CN107906555A - 基于多谱线吸收光谱断层成像技术的燃烧优化控制方法 - Google Patents
基于多谱线吸收光谱断层成像技术的燃烧优化控制方法 Download PDFInfo
- Publication number
- CN107906555A CN107906555A CN201710948679.0A CN201710948679A CN107906555A CN 107906555 A CN107906555 A CN 107906555A CN 201710948679 A CN201710948679 A CN 201710948679A CN 107906555 A CN107906555 A CN 107906555A
- Authority
- CN
- China
- Prior art keywords
- spectral line
- distribution
- concentration
- pressure
- multiline
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
- F23N—REGULATING OR CONTROLLING COMBUSTION
- F23N1/00—Regulating fuel supply
- F23N1/02—Regulating fuel supply conjointly with air supply
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/39—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using tunable lasers
Abstract
本发明提供了一种基于多谱线吸收光谱断层成像技术的燃烧优化控制方法,包括以下步骤:选择对应目标气体的多条特征谱线,通过数值实验确定最少需要的特征谱线数目k和最优的谱线组合,测量目标气体在选定的k条特征谱线上,沿n条测量光路的吸收率;将求解气体温度T、浓度X和压力P分布的逆向问题转化为优化问题,并通过数值实验确定先决条件控制参数γT,γX,和γP的数值;计算机数据处理系统根据确定的先决条件控制参数优化求解气体温度T、浓度X和压力T的分布;并分析其峰值、均值、分布特征以及变化速度情况,产生反馈信号,进而控制调节燃料和氧化剂的供应比。本发明可以实现毫米级空间分辨率、毫秒级时间分辨率和在线燃烧优化控制。
Description
技术领域
本发明涉及应用光学和清洁能源技术领域,具体地,涉及基于多谱线吸收光谱断层成像技术的燃烧优化控制方法。
背景技术
经检索,在基于吸收光谱的燃烧诊断、气体分析、和污染物在线监测方面:
中国专利号为:CN200710067513.4,名称为:一种半导体激光吸收光谱气体分析方法;上述专利中公开了利用半导体激光吸收光谱来分析气体的方法,但是不具有空间分辨率,只能获得沿光程待测气体的平均浓度。
中国专利号为:CN201010583531.X,名称为:可调谐半导体激光吸收光谱温度监测仪,上述专利中公开了利用可调谐半导体激光吸收光谱来实时检测温度,但是不具有空间分辨率,只能获得沿光程的平均温度。
美国专利号为:US7217121B2,名称为:用于改进燃烧应用中的过程控制的方法和装置,上述专利中公开了利用双调频率调制吸收光谱技术测量炼钢厂电弧炉尾气中可燃气体的含量来控制氧气和甲烷的进气量;从而达到优化燃烧的目的,然而该技术不具有空间分辨率。
美国专利号为:US2009237656A1,名称为:利用高光谱吸收光谱的层析成像,上述专利中公开了利用直接吸收光谱断层成像技术获得燃烧场温度和目标气体的浓度分布,由于该技术在假定恒压的情况下获得温度场和浓度场的分布,而在实际应用中压力在测量断面上的不均匀性分布普遍存在,因此该技术在工业应用上具有很大的局限性。
为了便于解释该发明与现有发明在技术上的不同之处,这里有必要介绍下多谱线吸收光谱断层成像技术的基本原理。
Beer-Lambert定理是所有吸收光谱技术的基础,该定理的表达为:一束频率为ν、强度为I0的单色光通过均质气体,气体的厚度为L(cm),则出射光和入射光强度之间存在以下关系:
其中Aυ为吸收率;It和I0分别为出射光和入射光强度;P(atm)为气体总压;X为吸收气体的摩尔分数;S(cm-2/atm)为该谱线的吸收强度;Φυ(cm)为归一化的Voigt线型函数。当单色光穿过非均质气体时(温度、吸收气体浓度、和压力沿光路都不均匀),则Beer-Lambert定理需要修改为
在断层成像理论中,吸收率沿光路的积分被定义为投影,因此Aυ亦被称为投影,也可用符号p(L,υ)表示,L用来表示特定的光路。如果在k个不同的波长上(多谱线),沿着n条光路进行测量,则可得到以下非线性方程组:
