下载:
![](data:image/svg+xml,<svg xmlns='http://www.w3.org/2000/svg' width='210' height='179'><foreignObject width='2000' height='100%'><div xmlns='http://www.w3.org/1999/xhtml' style='font-size:16px;font-family:Helvetica'><table>
<thead>
<tr align="center">
<td class="table_top_border" rowspan="2">案例</td>
<td class="table_top_border" colspan="7"><i>t</i>/s</td>
</tr>
<tr align="center">
<td class="table_top_border2">DAS</td>
<td class="table_top_border2">DAMAS</td>
<td class="table_top_border2">DAMAS2</td>
<td class="table_top_border2">SC-DAMAS</td>
<td class="table_top_border2">SC-RDAMAS</td>
<td class="table_top_border2">CMF</td>
<td class="table_top_border2">CLEAN-SC</td>
</tr>
</thead>
<tbody>
<tr align="center">
<td class="table_top_border2" align="left">1<sup>[<span class="xref"><a href="#b5" ref-type="bibr">5</a></span>]</sup></td>
<td class="table_top_border2">0.30</td>
<td class="table_top_border2">78.00</td>
<td class="table_top_border2">-</td>
<td class="table_top_border2">12.30</td>
<td class="table_top_border2">-</td>
<td class="table_top_border2">69.20</td>
<td class="table_top_border2">1.20</td>
</tr>
<tr align="center">
<td align="left">2<sup>[<span class="xref"><a href="#b5" ref-type="bibr">5</a></span>]</sup></td>
<td>0.60</td>
<td>138.00</td>
<td>-</td>
<td>31.80</td>
<td>-</td>
<td>123.50</td>
<td>1.60</td>
</tr>
<tr align="center">
<td align="left">3<sup>[<span class="xref"><a href="#b7" ref-type="bibr">7</a></span>]</sup></td>
<td>-</td>
<td>240.00</td>
<td>2.20</td>
<td>-</td>
<td>-</td>
<td>-</td>
<td>4.20</td>
</tr>
<tr align="center">
<td class="table_bottom_border" align="left">4<sup>[<span class="xref"><a href="#b10" ref-type="bibr">10</a></span>]</sup></td>
<td class="table_bottom_border">1.39</td>
<td class="table_bottom_border">10.28</td>
<td class="table_bottom_border">-</td>
<td class="table_bottom_border">-</td>
<td class="table_bottom_border">917.40</td>
<td class="table_bottom_border">> 1 000.00</td>
<td class="table_bottom_border">-</td>
</tr>
</tbody>
<tfoot>
<tr>
<td colspan="8">说明："-"代表该案例中未见相关结果</td>
</tr>
</tfoot>
</table></div></foreignObject></svg>)
-
噪声水平是衡量机械产品的重要环保指标，欧美国家建立了大量的相关技术标准作为市场准入的环保条件，这对国产林用机械产品的出口形成了无形的壁垒。为降低机械噪声水平，目前主要是通过声源识别定位方法进行噪声源识别定位，然后采取针对性手段降噪。波束形成法具有计算快、测量方便等优点，对静止或运动的中高频、远距离声源都有很好的识别能力[1]。传统波束形成法（delay and sum beamforming，DAS）不仅在真实声源位置输出具有一定宽度的主瓣，还在非声源位置输出旁瓣，为防止过大的旁瓣导致混淆或湮灭主瓣[2]，如何控制旁瓣水平是当前国内外研究热点[3]。2004年，美国BROOKS等[4]首先提出了反卷积波束形成法（deconvolution approach for the mapping of acoustic sources method，DAMAS），此法显著控制了旁瓣水平，克服了传统波束形成法的局限性，近10 a取得了快速发展。本文从反卷积波束形成法理论原理及现有反卷积波束形成法的对比这2个方面来概述。
