该论文发表于2026年6月29日至7月2日在葡萄牙里斯本举行的22nd International Symposium on Application of Laser and Imaging Techniques to Fluid Mechanics（第22届激光与成像技术在流体力学中的应用国际研讨会）。该工作通过研究动态变化喷雾中的测量记忆，为喷雾诊断、喷雾监测和液滴测量提供了新的视角。
会议论文：On the Memory of Measurements in Spray Diagnostics
题目：On the Memory of Measurements in Spray Diagnostics
作者：M.R.O. Panão, P. Rehberg and W. Schäfer
单位：
ADAI, University of Coimbra，葡萄牙
AOM-Systems GmbH，德国
Department of Physics, TU Darmstadt，德国
ai-quanton GmbH，德国
喷雾是高度动态的系统。在测量过程中，喷射压力、流量或测量位置等运行条件可能发生变化。与此同时，测得的液滴粒径、液滴速度和液滴到达率也可能随之演变。因此，喷雾测量并不总能被视为一组相互独立且稳态的事件。
本研究探讨了在测量仍在进行时喷雾发生变化会出现什么情况。研究不再将每个检测到的液滴仅仅视为孤立事件，而是将测量看作一种随时间变化的信息记录。在此背景下，当前的测量可能携带近期过去的痕迹。作者将这一概念称为喷雾诊断中的测量记忆。
其目标是在经典喷雾表征的基础上，增加一个信息动力学表征层。该层用于描述喷雾的信息状态如何随时间变化，以及在后续测量中仍可检测到多少关于先前液滴事件的信息。
基于TSTOF的液滴测量
该实验研究采用时移飞行时间（TSTOF）测量系统对单个液滴进行表征。TSTOF结合了时移原理和飞行时间原理，对液滴穿过整形激光束时产生的随时间变化的光散射信号进行评估。
TSTOF是一种计数式测量技术。它检测单个液滴事件，并通过液滴粒径、液滴速度、到达时间和到达间隔时间等参数对其进行表征。这种基于事件的测量原理特别适合研究喷雾过程的时间结构。
实验装置由闭环喷雾室、TSTOF测量探头和Lechler扇形喷嘴组成。压力、流量和测量位置与液滴测量数据一同记录。测量位置在50 mm范围内变化，喷雾压力在2至6 bar之间调节。
共进行了85次测量：81次静态测量和4次动态测量。静态测量期间，运行条件保持不变；动态测量期间，在持续记录液滴数据的同时改变选定的参数。
超越经典统计的喷雾监测
经典喷雾诊断通常使用液滴粒径和速度的平均值、分布及统计矩来描述喷雾。这些参数仍然必不可少，但它们未必能描述喷雾内部完整的多样性，也无法反映这种多样性在测量过程中如何演变。
例如，两种不同的液滴粒径或速度分布可能得出相近的平均值，却代表着不同的喷雾状态。如果喷雾在数据采集期间发生变化，累积统计量对这些变化的反应也可能较为迟缓。
因此，里斯本会议论文引入了一种基于信息论和信息动力学的补充描述方法。各个粒径、速度和时间类别被解释为喷雾可能的微观状态，它们的联合统计分布则代表局部喷雾的信息宏观状态。
这一附加层并不取代平均液滴直径或平均速度等既有参数，而是通过描述测量数据中所包含的多样性及其时间演变，对这些参数加以补充。
信息度（Informature）与测量记忆
本研究的一个核心概念是信息度（informature），用于量化与测得喷雾特征分布相关的信息量。论文还评估了信息度的微分形式，以跟踪喷雾信息状态的变化。
实验结果表明，喷射压力的变化会显著改变液滴速度以及喷雾的信息状态。常规平均值描述的是速度的偏移，而基于信息的参数则提供了另一项度量，用以描述测得液滴群多样性的变化情况。
该工作提出的第二个重要概念是测量记忆痕迹。每个液滴事件通过液滴粒径、速度和到达间隔时间来描述，然后利用互信息研究相邻事件之间的关系。
简而言之，该方法要回答的问题是：当前液滴事件中已经包含了多少关于下一个被测液滴的信息？
为了将真实的时间关联与有限样本量造成的相关性区分开来，研究将测得的事件序列与随机置换后的序列进行比较。由此得到的校正记忆痕迹为喷雾测量中的时间依赖性提供了定量度量。
检测喷雾中的动态变化
实验表明，喷雾运行条件的突然变化会在校正记忆痕迹中引起特征性响应。在相对稳定的运行条件下，校正记忆痕迹保持在接近零的水平；而当喷雾发生快速转变时，记忆信号中可能出现明显变化。
渐进式转变则更为复杂。在这种情况下，需要将记忆痕迹与信息度的演变结合起来解读。这种结合能够更完整地描述喷雾在测量过程中的演变。
关键在于，喷雾测量不再仅仅被视为一个最终的统计结果，而是被看作一个不断演变的液滴事件序列，其时间顺序本身就包含有用的信息。
对实时喷雾诊断的意义
这一概念对于实时喷雾诊断和喷雾监测尤为重要。工业和科研中的喷雾经常在瞬态或非稳态条件下运行。因此，测量系统不仅需要确定实际的液滴粒径和速度，还需要识别其背后的喷雾状态是否正在发生变化。
将常规液滴表征与基于信息的分析相结合，可以进一步揭示喷雾的转变过程，而这些转变仅凭平均参数可能难以识别。
潜在应用包括模型验证、传感器开发、过程监测、过程控制、雾化研究以及动态变化喷雾的表征。
喷雾表征的新层面
在里斯本发表的这项工作为经典的基于TSTOF的液滴测量增加了一个信息动力学时间表征层。其目的不是取代既有的喷雾参数，而是补充有关测量时间结构的信息。
这样一来，不仅可以根据喷雾当前的状态（例如其液滴粒径和速度分布）对其进行表征，还可以根据它如何随时间变化，以及其近期测量历史在当前信号中仍可检测到多少，来对其进行表征。
这一概念为基于激光的喷雾诊断开辟了新的研究方向：喷雾被视为复杂的、不断演变的系统，而不仅仅是稳态的统计集合。