等式的左边为测得的投影值,右边为根据光谱数据库(HITRAN)所包含的参数求得的投影值,该发明把上述非线性方程组问题转化为一个优化问题进行求解,优化函数可以表示为测量投影数据与计算投影数据的残差:
其中,和分别以向量的形式表示目标场的温度,压力和浓度分布;pm和pc分别为测得和根据光谱数据库(HITRAN)求得的投影值。由于优化函数非常复杂,具有大量接近全局最优解的局部最优解,因此该发明在优化函数中加入温度、浓度和压力的先验条件,修改后的优化函数为
其中RT,RX,和RP分别为用于表示温度、浓度、和压力的先验条件的函数(它们的值越小,则表示越符合先验条件);γT,γX,和γP分别为控制温度、浓度和压力分布的先验条件强度大小的参数。
发明内容
针对现有技术中的缺陷,本发明的目的是提供一种基于多谱线吸收光谱断层成像技术的燃烧优化控制方法。
根据本发明提供的一种基于多谱线吸收光谱断层成像技术的燃烧优化控制方法,包括如下步骤:
步骤a:选择对应目标气体的多条特征谱线,其数量为m,相应谱线为:υ1,υ2,…,υm;
步骤b:通过数值实验确定最少需要的特征谱线数目k和最优的谱线组合,最优组合记为:(υ1,υ2,…,υk);并且测量目标气体在选定的k条特征谱线上沿n条测量光路的吸收率;
步骤c:将求解气体温度T、浓度X和压力P分布的逆向问题转化为优化问题,通过数值实验确定先决条件控制参数γT,γX,和γP的数值;其中:γT、γX、γP分别为控制温度、浓度、压力先验条件强度大小的参数;
步骤d:根据确定的先决条件控制参数和最优的特征谱线组合求解逆向问题,获得目标气体温度T、浓度X、压力P的分布情况;
步骤e:根据气体温度T、浓度X和压力T的分布,分析其峰值、均值、分布特征以及变化速度情况,产生反馈信号,进而控制调节燃料和氧化剂的供应比。
可选地,通过重复执行步骤a至步骤e实现对燃料和氧化剂比例的在线控制。
可选地,在步骤a中选择对应目标气体的多条特征谱线需要考虑的因素包括:吸收强度、信噪比、对周围谱线的抗干扰性、测温灵敏度;其中:吸收强度、信噪比、对周围谱线的抗干扰性、测温灵敏度与对应的特征谱线性能成正比。
可选地,在步骤b中确定的特征谱线数目k的方法包括如下步骤:
步骤S1:根据应用环境估计分别预设g组目标气体沿断面的温度、浓度和压力的分布,使用不同数目的特征谱线,模拟出沿所有测量光路的吸收率并人为的加入噪声,其中g为预设分布的个数;
步骤S2:利用模拟出的吸收率和设定的先决条件控制参数优化求解逆向问题,得到目标气体温度、浓度、压力在断面上的分布,并与预设的分布进行比较得出计算误差;
步骤S3:设定一个允许的误差ε,确定计算误差小于ε的最小特征谱线数目,记为k1,k2,…,kg;
步骤S4:从步骤S3获得的所有最小特征谱线数目k1,…,kg中选出最大值,该最大值即为k。
可选地,在步骤b中确定最优谱线组合的方法为:根据确定的参数k,使用所有(共个)包括k个特征谱线的组合重新求解逆向问题,并求得计算误差,其中最优谱线组合对应最小的计算误差,所述逆向问题是指:利用测得的不同谱线不同测量光路的吸收率优化求解气体温度T、浓度X和压力P的分布。
可选地,在步骤b中测量光路为两个或两个以上互不同向或互不反向的方向,测量方向的布置原则为:使得相邻两个方向之间角度间隔为最大;
可选地,在步骤c中先决条件控制参数γT,γX,和γP的确定方法包括如下步骤:
步骤Q1:根据预设目标气体沿断面的参数分布;使用最优谱线组合模拟出沿测量光路的吸收率;
步骤Q2:利用模拟出的吸收率并人为的加入噪声,在不同的先决条件控制参数下求解逆向问题,得到温度、浓度、和压力在断面上的分布,并与预设分布进行比较得出计算误差;所述逆向问题是指:利用测得的不同谱线不同测量光路的吸收率优化求解气体温度T、浓度X和压力P的分布;
步骤Q3:重复步骤Q2,直到计算误差在预先设定的允许误差ε范围内,确定先决条件控制参数的数值。
可选地,所述步骤c中将求解气体参数分布的逆向问题转化为优化问题是指:数学模型建立之后,由测量投影值获得一组非线性方程组,通过最小化测量投影值与计算投影值残差和气体温度T、浓度X和压力P分布先验条件,求解气体温度T、浓度X和压力P的分布。
可选地,根据求解的气体温度、浓度和压力分布,分析其峰值、均值、分布特征以及变化速度情况,产生反馈信号,利用所述反馈信号控制调节燃料和氧化剂的供应比。
与现有技术相比,本发明具有如下优点:
1、本发明提供的基于多谱线吸收光谱断层成像技术的燃烧优化控制方法具有二维(或三维)的空间分辨率,因此具有更广的适用范围。
2、本发明提供的基于多谱线吸收光谱断层成像技术的燃烧优化控制方法考虑了流场的不均匀性,能够实现更精确的参数测量和燃烧控制。
3、本发明提供的基于多谱线吸收光谱断层成像技术的燃烧优化控制方法考虑了压力场的不均匀性,因此具有更广的应用范围,例如应用于超声速燃烧中的流场测量。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1为实施例中基于多谱线直接吸收光谱断层成像技术的燃烧优化控制系统示意图;