-
反卷积波束形成法是一种逆问题求解算法。该算法以传统波束形成作为预处理，得到所有扫描点的均方声压值。假设对流层和剪切层折射并不影响噪声传播到麦克风阵列，可以得出第n个假设声源点传播到第m个麦克风的声压信号矩阵：
$$ {P_{m:n}} = {Q_n}e_{m:n}^{ - 1}。 $$ (1) 式（1）中：m:n表示第n个声源点到第m个麦克风，e为导向因子。Qn为网格上第n个假设声源点的声压平方矩阵。首先计算：
$$ P_{mn}^*{P_{m':n}} = {\left( {{Q_n}e_{mn}^{ - 1}} \right)^*}\left( {{Q_n}e_{m':n}^{ - 1}} \right) = {Q_n}^*{Q_n}{\left( {e_{mn}^{ - 1}} \right)^*}e_{m':n}^{ - 1}。 $$ (2) 式（2）中：m′为除m以外的任意麦克风。可得第n个假设声源点的互谱矩阵：
$$ {{\hat C}_n} = {X_n}\left[ {\begin{array}{*{20}{c}} {{{\left( {e_1^{ - 1}} \right)}^*}e_1^{ - 1}}&{{{\left( {e_1^{ - 1}} \right)}^*}e_2^{ - 1}}&{{{\left( {e_1^{ - 1}} \right)}^*}e_{{m_0}}^{ - 1}}\\ {{{\left( {e_2^{ - 1}} \right)}^*}e_1^{ - 1}}&{{{\left( {e_2^{ - 1}} \right)}^*}e_2^{ - 1}}&{}\\ {}&{}&{{{\left( {e_{{m_0}}^{ - 1}} \right)}^*}e_{{m_0}}^{ - 1}} \end{array}} \right]。 $$ (3) 式（3）中：Xn=Qn*Qn，m0为总麦克风数。麦克风阵列的总互谱矩阵：
$$ C = \sum\limits_{n = 1}^N {{{\hat C}_n}} 。 $$ (4) 式（4）中：N为总的假设声源点数。可得扫描点的信号功率谱为：
$$ {Y_n}\left( {\hat e} \right) = \left[ {\frac{{{{\hat e}^T}{C_n}\hat e}}{{m_0^2}}} \right]。 $$ (5) 式（5）中：导向向量 $\hat e = {\left[ {{e_1}\; \; \; {e_2}\; \; \; \; \cdots \; \; \; \; {e_{{m_0}}}} \right]^T}$ 。将式（3）和式（4）代入式（5），可得：
$$ {Y_n}\left( {\hat e} \right) = \frac{{\hat e_n^T\sum\limits_{n'} {{X_{n'}}{{\left[ {\;} \right]}_{n'}}{{\hat e}_n}} }}{{m_0^2}} = \sum\limits_{n'} {\frac{{\hat e_n^T{{\left[ {\;} \right]}_{n'}}{{\hat e}_n}}}{{m_0^2}}} {X_{n'}}。 $$ (6) 式（6）中：[ ]n′是式（3）中的内容，n′表示聚焦的网格点，n表示假设声源点。简化后，可得：
$$ {Y_n}\left( {\hat e} \right) = \sum\limits_{n'} {{A_{nn'}}{X_{n}}} 。 $$ (7) 式（7）中： ${A_{nn'}} = \frac{{\hat e_n^T{{\left[ {\;} \right]}_{n'}}{{\hat e}_n}}}{{m_0^2}}$ 。令 ${Y_n}\left( {\hat e} \right) = {Y_n}$ ，即等于波束形成算法得出的均方声压值，可得：
$$ \hat A\hat X = \hat Y。 $$ (8) 采用高斯-赛德尔迭代法求解此线性方程得出声源分布。在求解线性方程组时，DAMAS算法能更好地考虑不同网格位置的相互影响，使旁瓣变小甚至消失，呈现更直观的结果[3]，能更准确地计算出声源位置和声源强度。
-
在算法的旁瓣抑制能力方面，反卷积波束形成法相比于传统波束形成法具有更好的旁瓣抑制能力。目前，声源识别领域各主要算法都已经进行了大量研究对比[5, 7]，研究结果表明：频率的提高可有效改善算法的旁瓣抑制能力，且传统DAS算法的旁瓣抑制能力弱于其他算法。当声源远离中心时，反卷积波束形成法2（DAMAS2）和基于傅里叶变化的非负最小二乘算法（FFT-NNLS）算法定位声源失效。这主要由于DAMAS2和FFT-NNLS都基于阵列点扩散函数位移不变性假设，当声源远离中心时，其声源位置已位于有效区域外，因此DAMAS2和FFT-NNLS不能对该类远离中心的声源点进行精准定位。XENAKI等[8]对这类算法的有效区域进行了深入研究，有效区域一般为Z轴18度角范围内。在相干声源情况下，基于空间相干的洁净算法（CLEAN-SC）不能准确识别声源，这是由于CLEAN-SC在迭代中删除与波峰相干的声源部分，当声源较靠近时，其中一个声源被当作旁瓣而被消除。杨洋等[6]也在研究中指出CLEAN-SC不适用于相干声源。
