[发明专利]一种火焰三维温度与烟黑体积分数分布同时重建算法

说明书

本发明公开了一种火焰三维温度与烟黑体积分数分布同时重建算法，包括如下步骤：输入火焰辐射光线在不同方向的出射光谱辐射强度信息，离散火焰微元体，建立火焰辐射传输方程；设定目标函数，利用构建的同时重建算法进行迭代计算，重构得到火焰三维温度与烟黑体积分数分布。本发明的算法在迭代过程中，将非负最小二乘算法嵌套在模拟退火算法中，使得SA算法在搜索目标函数过程中搜索效率显著提高。同时由于SA算法具有质量高、初值鲁棒性强、通用易实现等优点，使得NNLS‑SA算法具有良好的全局搜索特性且不易陷入局部最优值，在同时求解火焰三维温度和烟黑体积分数分布过程中具有较高的精度和较好的收敛性。

技术领域

本发明涉及一种火焰三维温度与烟黑体积分数分布同时重建算法，属于火焰温度测量技术领域。

背景技术

燃烧过程是一个极其复杂的物理变化和化学变化相互耦合、相互作用的过程。燃烧火焰中温度、烟黑体积分数及其它相关产物的空间分布情况直接关系到能源转化利用过程的安全性、有效性和清洁性，这些关键参数的测量工作对设备的安全运行和节能减排具有重要的意义。

近年来，激光，光电子和信息等技术的发展，大大推动了非接触式测温技术的深入研究和应用。非接触式测温技术具有不干扰待测流场的优点，大体上可以分为主动式和被动式非接触式测温方法两大类。主动式测温方法是对高温燃烧火焰施加光、声等外部激励信号，通过检测燃烧过程与所施加的外部信号的相互作用结果，进行温度测量。而被动式测温方法不采用任何外加信号，仅通过检测从燃烧过程中产生的信息进行火焰温度测量，主要指辐射成像法。燃烧火焰中非侵入式的烟黑颗粒测量方法根据测量过程中光学信号的来源也可分成两类，一类是基于激光或者其他外部添加光源的测量方法，如消光法和激光诱导白炽光法；另一类是基于火焰或烟黑颗粒自身的发射光谱的测量方法，如双色法和发射CT法。基于激光的光学测量方法在火焰温度、烟黑体积分数测量领域己经得到很普遍的应用，然而由于这些方法都需要外加光源给予初始信号，因此在应用到工业现场进行测量时会带来很多不便，复杂的现场条件会对布置光源和探测器的位置及校对光路带来困难。通过测量火焰自身发射光谱信号来直接计算目标火焰中的温度和烟黑颗粒体积分数分布可以有效地避免这些问题。

利用辐射图像法测量火焰三维温度与烟黑体积分数分布，从本质上是根据边界辐射强度分布求解辐射传输体系中的温度和烟黑体积分数，是典型的反问题。目前辐射传输反问题的求解算法主要包括以下四类：第一类是传统的正则化方法，包括Tikhonov正则化算法、截断奇异值分解算法以及最小二乘QR分解算法等；第二类是基于梯度的优化算法，包括共轭梯度方法、Levenberg-Marquardt(L-M)算法等；第三类是基于随机搜寻的智能优化算法，包括遗传算法、模拟退火、微粒群算法、蚁群算法等；第四类是混合优化算法，即将两种或多种不同类型的算法合成一种混合算法，以提高算法的整体性能。

正则化算法是辐射传输反问题求解中应用较为广泛的一类算法，但是该方法仅能处理简单的关于线性方程组求解的反问题。对于火焰温度和烟黑体积分数同时重建问题，此问题为典型的非线性问题，因此，单纯的采用正则化方法无法实现火焰温度和烟黑体积分数分布的同时重建。基于梯度的优化算法是一类非线性优化算法。该类算法的优势在于收敛速度快、结果稳定性好，但是这类算法普遍存在依赖初值、不易处理局部最优值等不足。相对于传统方法，智能优化算法发展较晚，但具有不依赖初值、不需要对被优化函数求导等优点。

因此，借鉴不同算法的优点，将不同的算法有机的结合起来构成混合优化算法，发挥各自的优势，为温度和烟黑体积分数分布同时求解提供了新的思路。尽管智能优化算法为不同算法的有机结合提供了更多可能，但是由于遗传算法存在过早收敛、蚁群算法搜索过程容易出现停滞、以及粒子群算法精度低、易发散等缺点，使得目前混合优化算法在辐射传输反问题研究中的应用还比较少，特别是火焰三维温度和烟黑体积分数分布同时重建问题上还鲜有研究，因此新的混合优化算法的提出以及现有混合算法的改进还有待于进一步的研究。

发明内容

本发明所要解决的技术问题是针对上述现有求解算法的不足，提供一种火焰三维温度与烟黑体积分数分布同时重建算法。