图2为实施例中待测断面的网格划分示意图;
图3(a1~a3)分别为第一组典型实际应用中可能遇到的复杂的温度、浓度、压力分布示意图;
图3(b1~b3)分别为第二组典型实际应用中可能遇到的复杂的温度、浓度、压力分布示意图;
图4(a)为使用不同数目的特征谱线时,数值实验所得出的误差示意图;
图4(b)为使用所有特征谱线组合时,数值实验所得出的误差示意图;
图5为先决条件控制参数的取值范围示意图;
图6(a1~a3)分别为实施例中在优化控制之前,测量所得的温度、浓度、压力分布示意图;
图6(b1~b3)分别为实施例中在优化控制之后,测量所得的温度、浓度、压力分布示意图;
图7为本发明提供的基于多谱线吸收光谱断层成像技术的燃烧优化控制方法的流程示意图。
图中:101-光源;102-函数信号发生器;103-半导体光放大器;104-多路光纤复用器;105-待测断面;106-探测器;107-数据采集系统;108-计算机数据处理系统;109-原料供应系统。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变化和改进。这些都属于本发明的保护范围。
根据本发明提供的基于多谱线吸收光谱断层成像技术的燃烧优化控制方法,包括如下步骤:
步骤a:选择对应目标气体的多条特征谱线,其数量为m,相应谱线为:υ1,υ2,…,υm;
步骤b:通过数值实验确定最少需要的特征谱线数目k和最优的谱线组合,最优组合记为:(υ1,υ2,…,υk);测量目标气体在选定的k条特征谱线上沿n条测量光路的吸收率;
步骤c:把求解气体参数分布的逆向问题转化为优化问题,并通过数值实验确定先决条件控制参数γT,γX,和γP的数值范围;γT、γX、γP分别为控制温度、浓度、压力先验条件强度大小的参数;
步骤d:通过计算机软件系统根据确定的条件控制参数和最优的特征谱线组合优化求解逆向问题,获得目标气体温度、浓度、压力的分布;
步骤e:根据求解的气体温度、浓度和压力分布,分析其峰值、均值、分布特征以及变化速度情况,产生反馈信号,进而控制调节燃料和氧化剂的供应比。
下面结合具体实施例对本发明中的技术方案做详细说明。
如图1所示,一种燃烧控制装置,用于优化实验室小型炉子燃烧情况,炉子的燃料为甲烷,氧化剂为空气。图中的优化控制装置包括:光源101、函数信号发生器102、半导体光放大器103、多路光纤复用器104、待测断面105、探测器106、数据采集系统107、计算机数据处理系统108、原料供应系统109。
光源101采用可调谐半导体二极管激光器。激光由光源输出后,通过半导体光放大器放大,放大后的激光通过光纤耦合器分为32路激光,其中一路激光直接连接探测器用于监测激光的参考强度,选择其余激光中的一路通过干涉仪监测激光频率,剩余的30路激光分为两组,分别沿着两个正交的方向穿过待测气体。
如图2所示,待测断面被分割成15x15个格子,每个格子的长宽分别为2.54厘米,断面内放置一个长宽分别是7.62厘米的正方形炉子。数据采集系统由4个12位、8通道的数据采集卡(NI,PXI-5105,60MS/s)组成。数据采集系统采集的数据传送至计算机数据处理系统求解逆向问题,获得断面内的温度和压力分布以及待测气体的浓度分布。
计算机数据处理系统主要功能有:
1)挑选对求解逆向问题有利的特征谱线;主要的原则为所选谱线具有高吸收强度、高信噪比、受周围谱线的干扰较小、具有高的测温灵敏度,这里选出了10条特征谱线。
2)确定最少所需的特征谱线数目;
根据应用环境估计预设目标气体沿断面的温度、浓度和压力分布(这里使用实际应用中最常出现的两种分布,如图3(a1~a3、b1~b3)所示);使用不同数目的特征谱线,模拟出沿所有测量光路的吸收率并人为的加入噪声;利用模拟出的吸收率和一组较好的先决条件控制参数,求解逆向问题得到温度、浓度、和压力在断面上的分布并与预设的分布进行比较得出计算误差;设定一个允许的误差ε,确定使得计算误差小于ε的最小特征谱线数目k1;对分布2重复以上步骤分别求得k2,把k设为k1,k2的大值;如图4(a)所示,当ε为5%时,k=5。
3)从确定的特征谱线中挑选出最优的k个特征谱线的组合;
根据确定的参数k,使用不同的特征谱线组合(共种)求解逆向问题并求得计算误差,最优谱线组合对应最小的计算误差,如图4(b)所示;
4)确定先决条件控制参数γT,γX,和γP的取值;
根据上述预设目标气体沿断面的参数分布;使用最优谱线组合模拟出沿测量光路的吸收率并人为的加入噪声;利用模拟出的吸收率,在不同的先决条件控制参数下,求解逆向问题得到温度、浓度、和压力在断面上的分布并与预设的分布进行比较得出计算误差;重复上述步骤根据设定的ε确定先决条件控制参数的取值,图5中标出了该方法确定的γT,γX,和γP的取值范围。
