基于深度学习和光场成像的火焰三维温度场重建算法

2021-12-23 07:29:22韩哲哲许传龙
东南大学学报(自然科学版) 2021年6期

张 杰 齐 琪 韩哲哲 李 健 张 彪 许传龙

(东南大学能源与环境学院, 南京 210096)

燃烧广泛存在于燃气轮机、内燃机、电站锅炉、航空发动机和火箭发动机等[1]工作过程中.而火焰测温技术有助于了解燃烧火焰温度分布规律,通过探索物理作用过程和化学反应机理,可评估燃烧效率,进而可对燃烧装置进行评价和改进[2].

辐射图像法是利用图像探测器探测的火焰辐射信息进行火焰温度场测量,其优点是非侵入式且不需要外加激励源,能够适应复杂恶劣的工业环境[3].传统相机拍摄的图像是火焰在三维空间中某一视角下的投影,通常需要多台相机拍摄的不同视角下的火焰图像进行火焰三维温度场重建[3].光场相机利用微透镜阵列将通过主透镜聚焦于该微透镜上的像点的不同方向辐射强度信息分离出来,并分别记录在微透镜后面所覆盖的CCD探测器的像元上,从而实现四维光场信息的采集,能够获得更加丰富的火焰辐射信息,利用单台光场相机实现了火焰三维温度场的重建[4].基于光场成像的火焰三维温度场重建问题可转化为线性方程组的求解问题,常用的火焰三维温度场重建方法有截断奇异值分解算法[5](TSVD)、最小二乘QR分解算法[6](LSQR)、非负最小二乘算法(NNLS)[3]等.采用这些算法重建火焰三维温度场时都需要经历火焰辐射光线追迹过程,以建立辐射传递方程.对于数以万计根光线的追迹过程所消耗的时间占据了温度场重建过程的……

登录APP查看全文