【儀表網(wǎng) 研發(fā)快訊】近日，中國科學院合肥物質(zhì)院安光所高曉明研究員、劉錕研究員團隊在層析吸收光譜燃燒流場溫度、濃度分布測量方面取得新進展，相關研究以《基于深度學習吸光度恢復和層析吸收光譜的發(fā)動機尾焰溫度濃度分布測量》為題發(fā)表在國際知名期刊Fuel上。
 

　　基于層析吸收光譜的燃燒流場溫度、組分濃度分布測量可為先進燃燒系統(tǒng)的設計、監(jiān)測和診斷提供更全面的數(shù)據(jù)，具有速度快、靈敏度高、抗干擾能力強的優(yōu)點，在燃燒診斷方面展現(xiàn)出巨大的發(fā)展前景。然而受吸光度畸變的影響，傳統(tǒng)的吸收光譜單路徑測量誤差較大，限制了層析吸收光譜的量化精度。
 

　　針對基線誤差導致的吸光度畸變問題，團隊劉錕研究員、王貴師副研究員、博士后王瑞峰等提出一種基于深度學習的吸光度恢復新方法。該方法通過建立神經(jīng)網(wǎng)絡模型，從導數(shù)信號恢復吸光度，具有抑制基線誤差，降低吸光度畸變的效果，將吸收光譜單路徑測量精度提高約1個數(shù)量級。利用此方法，該團隊使用12束激光對柴油驅動的微型渦噴發(fā)動機尾焰溫度和H2O濃度分布進行了非接觸、高速測量，測量速度達到20kHz，溫度測量誤差與熱電偶僅相差0.9%。這一技術突破有望提高層析吸收光譜量化精度。
 

　　該研究工作得到國家自然科學基金、中國科學院合肥物質(zhì)科學研究院院長基金等項目的資助。
 

　　文章鏈接：https://doi.org/10.1016/j.fuel.2024.132775
 

層析吸收光譜微型渦噴發(fā)動機尾焰測量系統(tǒng)示意圖
 

尾焰溫度、H2O濃度分布圖