5)根据以上功能确定的参数(γT,γX,和γP)和最优特征谱线组合,处理测量数据求得测量断面上温度、浓度、和压力的分布,图6(a1~a3)为控制系统调节之前的参数分布。
6)根据求解的气体温度、浓度和压力分布,分析其峰值、均值、分布特征以及变化速度情况,产生反馈控制信号,原料供应系统根据控制信号调节燃料和氧化剂的供应比优化燃烧(使得燃烧更为完全),图6(b1~b3)为控制系统调节之后的参数分布。
由此可见,基于多谱线吸收光谱断层成像技术的燃烧优化控制方法是可行的。
上述实施方式不应理解为对本发明保护范围的限制。本发明的关键是基于多谱线吸收光谱断层成像技术的气体温度、浓度和压力分布的测量方法,以及其中涉及的技术细节。在不脱离本发明的精神或范围的情况下,对本发明做出的任何形式的修改均应归入本发明的保护范围之内。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变化或修改,这并不影响本发明的实质内容。在不冲突的情况下,本申请的实施例和实施例中的特征可以任意相互组合。
Claims (9)
1.一种基于多谱线吸收光谱断层成像技术的燃烧优化控制方法,其特征在于,包括如下步骤:
步骤a:选择对应目标气体的多条特征谱线,其数量为m,相应谱线为:υ1,υ2,…,υm;
步骤b:通过数值实验确定最少需要的特征谱线数目k和最优的谱线组合,最优组合记为:(υ1,υ2,…,υk);并且测量目标气体在选定的k条特征谱线上沿n条测量光路的吸收率;
步骤c:将求解气体温度T、浓度X和压力P分布的逆向问题转化为优化问题,通过数值实验确定先决条件控制参数γT,γX,和γP的数值;其中:γT、γX、γP分别为控制温度、浓度、压力先验条件强度大小的参数;
步骤d:根据确定的先决条件控制参数和最优的特征谱线组合求解逆向问题,获得目标气体温度T、浓度X、压力P的分布情况;
步骤e:根据气体温度T、浓度X和压力T的分布,分析其峰值、均值、分布特征以及变化速度情况,产生反馈信号,进而控制调节燃料和氧化剂的供应比。
2.根据权利要求1所述的基于多谱线吸收光谱断层成像技术的燃烧优化控制方法,其特征在于,通过重复执行步骤a至步骤e实现对燃料和氧化剂比例的在线控制。
3.根据权利要求1所述的基于多谱线吸收光谱断层成像技术的燃烧优化控制方法,其特征在于,在步骤a中选择对应目标气体的多条特征谱线需要考虑的因素包括:吸收强度、信噪比、对周围谱线的抗干扰性、测温灵敏度;其中:吸收强度、信噪比、对周围谱线的抗干扰性、测温灵敏度与对应的特征谱线性能成正比。
4.根据权利要求1所述的基于多谱线吸收光谱断层成像技术的燃烧优化控制方法,其特征在于,在步骤b中确定的特征谱线数目k的方法包括如下步骤:
步骤S1:根据应用环境估计分别预设g组目标气体沿断面的温度、浓度和压力的分布,使用不同数目的特征谱线,模拟出沿所有测量光路的吸收率并人为的加入噪声,其中g为预设分布的个数;
步骤S2:利用模拟出的吸收率和设定的先决条件控制参数优化求解逆向问题,得到目标气体温度、浓度、压力在断面上的分布,并与预设的分布进行比较得出计算误差;
步骤S3:设定一个允许的误差ε,确定计算误差小于ε的最小特征谱线数目,记为k1,k2,…,kg;
步骤S4:从步骤S3获得的所有最小特征谱线数目k1,…,kg中选出最大值,该最大值即为k。
5.根据权利要求1所述的基于多谱线吸收光谱断层成像技术的燃烧优化控制方法,其特征在于,在步骤b中确定最优谱线组合的方法为:根据确定的参数k,使用所有包括k个特征谱线的组合重新求解逆向问题,并求得计算误差,其中最优谱线组合对应最小的计算误差,所述逆向问题是指:利用测得的不同谱线不同测量光路的吸收率优化求解气体温度T、浓度X和压力P的分布。
6.根据权利要求1所述的基于多谱线吸收光谱断层成像技术的燃烧优化控制方法,其特征在于,在步骤b中测量光路为两个或两个以上互不同向或互不反向的方向,测量方向的布置原则为:使得相邻两个方向之间角度间隔为最大。
7.根据权利要求1所述的基于多谱线吸收光谱断层成像技术的燃烧优化控制方法,其特征在于,在步骤c中先决条件控制参数γT,γX,和γP的确定方法包括如下步骤:
步骤Q1:根据预设目标气体沿断面的参数分布;使用最优谱线组合模拟出沿测量光路的吸收率;
步骤Q2:利用模拟出的吸收率并人为的加入噪声,在不同的先决条件控制参数下求解逆向问题,得到温度、浓度、和压力在断面上的分布,并与预设分布进行比较得出计算误差;所述逆向问题是指:利用测得的不同谱线不同测量光路的吸收率优化求解气体温度T、浓度X和压力P的分布;
步骤Q3:重复步骤Q2,直到计算误差在预先设定的允许误差ε范围内,确定先决条件控制参数的数值。
8.根据权利要求1所述的基于多谱线吸收光谱断层成像技术的燃烧优化控制方法,其特征在于,所述步骤c中将求解气体参数分布的逆向问题转化为优化问题是指:数学模型建立之后,由测量投影值获得一组非线性方程组,通过最小化测量投影值与计算投影值残差和气体温度T、浓度X和压力P分布先验条件,求解气体温度T、浓度X和压力P的分布。