在算法的定位精度方面，迭代算法随着迭代次数的增加，算法的精度都有不同程度的提升，分析算法迭代次数与标准差的关系[7]。在低迭代次数时洁净算法（CLEAN）和CLEAN-SC这2种算法的精度较高，具有较高的计算精度稳定性，而DAMAS2，非负最小二乘算法（NNLS）和FFT-NNLS具有较大偏差，且对迭代次数不敏感，迭代次数的增加不能大幅提升其计算精度，DAMAS在高迭代次数下声源识别性能快速迫近CLEAN和CLEAN-SC，对于迭代次数较敏感。空间分辨率的优劣也是算法精度的重要指标, 算法分辨率越高，区分较近声源的能力就越高。通过对风机的噪声分布研究表明[9]：DAMAS具有很高的分辨率，可以获得出色的噪声源分布图，即使声源距离较近，也能够很好地将它们区分，CLEAN-SC也具有很高的分辨率，但由于其算法的理论原因，较近声源，只能识别其中一个，而DAS算法分辨率较差，无法区分较近声源，定位精度降低。
计算效率是算法能否被广泛运用的关键点，表 1是多种典型算法的计算时间，可得出DAS，DAMAS2，和CLEAN-SC具有较高的计算效率和实时性，其次为DAMAS、稀疏约束反卷积波束形成法（SC-DAMAS），但协方差矩阵拟合法（CMF）、稀疏约束的超分辨率反卷积波束形成算法（SC-RDAMAS）计算时间较长，不适用于实时测试。
表 1 算法计算时间
Table 1. Computation time of algorithms
综上所述，主要代表性反卷积算法的特点如表 2所示。
表 2 主要代表性反卷积算法
Table 2. Main representative algorithm
年份 算法名称 特点 2004 反卷积波束形成法(DAMAS)[4] 高分辨率，对迭代次数敏感，旁瓣抑制能力强，计算效率较低 2005 反卷积波束形成法2(DAMAS2)[11] 定位精度对迭代次数不敏感，计算效率高，实时性好，不适用于声源在扫描空间边缘的情况 2007 基于傅里叶变化的非负最小二乘算法(FFT-NNLS)[12] 计算速度较快，声源定位准确，定位精度对迭代次数不敏感，不适用于声源在扫描空间边缘的情况 2007 稀疏约束反卷积波束形成法(SC-DAMAS)[13] 利用稀疏性，计算效率较高，在噪声源定位中具有更好的准确性和鲁棒性 2007 基于空间相干的洁净算法(CLEAN-SC)[14] 可精确提取声源强度，提高了空间分辨率和准确性，计算精度稳定性高，计算效率高，实时性好，但不适用于声源位置相距较近的相干声源 2011 稀疏约束的超分辨率反卷积波束形成算法(SC-RDAMAS)[10] 适用于在超大分辨率下扫描大区域，计算效率低，实时性较弱，不适用于实时测试 2012 协方差矩阵拟合法(CMF)[15] 计算效率低，实时性较弱，不适用于实时测试 -
当前，反卷积波束形成算法在高频下都具有优秀的旁瓣抑制能力，且定位精度随着迭代次数的上升而提高，但这些算法也存在着各自的局限性，如在计算效率，实时性，扫描范围，适用声源类型等方面，因此在现有算法的基础上，需进一步提出更加全面的反卷积波束形成改进算法，使算法具有更好的普遍适用价值。同时，要提高声源识别的准确性，除了选择合适的算法，开发声源识别性能更优的传声器阵列也是一研究热点。布置形式更加优化、更加合理的传声器，使传声器阵列声源识别的空间分辨率更高，最大旁瓣水平更低，有效动态范围更大[16]。
Research advance on noise source identification methods of deconvolution beamforming
-
摘要: 反卷积波束形成作为一种基于波束形成的噪声源识别方法已被广泛的运用，尤其在林业机械噪声源识别中。相比于传统波束形成，该方法可有效减小主瓣宽度并消除旁瓣，提高空间分辨率。概述了近年来国内外反卷积波束形成的研究进展，从旁瓣抑制能力、定位精度、计算效率方面对多种代表性方法进行对比分析，归纳总结其特点，讨论其局限性，为今后该方法的后续改进提供新的研究思路，以期获得更全面的反卷积波束形成算法，具有更优的适用性。Abstract: Deconvolution beamforming as a noise source identification method based on beamforming has been widely used, especially in the identification of forestry machine noise. Compared with the conventional beamforming, deconvolution beamforming method is more effective to reduce the width of the main lobe and eliminate the side lobe, and improve the spatial resolution. This paper reviewed the recent research progress on deconvolution beamforming at home and abroad. A comparative analysis was made among several representative methods on the aspects of the side lobe suppression ability, positioning accuracy and computational efficiency. Then the characteristics and limitations of those typical deconvolution beamforming algorithms were discussed, which provided a new research idea for future improvement in order to obtain a more comprehensive deconvolution beamforming algorithm with better applicability.
-
Key words:
- noise source identification /
