025a）（徐等人，2025b）确认使用100% SAF的活塞发动机实现了显著的排放减少和纳米结构变化，而罗坎普等人（2025年）报告称由于缺乏芳香烃，涡轴发动机的质量减少了92%。在这些研究中，主要使用为传统航空燃料（CAF）校准的商用仪器进行测量，对其在SAF上的适用性评估有限。SAF燃烧产生的颗粒具有与CAF不同的特性，具体表现为更小的GMD、更窄的分布和改变的形态（杜尔迪纳等人，2024年）（埃利奥特等人，2023年）。因此，这样的测量可能会表现出更高的数据波动性和较低的重复性。此外，超细颗粒的主导地位使得SAF排放更容易受到传输损失和检测限制的影响，使得传统的损失校正模型可能不够准确。本研究通过系统评估SAF测量系统的合规性，量化与这些独特颗粒特性相关的误差来源，以确保可靠的监管评估，从而解决了这些问题。
以往的研究直接使用了具有不同且未经表征合规性的商用排放测量仪器。此外，SAF颗粒的物理化学特性与CAF不同，具体表现为更小的GMD、更窄的PSD和改变的形态。直接应用现有的nvPM测量框架需要进行适用性评估。至关重要的是，本研究通过实验发现，引入SAF会降低测量的重复性，从而导致SAF排放评估的不准确性。为了解决这些限制，本研究对nvPM测量系统的合规性进行了全面的定量评估，并提出了一种涵盖稀释、传输和测量阶段的系统改进方法。具体而言，本研究通过最小化稀释比不确定性和CPC测量误差来细化误差表征，同时建立了一个基于PSD的拟合校正模型，以准确考虑尺寸依赖的穿透损失。实验验证表明，这种合规性改进方法有效降低了测量标准差和误差，从而解决了SAF nvPM测量重复性和系统适应性的问题。通过显著提高测量重复性和减少误差，本研究为准确量化SAF排放及其在未来适航认证标准中的整合提供了必要的理论和实践基础。
部分摘录
测量系统架构和设计原则
实验设置使用了AVL498测量系统，该系统根据ICAO附件16的规定量化nvPM的质量和数量浓度，如图1所示。如图2所示的物理实现中，样品气体进入前端盒，在那里与加热至60 ± 15°C的氮气稀释剂混合，调节流量为25 ± 2 SLPM。然后样品通过一条24.5 ± 0.5米的加热管线传输，以减少热泳损失，随后通过
仪器校准和合规性改进
飞机发动机nvPM排放的适航认证核心在于测量仪器的合规性。在表5的基础上，本研究建立并验证了一种提高合规性的方法论框架，为未来更严格的航空排放法规的发展提供了关键支持。
基于合规性改进的排放指数比较
本研究旨在调查nvPM测量系统的验证和确认对飞机发动机排放测试结果的潜在影响。基于图19所示的缩放涡扇发动机，其特性参数列在表10中，使用nvPM测量系统在验证和确认前后获得了PM EIm和EIn的实证数据。本研究系统地评估了测量系统验证的定量影响
现有测量系统对SAF的适用性评估
SAF的广泛采用是航空工业脱碳战略的基石。尽管大量研究量化了SAF相比CAF在nvPM质量和数量排放方面的显著减少（徐等人，2025a）（徐等人，2025b）（罗坎普等人，2025年），但SAF衍生PM的独特物理化学特性对现有监管测量框架的适用性提出了挑战。我们的实验结果证实了SAF燃烧
结论
- (1)
本研究对nvPM测量系统合规性链中的关键环节的误差进行了系统的定量评估，并提出了有效的优化方法以提高整体合规性水平。具体来说，实施稀释器喷嘴清洁将DF1稀释因子的不确定性降低了73.8%；CPC计数校准将相对误差从7.074%降低到2.124%；此外，为VPR建立的校正模型（R2 > 0.95）显著
CRediT作者贡献声明
杨张：撰写 – 审稿与编辑、调查、数据管理、概念化。宋建宇：撰写 – 原稿撰写、可视化、数据管理。方杰：验证、方法论。李国：正式分析、数据管理。史文涛：可视化、资源管理。王明珠：验证、调查。范玉坤：资源管理、方法论。徐正：撰写 – 审稿与编辑、监督、项目管理、方法论、资金获取。陈龙飞：可视化、数据管理，
利益冲突声明
作者声明他们没有已知的财务利益或个人关系可能影响本文报告的工作。
致谢
本研究得到了杭州重点科学研究计划项目 [2024SZD1B22]、国家自然科学基金（项目编号 [U2233213] [52576159] [U2333217] [52206131]）、国家重点研发计划（项目编号 [2022YFB2602000）、北京自然科学基金（项目编号 [3252027] 和 浙江省自然科学基金（项目编号 [ZCLZ26E0601）的资助。