9.根据权利要求1所述的基于多谱线吸收光谱断层成像技术的燃烧优化控制方法,其特征在于,根据求解的气体温度、浓度和压力分布,分析其峰值、均值、分布特征以及变化速度情况,产生反馈信号,利用所述反馈信号控制调节燃料和氧化剂的供应比。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710948679.0A CN107906555B (zh) | 2017-10-12 | 2017-10-12 | 基于多谱线吸收光谱断层成像技术的燃烧优化控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710948679.0A CN107906555B (zh) | 2017-10-12 | 2017-10-12 | 基于多谱线吸收光谱断层成像技术的燃烧优化控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107906555A true CN107906555A (zh) | 2018-04-13 |
CN107906555B CN107906555B (zh) | 2019-10-08 |
Family
ID=61840506
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710948679.0A Active CN107906555B (zh) | 2017-10-12 | 2017-10-12 | 基于多谱线吸收光谱断层成像技术的燃烧优化控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107906555B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111257497A (zh) * | 2020-02-17 | 2020-06-09 | 上海交通大学 | 一种火焰温度场测量装置及方法 |
CN112798550A (zh) * | 2021-04-14 | 2021-05-14 | 四川大学 | 一种宽测量范围的激光吸收光谱燃烧诊断方法 |
CN112924414A (zh) * | 2019-12-06 | 2021-06-08 | 财团法人工业技术研究院 | 气体吸收光谱量测系统及其量测方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020158202A1 (en) * | 2001-01-08 | 2002-10-31 | Webber Michael E. | Laser-based sensor for measuring combustion parameters |
US7217121B2 (en) * | 2000-06-26 | 2007-05-15 | Thomson Murray J | Method and apparatus for improved process control in combustion applications |
JP2009162762A (ja) * | 2003-03-31 | 2009-07-23 | Zolo Technologies Inc | 燃焼の監視および制御のための方法と装置 |
US20090237656A1 (en) * | 2008-03-05 | 2009-09-24 | Lin Ma | Tomographic Imaging Using Hyperspectral Absorption Spectroscopy |
CN101680833A (zh) * | 2007-05-24 | 2010-03-24 | 佐勒技术公司 | 用于高空间分辨率温度和物质浓度测量的面元划分和层析成像 |
CN101956997A (zh) * | 2009-06-15 | 2011-01-26 | 通用电气公司 | 用于燃烧控制的光学探询传感器 |
CN102183316A (zh) * | 2010-12-10 | 2011-09-14 | 中国科学院安徽光学精密机械研究所 | 可调谐半导体激光吸收光谱温度实时监测仪 |
CN102881041A (zh) * | 2012-08-21 | 2013-01-16 | 中国科学院计算技术研究所 | 一种基于多源实测数据的火焰建模方法及其系统 |
CN106815878A (zh) * | 2015-12-02 | 2017-06-09 | 北京航空航天大学 | 一种基于多视角多光谱层析成像的图像重建方法 |
-
2017