- deconvolution beamforming /
- research development /
- review
-
随着环境保护要求的不断提高，环保型木材防腐剂越来越受到重视，此类防腐剂多以高效低毒的有机农药为主成分，配合其他助剂制备成有机型或水基型防腐剂[1-2]。三唑类杀菌剂，如丙环唑、戊唑醇、环丙唑醇、氟环唑和苯醚甲环唑等，既可以单独使用，又可以与铜制剂复配[3-4]，是目前常用的木材防腐剂；这些三唑类杀菌剂杀菌谱不尽相同，作用机制也有所差异，应用较广泛的是丙环唑和戊唑醇[5-6]。常见的木材防霉剂有异噻唑啉酮类如卡松、1,2-苯并异噻唑-3-酮(BIT)、4,5-二氯-2-正辛基-3-异噻唑啉酮(DCOI)等，有机碘类如碘丙炔醇丁基氨甲酸酯(IPBC)，三唑类等[7]，杀菌谱也不尽相同；常用的仓储水果防霉剂如溴菌腈和抑霉唑[8-9]，防霉活性较高，但较少应用于木材防霉。菊酯类杀虫剂是常见的防治白蚁的药剂，具有用量少、成本较低、废弃物易回收、环境相对友好等优点；高效氯氟氰菊酯在菊酯类杀虫剂中活性较高、稳定性较强、耐雨水冲刷性能较好。因含有大量羟基等亲水基团[10]，木材变色、发霉、腐朽、变形等问题频发，品质降低[11-13]，常用亚麻油、桐油、豆油、核桃油等含甘油三脂肪酸酯的植物油[14]和沥青、石蜡等含长链烷烃的矿物油用作木材防水；现代工业多将植物油与动植物蜡等复配成木蜡油[15]，用作木材的表面防水处理剂。如马红霞等[16]使用56号石蜡制备木材防水剂，当石蜡质量浓度为5%时，防水效率可达54%；由此可见，石蜡可作为良好的木材防水剂。液体石蜡是经原油分馏得到的无色无味的液态烃类混合物，室温下为液态，用作防水剂时可省去加热融化环节，节约了能源和时间。木材在使用过程中需要多重保护，如防腐、防霉、防虫和防水等，存在工序繁琐、成本高昂等问题，为满足木材不同生物危害防治需要，本研究拟制备一种同时具有防腐、防霉、防虫和防水多项功能的水基型有机木材保护复合制剂，通过室内抑菌圈法筛选不同杀菌剂的抑菌活性，从中挑选活性较好、杀菌谱互补的防腐成分与防霉成分进行复配，并筛选两者的最佳配比；将其与杀虫成分和防水成分复配，制备成可以兑水自动乳化的乳油制剂。制备的复合制剂稳定性好，兼具防水、防腐、防霉、防白蚁等性能，同时处理工序简单，可达到常规生物危害防治要求的目的，为木材保护提供参考。
1. 材料与方法
1.1 试验材料
1.1.1 杀菌剂、杀虫剂和防水剂
杀菌剂包括氟环唑(FCZ)、戊唑醇(TEB)、丙环唑(PPZ)、苯醚甲环唑(DCZ)、碘丙炔醇丁基氨甲酸酯(IPBC)、溴菌腈(BMN)、抑霉唑(IMZ)。杀虫剂为高效氯氟氰菊酯(CLT)。防水剂为液体石蜡(化妆品级)。以上试剂购自上海麦克林生化科技有限公司。
1.1.2 测试菌种
木材腐朽菌有褐腐菌密粘褶菌Gloeophyllun trabeum、白腐菌彩绒革盖菌Coriolus versicolor。木材混合霉菌有黑曲霉Aspergillus sp.、木霉Trichoderma sp.、青霉Penicillium sp.。木材变色菌可可球二孢Botryodiplodia theobromae。所有菌株均为实验室保存的生物测试标准用菌株。
测试树种为辐射松Pinus radiata。
1.2 试验方法
预实验通过满细胞法确定辐射松边材吸液(水)量为750~850 kg·m−3；根据三唑类药剂防腐有效载药量(200.0~400.0 g·m−3)[17]，换算药剂质量浓度为150.0~300.0 mg·L−1，确定试验用药质量浓度为200.0 mg·L−1。
1.2.1 防腐、防霉成分及配比筛选
通过室内抑菌效果普筛挑选出效果较好且杀菌谱互补的杀菌剂作为防腐和防霉成分。将挑选出的防腐和防霉成分按照不同配比混合进行复配，再次测试室内抑菌效果，确定效果较好的复配比例作为药剂配伍。
1.2.2 室内抑菌圈测试
参照《中华人民共和国药典》的“抗生素微生物检定法”测试抑菌圈。将5种防腐剂(FCZ、TEB、PPZ、DCZ、IPBC)统一配制成质量分数为5.00%的乳油，分别加水稀释到200.0 mg·L−1；防霉剂IMZ配制为400.0 mg·L−1，BMN分别配制为400.0、600.0和800.0 mg·L−1。在各涂满真菌孢子液的马铃薯葡萄糖琼脂(PDA)培养基中，分别摆放4个装有0.3 mL待测药液的牛津杯。随着药液的扩散，培养基上的真菌菌丝会受到抑制形成抑菌圈，抑菌圈直径越大，说明药剂抑菌效果越好。
1.2.3 制剂性能测试
乳液稳定性测试。参照GB/T 1603—2001《农药乳液稳定性测定方法》，在100.0 mL室温标准硬水中慢慢加入不同体积样品，边加入边搅拌，加完后继续搅拌30 s；然后在30 ℃恒温水浴中静置1 h，观察不同稀释倍数下样品乳状液分离情况。无浮油、沉淀或沉油则视为乳液稳定性合格。
防水性能测试。将含液体石蜡质量分数为40.00%的复合制剂分别兑水，稀释液体石蜡质量分数为2.00%、4.00%、8.00%，满细胞法处理试块。辐射松边材尺寸为50 mm×20 mm×10 mm，每组8块试块，室温平衡21 d后称质量，然后蒸馏水浸泡30 min，取出试块，称质量，参照GB/T 1934.1—2009《木材吸水性测定方法》计算吸水率；测量弦向尺寸变化，参照GB/T 29901—2013《木材防水剂的防水效率测试方法》计算防水效率。
室内防腐性能测试。参照GB/T 13942.1—2009《木材耐久性能第1部分：天然耐腐性实验室试验方法》进行。将待测制剂分别兑水稀释5、10、20倍备用，辐射松边材尺寸为20 mm×20 mm×10 mm，每组6块试块，经真空−0.09 MPa处理10 min，常压浸渍10 min，参照标准测试防腐性能。试块质量损失率＜10%，属于Ⅰ级强耐腐；质量损失率为11%~24%，属于Ⅱ级耐腐；质量损失率为25%~44%，属于Ⅲ级稍耐腐；质量损失率＞45%，属于Ⅳ级不耐腐。
