图1：Fidas 200 smart高清图

Fidas® 200 smart细粉尘测量设备是专门为管制空气污染而开发的气溶胶光谱仪。它可以连续分析环境空气中存在的细粉尘颗粒，测量尺寸范围为180 nm – 18 µm，并同时计算排放值PM10和PM2.5，支持法定单位进行监控。同时，仪器计算并记录PM1，PM4，PMtot，颗粒数浓度Cn和粒径分布。因此，仅通过计数和单颗粒测量原理，即可提供有关细尘颗粒的全面信息。

此处显示的Fidas® 200版本是19英寸机架安装设备，用于安装在空调监控站（温度范围5 – 40°C）。变体型号是带有独立传感器的Fidas 200® E（以便更轻松地与现有站点集成）和用于室外安装的Fidas®200 S型号（包括不锈钢柜）。

Fidas® 200及其功能相同的变体型号Fidas® 200 E和Fidas® 200 S是目前少有的光学单颗粒测量设备，这些测量设备已获得型式认可，可以根据VDI 4202-1、VDI标准、4203-3，EN 12341，EN 14907，EN 16450和欧盟等效性指南GDE同时监控PM10和PM2.5的，并通过EN 15267-1和-2标准认证。 Fidas® 200的型式认可声明首先在德国联邦公报BAnz AT 02nd April 2015 B5的第IV章通知14中发布。产品已经获得TÜVRheinland和德国联邦环保局根据EN 15267颁发的产品合格证书如下：由TÜVRheinland编制的Fidas®200 S版本的测量系统测试报告已在发布。

此外，Fidas® 200 smart细粉尘测量仪以及Fidas® 200 E和Fidas® 200 S也在英国获得型式认可认证和认证（Defra认证），符合“ MCERTS CAMS性能标准"和“ MCERTS（英国颗粒物）。相应的MCERTS / DEFRA批准证书以及测试报告可公开获得。

图3：Fidas® 200的MCERTS / DEFRA批准证书

细粉尘测量设备Fidas® 200利用单颗粒光散射尺寸分析原理，并配备高强度（dp，min = 180 nm），高度稳定的光输出和长寿命的LED光源。可以使用单分散测试气溶胶验证仪器的校准，并在必要时随时方便、快捷地进行调整，即使在现场安装时也是如此。

Fidas® 200的采样系统以大约0.3 m3 / h的体积流量运行。它配备符合VDI 2119-4标准的Sigma-2采样头，即使在强风条件下也可以进行代表性采样；还设有一条干燥线，可以防止凝结引起测量误差。干燥线（智能气溶胶干燥系统– IADS）是根据环境空气温度、压力和相对湿度来控制的。这些数据由气象站提供；可选地，还可以提供风速、风向和降水量数据。采样系统中集成用于圆形平面过滤器（直径47毫米）的过滤器支架，从而可以（举例来说）随后对气溶胶成分进行化学分析。

细粉尘测量设备Fidas®200提供多种通讯选项，允许对系统进行全面的远程控制和维护，并且可以通过Palas.de进行在线数据访问。与系统一起提供的软件提供用于评估（例如，全面的统计和平均值计算）和测量数据输出的通用选项。

实际的气溶胶传感器是一种光学气溶胶光谱仪，使用Lorenz-Mie单个粒子散射光分析来确定粒径。粒子分别穿过光学限制的测量空间，该测量空间被多色光均匀照射。每个粒子都会产生以85°和95°之间角度检测到的散射光脉冲。基于散射光脉冲的数量确定粒子数量。粒径是从散射光脉冲的水平得出的。

精密的光学器件、使用的多色LED的高光输出以及使用对数A / D转换的强大信号处理电子设备，可检测直径低至180 nm的颗粒。举例来说，在道路附近，检测高浓度小颗粒是尤其重要的。图4显示小颗粒尺寸检测限制的影响，并且与300nm检测下限的系统进行比较。

图4：测量尺寸范围为0.18 – 18 µm的Fidas®细粉尘测量设备具有更高的灵敏度

粒度分析仪的分类精度和分辨率越高，就可以更准确地确定粒度分布。 Fidas®200光源具有明确的校准曲线，因此具有非常高的粒径分辨率和分类精度。 Fidas®传感器的测量体积使用T孔技术，在光学上进行准确定界，该技术可确定颗粒尺寸而不会出现边界带错误，从而有助于提高尺寸确定精度。强大的数字信号处理功能可以识别并补偿一致的读数（由多个粒子的同时存在引起）。

图5：将粒径分布数据转换为PM值的算法比较

为了从测量数据中计算质量或质量分数，使用（但取决于粒度）转换因子处理粒度分布（请参见图5）。这考虑到，取决于颗粒大小，环境气溶胶由来自不同来源（例如燃烧气溶胶、轮胎磨损、花粉）的颗粒组成。质量分数，例如PM10，通过将相关的分离曲线（请参阅EN 481）应用于粒度分布数据来确定。即使光学测量技术间接确定颗粒质量（等效方法），在任何情况下都无法保证与重量分析结果相同，但是在处理测量数据时所使用的经验知识确保与标准参考方法具有良好的相关性（参见图6），如型式认可测试中所示。