- 2017-10-12 CN CN201710948679.0A patent/CN107906555B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7217121B2 (en) * | 2000-06-26 | 2007-05-15 | Thomson Murray J | Method and apparatus for improved process control in combustion applications |
US20020158202A1 (en) * | 2001-01-08 | 2002-10-31 | Webber Michael E. | Laser-based sensor for measuring combustion parameters |
JP2009162762A (ja) * | 2003-03-31 | 2009-07-23 | Zolo Technologies Inc | 燃焼の監視および制御のための方法と装置 |
CN101680833A (zh) * | 2007-05-24 | 2010-03-24 | 佐勒技术公司 | 用于高空间分辨率温度和物质浓度测量的面元划分和层析成像 |
US20090237656A1 (en) * | 2008-03-05 | 2009-09-24 | Lin Ma | Tomographic Imaging Using Hyperspectral Absorption Spectroscopy |
CN101956997A (zh) * | 2009-06-15 | 2011-01-26 | 通用电气公司 | 用于燃烧控制的光学探询传感器 |
CN102183316A (zh) * | 2010-12-10 | 2011-09-14 | 中国科学院安徽光学精密机械研究所 | 可调谐半导体激光吸收光谱温度实时监测仪 |
CN102881041A (zh) * | 2012-08-21 | 2013-01-16 | 中国科学院计算技术研究所 | 一种基于多源实测数据的火焰建模方法及其系统 |
CN106815878A (zh) * | 2015-12-02 | 2017-06-09 | 北京航空航天大学 | 一种基于多视角多光谱层析成像的图像重建方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112924414A (zh) * | 2019-12-06 | 2021-06-08 | 财团法人工业技术研究院 | 气体吸收光谱量测系统及其量测方法 |
CN112924414B (zh) * | 2019-12-06 | 2024-05-07 | 财团法人工业技术研究院 | 气体吸收光谱量测系统及其量测方法 |
CN111257497A (zh) * | 2020-02-17 | 2020-06-09 | 上海交通大学 | 一种火焰温度场测量装置及方法 |
CN112798550A (zh) * | 2021-04-14 | 2021-05-14 | 四川大学 | 一种宽测量范围的激光吸收光谱燃烧诊断方法 |
CN112798550B (zh) * | 2021-04-14 | 2021-07-13 | 四川大学 | 一种宽测量范围的激光吸收光谱燃烧诊断方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107906555B (zh) | 2019-10-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Legros et al. | Simultaneous soot temperature and volume fraction measurements in axis-symmetric flames by a two-dimensional modulated absorption/emission technique | |
CN106769974B (zh) | 气体浓度二维分布在线检测系统及方法 | |
Xia et al. | Two-step tomographic reconstructions of temperature and species concentration in a flame based on laser absorption measurements with a rotation platform | |
Xu et al. | Tunable diode laser absorption spectroscopy-based tomography system for on-line monitoring of two-dimensional distributions of temperature and H2O mole fraction | |