室内防霉性能测试。参照GB/T 18261—2013《防霉剂对木材霉菌及变色菌防治效力的试验方法》进行。将待测制剂分别兑水稀释5、10、20倍，辐射松边材尺寸为50 mm×20 mm×10 mm，每组8块试块，参照标准方法处理试块，测试防霉性能。试块表面无菌丝、霉点时，定义侵染值为0；试块表面感染面积＜1/4，定义为1；试块表面感染面积1/4~1/2，定义为2；试块表面感染面积1/2~3/4，定义为3；试块表面感染面积＞3/4，定义为4。
室内防白蚁测试。参照GB/T 18260—2015《木材防腐剂对白蚁毒效实验室试验方法》进行。将待测制剂分别兑水稀释5、10、20倍，辐射松边材尺寸为20 mm×20 mm×10 mm，每组5块试块，参照标准方法处理试块，测试室内防白蚁性能。试块蚁蛀程度为完好无损，定义试样完好等级为10；微痕蛀蚀，定义为9.5；轻微蛀蚀，截面面积＜3%的蛀蚀，定义为9；中等蛀蚀，截面面积3%~10%的蛀蚀，定义为8；中等蛀蚀，截面面积10%~30%的蛀蚀，定义为7；严重蛀蚀，截面面积30%~50%的蛀蚀，定义为6；非常严重蛀蚀，截面面积50%~75%的蛀蚀，定义为4；试块几乎完全被蛀毁，定义完好等级为0。
2. 结果与分析
2.1 有效成分筛选
从表1可以看出：5种防腐剂(FCZ、TEB、PPZ、DCZ和 IPBC)对木材腐朽菌(彩绒革盖菌和密粘褶菌)均具有较好的抑制效果，但FCZ、TEB和PPZ对变色菌(可可球二孢)和混合霉菌几乎没有抑制作用，只有DCZ对可可球二孢有抑制效果，因此优选DCZ作为防腐成分。IPBC和IMZ对所测试菌种均有较好的抑制效果，BMN和IMZ虽然对混合霉菌和变色菌有抑制作用，但抑菌圈均小于IPBC。因此，优先IPBC作为防霉成分。
表 1 各杀菌剂的室内抑菌效果Table 1 Result of inhibition zones test by bactericide杀菌剂 质量浓度/
(mg·L−1)抑菌圈大小/mm 彩绒革
盖菌密粘
褶菌可可球
二孢混合
霉菌FCZ 200.0 ＞45.0 ＞45.0 0 0 TEB 200.0 ＞45.0 ＞45.0 0 0 PPZ 200.0 ＞45.0 ＞45.0 0 0 DCZ 200.0 ＞45.0 ＞45.0 11.4 0 IPBC 200.0 ＞45.0 ＞45.0 34.6 21.9 BMN 800.0 37.2 35.4 12.8 10.6 600.0 38.1 29.0 9.0 9.4 400.0 26.8 31.8 8.3 7.1 IMZ 400.0 39.2 41.6 26.9 12.7 将DCZ和IPBC按质量比1∶1、1∶3、3∶1的比例配制混合药剂，测试DCZ+IPBC复配药剂对腐朽菌和霉菌的抑制效果；将其他3种三唑类防腐药剂(FCZ、TEB和PPZ)与IPBC按照质量比1∶1配制复配药剂，作为对照测试抑菌效果。由表2可以看出：DCZ+IPBC复配药剂对木材腐朽菌、变色菌和混合霉菌的抑制效果较好，其中按照1∶1比例复配的药剂效果最高。相其他三唑类与IPBC的复配药剂，抑菌效果亦有所提高。由此确认防腐/防霉复配药剂，DCZ和IPBC按照1∶1进行配制。
表 2 不同三唑类药剂与IPBC复配的抑菌效果Table 2 Result of inhibition zones test by compounded of different preservatives组分 质量浓度/
(mg·L−1)抑菌圈大小/mm 彩绒革
盖菌密粘
褶菌可可球
二孢混合
霉菌DCZ 200.0 ＞45.0 ＞45.0 11.4 0 DCZ+IPBC 150.0+50.0 ＞45.0 ＞45.0 22.4 15.1 DCZ+IPBC 100.0+100.0 ＞45.0 ＞45.0 31.0 23.6 DCZ+IPBC 50.0+150.0 ＞45.0 ＞45.0 29.1 23.7 IPBC 200.0 ＞45.0 ＞45.0 30.6 21.9 FCZ+IPBC 100.0+100.0 ＞45.0 ＞45.0 25.7 21.8 PPZ+IPBC 100.0+100.0 ＞45.0 ＞45.0 25.8 22.5 TEB+IPBC 100.0+100.0 ＞45.0 ＞45.0 24.0 21.0 为探索CLT对白蚁的防治效果，设计含梯度载药量的辐射松边材室内抗白蚁效果测试，拟定辐射松边材载药量分别为5.0、10.0、15.0、20.0、30.0 g·m−3。由表3可知：试块中CLT载药量达10.9 g·m−3以上时，白蚁蛀蚀完好值＞8.0，质量损失率＜11%，而未添加药剂处理的对照木材，完好值仅4.6，质量损失率＞40%。因此，设计的复合制剂中防虫成分的目标载药量为7.5~30.0 g·m−3。
表 3 不同CLT载药量木材的白蚁蛀蚀结果Table 3 Result of lab anti-termite test of cyhalothrin载药量/
(g·m−3)白蚁蛀蚀
完好值质量损
失率/%载药量/
(g·m−3)白蚁蛀蚀
完好值质量损
失率/%− 4.6 42.9±14.6 15.5 8.0 10.5±1.4 5.3 8.0 11.3±0.7 21.8 9.1 5.2±1.4 10.9 8.6 5.9±1.5 32.1 8.4 5.1±1.9 说明：−表示未添加药剂 综上，本研究设计制备了含苯醚甲环唑、碘丙炔醇丁基氨甲酸酯、高效氯氟氰菊酯、液体石蜡等多种有效成分的木材保护复合制剂，通过调试乳化剂和助溶剂的用量和配比，最终配制出稳定、均相、透明、入水可自乳化的乳油制剂。制剂制备时按比例称取原药和乳化剂，加入助溶剂，充分溶解混匀后加入液体石蜡，搅拌均匀即可。测试使用的制剂为乳油，组成成分质量分数为0.20%苯醚甲环唑、0.20%碘丙炔醇丁基氨甲酸酯、0.02%高效氯氟氰菊酯和40.00%液体石蜡。
2.2 制剂性能测试
2.2.1 乳液稳定性测试
制剂兑水稀释250倍，制剂呈乳白色，初入水时呈乳白色团雾状，可自动扩散，摇匀后呈均匀的乳状液，静置1 h未见分层、析油和沉淀，稳定性可保持3~4 h；过夜后破乳，药液表面有大量浮油，颠倒摇匀后可恢复乳液状，不影响正常使用。
2.2.2 防水性能测试
参照标准方法用该制剂处理辐射松边材，经水浸泡30 min后测试试块的吸水率和防水效率。由表4可知：未添加药剂处理的木材，吸水率为54.7%；随着制剂中石蜡质量分数升高，木材试块中石蜡含量相应增加，试块吸水率依次降低，从43.5%下降到26.6%，木材防水效率则随之增强，从44.4%提升到了77.8%。
表 4 防水剂处理后试块的防水性能Table 4 Efficiency of waterproof稀释
倍数制剂中液体石
蜡质量分数/%试块中液体石
蜡含量/(kg·m−3)吸水
率/%防水效
率/%5 8 49.1 26.6±7.4 77.8±19.1 10 4 19.4 35.0±17.3 68.9±22.1 20 2 10.5 43.5±15.1 44.4±20.6 − 0 0 54.7±5.8 0 说明：−表示未添加药剂 2.2.3 室内耐腐性能测试
由表5可知：未处理木材受白腐菌侵染后质量损失率达75.7%，受褐腐菌侵染质量损失率为19.4%，而所有处理试块质量损失率均低于6%，达到强耐腐。制剂稀释20倍后处理试块，试块中DCZ和IPBC载药量超过71.1 g·m−3，试块质量损失率可达1%，达到Ⅰ级强耐腐。值得注意的是，稀释20倍的药液处理后，试块质量损失率低于稀释5倍的药液，原因是高质量浓度制剂处理后，试块内含有大量的液体石蜡，在长达3个月的试验期内，液体石蜡自动扩散到培养基，试块质量损失增加。但取样现场也发现：高质量浓度制剂处理的试块无腐朽菌菌丝附着生长，说明添加防水剂实际进一步提升了制剂的防腐性能。
表 5 制剂处理后试块的室内耐腐性能Table 5 Result of lab sand block test on sapwood P. radiate稀释
倍数彩绒革盖菌 密粘褶菌 试块DCZ+IPBC
载药量/(g·m−3)质量损
失率/%试块DCZ+IPBC
载药量/(g·m−3)质量损
失率/%5 311.2+311.2 5.5±0.6 320.6+320.6 3.6±0.3 10 150.9+150.9 2.7±0.2 139.0+139.0 3.4±0.4 20 71.2+71.2 0.6±0.1 71.1+71.1 1.0±0.2 − 0 75.7±4.3 0 19.4±2.1 说明：−表示未添加药剂 2.2.4 室内防霉性能测试
参照标准方法用该制剂处理辐射松边材，测试室内防霉效果。由表6可知：未处理木材的霉菌和变色菌侵染值为4，该制剂稀释5倍时，试块表面的DCZ和IPBC含量均达0.165 g·m−2，处理试块变色菌和混合霉菌侵染值均为0，防治效果优良。在实际使用中可根据木材树种的天然耐腐性及所处环境适当增减制剂的用量，以达到理想的防霉效果。
表 6 室内防霉测试结果Table 6 Result of lab mildew proof test稀释
倍数可可球二孢 混合霉菌 DCZ+IPBC载药
量/(g·m−2)侵染值 DCZ+IPBC载药
量/(g·m−2)侵染值 5 0.165+0.165 0 0.202+0.202 0 10 0.106+0.106 1.5 0.148+0.148 0.5 20 0.045+0.045 4.0 0.048+0.048 3.3 − 0 4.0 0 4.0 说明：−表示未添加药剂 2.2.5 室内抗白蚁测试
由表7可知：不同稀释倍数的制剂处理后，试块质量损失率均＜3%，而未添加抗虫剂的对照试块，质量损失率为42.9%；制剂稀释5倍时，试块载药量达29.1 g·m−3，试块白蚁蛀蚀完好值为9.6；稀释20倍时，试块载药量为7.6 g·m−3， 试块白蚁蛀蚀完好值为8.9，而未处理木材的白蚁蛀蚀后完好值仅为4.7，质量损失率达42.9%，显示该制剂的防治白蚁效果优良。结合表3可知：相比单用高效氯氟氰菊酯时，复合制剂处理材在同等载药量下对白蚁的防治效果要好得多；当高效氯氟氰菊酯质量浓度为15.0、30.0 g·m−3时，该复合制剂防治白蚁的效果远远优于单剂，由此可知其他组分的加入起到了增效作用。
表 7 室内抗白蚁测试结果Table 7 Result of lab anti-termite test稀释
倍数木材中高效氯氟氰菊酯
载药量/(g·m−3)质量损
失率/%白蚁蛀蚀
完好值5 29.1 2.8±0.5 9.6 10 14.7 2.6±0.3 9.2 20 7.6 2.5±0.7 8.9 − 0 42.9±14.6 4.7 说明：−表示未添加药剂 3. 讨论
针对不同的木材败坏防治需求，本研究制备了一种具有防腐、防霉、防虫、防水多功能的复合制剂，类型为乳油，有效成分为苯醚甲环唑、碘丙炔醇丁基氨甲酸酯、高效氯氟氰菊酯和液体石蜡。
该制剂兑水稀释后呈乳液状，稳定性可保持3~4 h，符合GB/T 1603—2001 《农药乳液稳定性测定方法》的规定。石蜡作为常见的防水剂被广泛应用，多数所使用的时熔点较高的固体石蜡[18]，而该制剂以液体石蜡为防水组分，优点是室温下即为液体，无需加热融化，缺点是液体石蜡密度较小，相较常规药剂，兑水稀释后稳定性差，药液兑水约 4 h 后就会分层破乳；不过，稍微搅拌即可恢复乳状，基本不影响正常使用。该制剂防水性能较好，然而应注意的是防水剂含量很大，大剂量液体石蜡的使用，存在一定的消防隐患，后期应配合表面阻燃处理。石蜡基防水剂的主要防水机制是通过石蜡的疏水作用[19]，石蜡的使用同时增强了木材的尺寸稳定性[20]，石蜡分子量较大，不易进入木材内部，因此需要将其乳化成细小的乳状液，然而，乳化剂的过量使用可能会有石蜡的疏水性降低的风险，需要在以后的开发中引起重视。结合室内耐腐试验菌丝生长状况可以发现：防水剂液体石蜡的加入，可以明显增加药剂的防腐性能，而木材中石蜡的含量很高，当木材与环境中土壤或者水体接触时，石蜡会从木材中自由扩散到环境中，可能会增加药剂流失的风险。
室内防霉测试结果来看，将制剂稀释 5 倍使用，即辐射松试块苯醚甲环唑和碘丙炔醇丁基氨甲酸酯载药量均为 0.165 g·m −2 时，混合霉菌的生长才能被完全抑制，这与李晓文等[21]的IPBC防霉效果结论一致。室内防霉测试所选的温湿度条件适合霉菌生长，且霉菌的孢子液人为接种，因此，通常可以通过室内防霉测试的药剂，在实际生产中的防霉效果也会很好。
室内防白蚁测试结果可知：制剂稀释 20 倍后，试块受白蚁蛀蚀程度仍较低，质量损失率较小，防蚁性能优异。同时，比较单独使用高效氯氟氰菊酯和添加防水剂后的防白蚁效果可以看出：防水剂的添加明显增加了药剂的防白蚁效果。分析原因可能是石蜡是一种化石能源，白蚁不喜食。
4. 结论
为满足木材不同生物危害防治需要，本研究制备出一种含石蜡水基型有机多功能木材防腐剂，可以一次处理基本满足木材常规保护的要求。该木材保护复合制剂同时具有防腐、防霉、防虫、防水多功能，剂型为乳油，质量分数分别为0.20%的苯醚甲环唑和碘丙炔醇丁基氨甲酸酯、0.02%的高效氯氟氰菊酯和40.00%的液体石蜡。
当环境中生物危害较轻时，可将该复合制剂稀释20倍使用，当生物危害较重时，可将复合制剂稀释5倍甚至直接使用。将制剂稀释5到10倍处理木材，即木材中液体石蜡为25.0~50.0 kg·m−3，苯醚甲环唑和碘丙炔醇丁基氨甲酸酯为150.0~300.0 g·m−3，高效氯氟氰菊酯载药量为15.0~30.0 g·m−3，可满足多大多数生物危害的防治需求。
-
表 2 主要代表性反卷积算法
Table 2. Main representative algorithm
年份 算法名称 特点 2004 反卷积波束形成法(DAMAS)[4] 高分辨率，对迭代次数敏感，旁瓣抑制能力强，计算效率较低 2005 反卷积波束形成法2(DAMAS2)[11] 定位精度对迭代次数不敏感，计算效率高，实时性好，不适用于声源在扫描空间边缘的情况 2007 基于傅里叶变化的非负最小二乘算法(FFT-NNLS)[12] 计算速度较快，声源定位准确，定位精度对迭代次数不敏感，不适用于声源在扫描空间边缘的情况 2007 稀疏约束反卷积波束形成法(SC-DAMAS)[13] 利用稀疏性，计算效率较高，在噪声源定位中具有更好的准确性和鲁棒性 2007 基于空间相干的洁净算法(CLEAN-SC)[14] 可精确提取声源强度，提高了空间分辨率和准确性，计算精度稳定性高，计算效率高，实时性好，但不适用于声源位置相距较近的相干声源 2011 稀疏约束的超分辨率反卷积波束形成算法(SC-RDAMAS)[10] 适用于在超大分辨率下扫描大区域，计算效率低，实时性较弱，不适用于实时测试 2012 协方差矩阵拟合法(CMF)[15] 计算效率低，实时性较弱，不适用于实时测试 
下载: 导出CSV
-
[1] 陈心昭.噪声源识别技术的进展[J].合肥工业大学学报(自然科学版), 2009, 32(5):609-614. CHEN Xinzhao. Progress of techniques for noise source identification[J]. J Hefei Univ Technol Nat Sci, 2009, 32(5):609-614. [2] YARDIBI T, BAHR C, ZAWODNY N, et al. Uncertainty analysis of the standard delay-and-sum beamformer and array calibration[J]. J Sound Vibr, 2010, 329(13):2654-2682. [3] 杨洋, 褚志刚, 江洪, 等.反卷积DAMAS2波束形成声源识别研究[J].仪器仪表学报, 2013, 34(8):1779-1786. YANG Yang, CHU Zhigang, JIANG Hong, et al. Research on DAMAS2 beamforming sound source identification[J]. Chin J Sci Instrum, 2013, 34(8):1779-1786. [4] BROOKS T F, HUMPHREYS W M. A deconvolution approach for the mapping of acoustic sources (DAMAS) determined from phased microphone arrays[J]. J Sound Vibr, 2006, 294(4):856-879. [5] YARDIBI T, ZAWODNY N S, BAHR C, et al. Comparison of microphone array processing techniques for aeroacoustic measurements[J]. Int J Aeroacoust, 2010, 9(6):733-762. [6] 杨洋, 褚志刚.基于CLEAN-SC清晰化波束形成的汽车前围板隔声薄弱部位识别[J].声学技术, 2015, 34(5):449-456. YANG Yang, CHU Zhigang. Weak position identification of sound insulation for car dash panel based on CLEAN-SC clearness beamforming[J]. Tech Acoust, 2015, 34(5):449-456. [7] CHU Zhigang, YANG Yang. Comparison of deconvolution methods for the visualization of acoustic sources based on cross-spectral imaging function beamforming[J]. Mech Syst Sign Proc, 2014, 48(1/2):404-422. doi:org/10.1016/j.ymssp.2014.03.012. [8] XENAKI A, JACOBSEN F, TIANA-ROIG E, et al. Improving the resolution of beamforming measurements on wind turbines[C]//ICA. Proceedings of 20th International Congress on Acoustics. Sydney: ICA, 2010: 23-27. [9] RAMACHANDRAN R C, RAMAN G, DOUGHERTY R P. Wind turbine noise measurement using a compact microphone array with advanced deconvolution algorithms[J]. J Sound Vibr, 2014, 333(14):3058-3080. [10] CHU Ning, PICHERAL J, MOHAMMAD-DJAFARI A. A robust super-resolution approach with sparsity constraint for near-field wideband acoustic imaging[C]//IEEE Computer Socirty. ISSPIT'11 Proceedings of the 2011 IEEE International Symposium on Signal Processing and Information Technology. Washington D C: IEEE Computer Society, 2011: 310-315. doi: 10.1109/ISSPIT.2011.6151579. [11] DOUGHERTY R. Extensions of DAMAS and benefits and limitations of deconvolution in beamforming[C]//AIAA Association. 11th AIAA/CEAS Aeroacoustics Conference. Monterey: AIAA Association, 2005. doi: org/10.2514/6.2005-2961. [12] EHRENFRIED K, KOOP L. Comparison of iterative deconvolution algorithms for the mapping of acoustic sources[J]. AIAA J, 2007, 45(7):1584-1595. doi:org/10.2514/1.26320. [13] YARDIBI T, LI Jian, STOICA P, et al. Sparsity constrained deconvolution approaches for acoustic source mapping[J]. J Acoust Soc Am, 2008, 123(5):2631-2642. [14] SIJTSMA P. CLEAN based on spatial source coherence[J]. Int J Aeroacoust, 2007, 6(4):357-374. [15] RÜBSAMEN M, PESAVENTO M. Steering vector non-identifiability in covariance matrix fitting based beamforming[C]//IEEE Computer Socirty. Proceedings of the IEEE 7th Sensor Array and Multichannel Signal Processing Workshop (SAM). Hoboken: IEEE Computer Socirty, 2012: 433-436. [16] 刘鹏, 刘志红, 李贺, 等.传声器阵列可视化效果影响因素研究[J].测试技术学报, 2016, 30(3):231-235. LIU Peng, LIU Zhihong, LI He, et al. Study on the influencing factors of microphone array visualization[J]. J Test Measyr Technol, 2016, 30(3):231-235. 期刊类型引用(4)
1. 张景朋，蒋明亮，张斌. 嘧菌酯高效液相色谱分析方法及防腐材抗流失性能研究. 浙江农林大学学报. 2025(01): 185-192 . 
本站查看2. 刘于莜，王小燕，云虹. 生物基防腐技术的研究进展及其在木包装中的应用展望. 包装工程. 2023(03): 8-15 . 百度学术3. 马星霞，乔云飞，黎冬青，王艳华. 古建筑木构件生物危害预防性保护体系框架构建. 木材科学与技术. 2023(01): 83-90 . 百度学术4. 陈利芳，王剑菁，马红霞，谢桂军，高婕. 防腐树脂增强改性木材力学及耐久性能研究. 安徽农业大学学报. 2023(03): 389-395 . 百度学术其他类型引用(0)
-
-
链接本文:
https://zlxb.zafu.edu.cn/article/doi/10.11833/j.issn.2095-0756.2018.02.024
