详情

原文传递基于卷积神经网络的激光吸

论文题名：	基于卷积神经网络的激光吸
关键词：	船舶发动机;燃烧诊断;直接吸收光谱技术;卷积神经网络;温度场重建
摘要：	对船舶发动机燃烧室的温度场进行二维测量，对于改善发动机的燃烧效率、提高使用寿命以及实现节能减排具有重要意义。针对非接触、高时空分辨率等测量需求，本文基于可调谐半导体激光吸收光谱(TDLAS)技术，结合卷积神经网络(CNN)算法，开发了一套二维温度场测量系统，旨在用于发动机燃烧室的燃烧温度场的二维重建。　　第一，发展了一种基于CNN的二维重建算法。首先对水蒸气的吸收谱线进行优选，确定H2O在6807.83cm-1和7185.6cm-1的吸收谱线作为测温谱线对。随后研究了燃烧场的正向测量模型，通过数值仿真分别对典型的对称单峰温度场和非均匀双峰温度场进行了模拟获取训练集和测试集，由此建立CNN模型。最后通过数值仿真的方式评价了CNN算法的重建效果，并与BP神经网络算法以及Tikhonov正则化算法进行对比，三者的平均重建误差分别为1.93%、6.71%和5.07%。　　第二，集成了基于TDLAS的燃烧场的二维温度测量系统。首先基于直接吸收光谱技术，集成了一套燃烧温度场的二维测量系统，包括主机和测量工装两部分。主机中利用数据采集卡输出两路锯齿波使得1391nm和1468nm的DFB激光器以时分复用的方式进行扫描，将两个波长的激光合束后再分成14路，通过设计制造的测量工装形成5×9正交光路覆盖整个燃烧场，经燃烧产物H2O吸收后的光信号被14个光电探测器接收后送入数据采集卡采集，编写了数据采集和处理程序，实现燃烧场的温度二维分布重建。　　第三，验证了二维温度场测量系统的性能。首先在实验室环境下，对蜡烛外焰的温度场进行二维重建。结果表明，重建的结果与剪切干涉法和热电偶的测量结果相吻合，证明了该方法适用于非均匀温度场的测量。然后将该系统应用到柴油发动机中进行现场测试，但由于现场是一个高温、高压、多相流(气体、油滴和碳烟混合)的恶劣环境，导致测量光路出现较大幅度的波动，而无法进行预期测量，因此总结这次现场实验出现的问题和不足，为后续对实验系统的改进提供了帮助，通过提高整个实验系统的稳定性，以实现柴油发动机燃烧室出口温度场的二维重建。
作者：	孙福双
专业：	控制工程
导师：	李金义;王玉祥
授予学位：	硕士
授予学位单位：	天津工业大学
学位年度：	2021