CN103557886B (zh) | 一种基于超光谱的高温气体二维瞬态温度场、浓度场分布同时测量的方法 | |
Tsekenis et al. | Spatially resolved and observer-free experimental quantification of spatial resolution in tomographic images | |
CN106815878B (zh) | 一种基于多视角多光谱层析成像的图像重建方法 | |
Stritzke et al. | Ammonia concentration distribution measurements in the exhaust of a heavy duty diesel engine based on limited data absorption tomography | |
CN107906555B (zh) | 基于多谱线吸收光谱断层成像技术的燃烧优化控制方法 | |
Wang et al. | The research on the estimation for the NOx emissive concentration of the pulverized coal boiler by the flame image processing technique | |
Zhao et al. | A WMS based TDLAS tomographic system for distribution retrievals of both gas concentration and temperature in dynamic flames | |
Sun et al. | Investigation of flame radiation sampling and temperature measurement through light field camera | |
Yu et al. | Rapid tomographic reconstruction based on machine learning for time-resolved combustion diagnostics | |
CN109100044B (zh) | 基于单光路多光谱的气体温度概率密度分布拟合重建方法 | |
Huang et al. | Simultaneous estimation of the 3-D soot temperature and volume fraction distributions in asymmetric flames using high-speed stereoscopic images | |
JP6761431B2 (ja) | レーザ光を用いたガス分析装置及びガス分析方法 | |
CN110514622B (zh) | 一种基于直方图信息的二维温度和浓度重建系统与方法 | |
Li et al. | Simultaneous measurement of flame temperature and absorption coefficient through LMBC-NNLS and plenoptic imaging techniques | |
CN108645623A (zh) | 发动机燃烧室燃烧效率测量装置及其测量方法 | |
Yu et al. | 4D temperature measurements using tomographic two-color pyrometry | |
CN101261224B (zh) | 基于4f相位相干成像系统测量材料的光学非线性的方法 | |
CN112082672B (zh) | 基于消光矫正时间解析的三维燃烧场温度测量方法 | |
CN109270013A (zh) | 一种炉内多维燃烧气体温度和多组分浓度测量方法和系统 | |
Jing et al. | A reconfigurable parallel data acquisition system for tunable diode laser absorption spectroscopy tomography | |
Zhang et al. | Reconstruction of combustion temperature and gas concentration distributions using line-of-sight tunable diode laser absorption spectroscopy |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |