CN110174182A - 基于最小模方函数的温度场优化重构装置和方法 - Google Patents
基于最小模方函数的温度场优化重构装置和方法 Download PDFInfo
- Publication number
- CN110174182A CN110174182A CN201910431535.7A CN201910431535A CN110174182A CN 110174182 A CN110174182 A CN 110174182A CN 201910431535 A CN201910431535 A CN 201910431535A CN 110174182 A CN110174182 A CN 110174182A
- Authority
- CN
- China
- Prior art keywords
- laser
- absorbance
- temperature field
- temperature
- signal
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K11/00—Measuring temperature based upon physical or chemical changes not covered by groups G01K3/00, G01K5/00, G01K7/00 or G01K9/00
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/17—Function evaluation by approximation methods, e.g. inter- or extrapolation, smoothing, least mean square method
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Measuring Temperature Or Quantity Of Heat (AREA)
Abstract
本发明涉及激光、温度场测量技术领域,为提出一种易于实施的温度场重构方法,重构步骤简洁,运算效率更高,能够实时检测温度异常。为此,本发明采取的技术方案是,基于最小模方函数的温度场优化重构装置和方法,利用计算机控制激光器交替产生两个不同频段的扫频激光脉冲信号,待激光信号通过待测热源后,由传感器接收信号推导出激光吸光度,然后由得到的激光吸光度进行温度场的重构。本发明主要应用于温度场测量场合。
Description
技术领域
本发明提出一种应用于温度场检测的激光测温算法,该技术基于可调谐激光吸收光谱技术,主要用于还原待测区域内的温度分布,即该区域的温度场。具体涉及基于最小模方函数的温度场优化重构方法。
背景技术
利用吸收介质的激光吸光度与温度的关系,可调谐二极管激光吸收光谱技术(TDLAS)常用于温度场的检测,与传统的接触式测量相比,TDLAS具有灵敏度高、抗噪性能好、测量周期短等优势,是一种易于实施的非接触式测量手段。该技术被广泛应用于锅炉、发电汽轮机、航空发动机等高温环境下的温度检测,对了解燃烧过程、节约燃料成本、建立燃烧模型都有重要意义。
但TDLAS同时也是一种基于视线效应的测量技术,传感器只能接收沿测量光路方向的积分吸收信号,分析出光路上的平均温度。为了获取待测区域中的温度分布情况,就需要借助重构算法。TDLAS常用的重构算法以迭代法为主,迭代法中常用代数迭代算法。该算法将温度场的重构过程转化为求解多元方程组,原理简单,实现方便,然而该方法无法上述克服多元方程组具有非唯一解的情况,且由于需要对光路逐条计算,拉长了迭代周期,对测量造成了不利影响。
为此,可以在迭代法的基础上采用优化的思想,以重构场和待测热源温度场的误差为目标函数,建立误差最小的重构场作为测量结果。自Kashyap于1975年提出使用二次型函数的约束优化方法以来,优化迭代算法常用于图像处理、医学CT成像等领域。在TDLAS中,Weiwei Cai将模拟退火原理用于TDLAS的温度场优化迭代中,证明了优化法用于TDLAS的可行性。然而模拟退火算法在实施中包含多个迭代环节,虽然可以降低测量光路数,但也导致算法相对复杂,并大大拉长了重构所需的时间。为此,需要一种更好的重构算法使TDLAS更好地适应实时测量环境。
发明内容
为克服现有技术的不足,本发明旨在提出一种易于实施的温度场重构方法,重构步骤简洁,运算效率更高,能够实时检测温度异常。为此,本发明采取的技术方案是,基于最小模方函数的温度场优化重构装置,包括:
用于数据处理和产生激励信号脉冲的PC端;
用于控制激光器电流和温度的激光控制器;
用于组合激光信号的光纤耦合器;
将激光信号分成多份的光纤分束器;
围绕被测热源用于组织测量光路位置和方向的框架;
安装于框架上的光纤准直器,激光信号由此投射向传感器阵列;
用于接收信号的传感器阵列;
计算机端交替产生两个不同频段的扫频激光脉冲信号,待激光信号通过待测热源后,由传感器接收信号通过计算机推导出激光吸光度。
计算机内置温度场重构模块,该模块由传感器接收信号推导出激光吸光度,再由得到的激光吸光度进行温度场的重构。
基于最小模方函数的温度场优化重构方法,利用计算机控制激光器交替产生两个不同频段的扫频激光脉冲信号,待激光信号通过待测热源后,由传感器接收信号推导出激光吸光度,然后由得到的激光吸光度进行温度场的重构。
利用得到的激光吸光度进行温度场的重构,具体的步骤如下:
将待测温度场分为N×N个离散区域,以此为依据设立以下三个参数:
重构场参数列向量x为1×N2的列向量,代表各个离散区域中的吸光度,xj为x中的第j个元素,即第j个离散区域中的吸光度;
投影数据列向量y为1×M的列向量,代表各条测量激光的积分吸光度,yi为y中的第i个元素,即第i条激光的积分吸光度;
权重矩阵A,M×N2的矩阵,代表测量激光穿越离散区域的光路长度,aij为A中第i行第j列的元素,即第i条激光穿过第j个离散区域的长度;
由此,将重建转化为如下的优化问题:
针对上式建立拉格朗日函数L(x,μ,λ)如下:
上式中,μ,λ均为拉格朗日函数的乘子列向量。
由库恩-塔克条件,(2)式的最优解x*必须满足如下几个条件:
将上式中的第二项带入第三项得:
Ax*=(y+μ) (4)
(4)式中,左边为重建场的再投影,右边为实际投影数据与乘子列向量之和,如果x*为(1)式的最优解,则必须满足(4)式,通过迭代使(4)式两边逐渐趋于相等以求得最优解x*;
进一步地,将(4)式两边的比值作为修正值,通过反投影的方式反馈至每个离散区域中,则该式表示为:
ATAx*=AT(y+μ) (5)
由此,得到迭代公式为:
上式中,为x中的元素,为乘子列向量μ的第i个元素,两者中的上标k均表示第k次迭代,k=0时为初始值;yi为y中的元素;aij为权重矩阵A的元素;aji为权重矩阵转置AT的元素。
列向量μ也可通过迭代的方式得到,表达式为:
μk+1=μk+C(y-Ax) (7)
其中C为控制重构精度与重构速度的正数因子,该式最终会逐渐收敛至优化问题的最优解,并得出每个离散区域中的积分吸光度,系统对两个不同波长的激光通过待测场后,形成的吸收谱线的积分吸光度进行比值处理,得到:
上式中,T0=296K,为参考温度;v为激光波数(激光波长的倒数);A1(v)、S1(T)、S1(T0)分别为1号谱线的积分吸光度,谱线线强,及参考温度下的谱线线强;A2(v)、S2(T)、S2(T0)分别为2号谱线的积分吸光度,谱线线强,及参考温度下的谱线线强;h为普朗克常数;c为光速;kB为波尔茨曼常数;E″为低状态能级能量;Q(T)为配分函数,反映了在一定温度下处于基态粒子数的百分比;
吸光度比值R(T)为仅与温度有关的单调上升函数,由R(T)逆推出温度。
本发明的特点及有益效果是:
1.本发明以实际TDLAS系统为参考,编写了用于仿真的matlab程序,结果证明,以最小模方函数作为目标函数的优化算法运用于TDLAS温度场重构中,相比其它优化迭代算法原理简单,更易实现,且拥有更快的重构速度。
2.本发明通过仿真与实验相结合,利用仿真不断优化重构过程,获取能够平衡重构时间和精度的最佳参数。结果表明该优化算法能较好地还原被测热源的温度分布情况。
附图说明:
图1TDLAS测量实验系统示意图。
图2双线法示意图。图中,(a)为谱线线强随温度的变化,(b)为吸光度比值。
图3温度场离散化示意图。
图4用于实验的单峰和双峰原温度场。
图5算法重构结果示意。图中,(a)为单峰温度场下的算法重构结果,(b)为双峰温度场下的算法重构结果。
具体实施方式
本发明针对TDLAS重建过程中重构速度慢,不易实施的问题,以模方函数为目标函数,利用最小二乘原理构建了一种易于实施的温度场重构算法。该算法原理相对简单,运算效率更高。提升了TDLAS系统的实时测量能力,实现了优化燃料使用、实时检测温度异常的功能,最终达到改善热源的安全系数和燃料利用率的目的。对减少燃烧碳排放,保护环境具有重要意义。此外,本发明对TDLAS重构算法的改进和研究也具有借鉴意义。
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图,分步对本发明实施方式作进一步地详细描述:
1.参考TDLAS测量实验系统,编写用于模拟激光器获取热源吸光度的程序:
1)参考典型TDLAS系统的结构和作用,如图1所示,一套常见的TDLAS测量系统通常包括以下几个部分:用于数据处理和产生激励信号脉冲的PC端(1),用于控制激光器电流和温度的激光控制器(2),用于组合激光信号的光纤耦合器(3)及将激光信号分成多份的光纤分束器(4),围绕被测热源(6)用于组织测量光路位置和方向的框架(7)及框架上的光纤准直器(8),用于接收信号的传感器阵列(9)等9个部分,各测量部件由光纤连接。PC端可交替产生两个不同频段的扫频激光脉冲信号,待激光信号通过待测热源后,由传感器接收信号推导出激光吸光度,再由PC端接收用于后续分析。
2)根据前述系统,可编写从仿真热源获取吸光度的程序,程序遵循Beer-Lambert定律,通过对两个不同频率下的激光吸光度作比值处理以获取温度参数。对激光频率的选择需遵循以下条件:吸收介质在该频率下的吸收谱线相对独立;两个不同的吸收谱线线强相近,低能级能量差至少要大于700cm-1。本参考例是以水蒸气为介质,选择波长为1343.29nm和1391.67nm的激光进行后续测量,具体实现时,对吸收介质及激光波长不作限制,只要能满足上述条件即可。本参考例下的吸收谱线参数见表1:
表1 吸收峰参数
激光线强随温度的变化见图2(a),两个不同波长的激光通过介质气体形成两条吸收谱线,通过待测场后的积分吸光度比值的表达式为:
上式中,T0=296K,为参考温度;v为激光波数(激光波长的倒数);A1(v)、S1(T)、S1(T0)分别为1号谱线的积分吸光度,谱线线强,及参考温度下的谱线线强;A2(v)、S2(T)、S2(T0)分别为2号谱线的积分吸光度,谱线线强,及参考温度下的谱线线强;h为普朗克常数;c为光速;kB为波尔茨曼常数;E″为低状态能级能量;Q(T)为配分函数,反映了在一定温度下处于基态粒子数的百分比。
从图2(b)可见吸光度比值R(T)为仅与温度有关的单调上升函数,因此只要得到比值,就能逆推出温度。
2.利用数学分析软件matlab对吸光度进行分析,重构被测热源的温度场。
1)获取被测热源的温度场:通过对火焰温度模型的研究,构建仿真的火焰温度场如图3所示,注意如要通过实际热源进行相关实验,需使用TDLAS测温以外的方式构建温度场。
2)对被测热源进行区域划分:本发明属于迭代法的一种,对被测热源的温度场重构基于以下假设:被测热源的温度场可被划分为若干个温度恒定的离散区域。划分的区域越多,重构的空间分辨率就越高,同时重构过程就越慢。因此需要对被测热源的区域划分进行合理组织。本测试例中,将温度场分为N×N个正方形区域,在多种区域划分情况下对算法进行了仿真。
3)利用步骤1中得到的激光吸光度进行温度场的重构,具体的步骤如下:
将待测温度场分为N×N个离散区域,以此为依据设立以下三个参数:
重构场参数列向量x(重构目标),1×N2的列向量,代表各个离散区域中的吸光度,xj为x中的第j个元素,即第j个离散区域中的吸光度。
投影数据列向量y(测量信号),1×M的列向量,代表各条测量激光的积分吸光度,yi为y中的第i个元素,即第i条激光的积分吸光度。
权重矩阵A,M×N2的矩阵,代表测量激光穿越离散区域的光路长度,aij为A中第i行第j列的元素,即第i条激光穿过第j个离散区域的长度。
将重建转化为如下的优化问题:
上式中,y为投影数据列向量;x为重构场参数列向量;A为权重矩阵,矩阵中第i行第j列的元素aij代表第i条激光穿过第j个离散区域的长度,因此权重矩阵实际表征的是测量光路通过离散区域的光路长度(见图3)。
针对上式可建立拉格朗日函数L(x,μ,λ)如下:
上式中,μ,λ均为乘子列向量。在这里,不采用拉格朗日乘子法直接求解,而是从最优性条件推断得出迭代公式。
由库恩-塔克条件可知,(11)式的最优解x*必须满足如下几个条件:
将上式中的第二项带入第三项可得:
Ax*=(y+μ) (13)
(13)式中,左边为重建场的再投影,右边为实际投影数据与拉格朗日系数之和,如果x*为(10)式的最优解,则必须满足(13)式。我们期望通过迭代使(13)式两边逐渐趋于相等以求得最优解x*。由此,可以将(13)式两边的比值作为修正值,通过反投影的方式反馈至每个离散区域中,则该式可表示为:
ATAx*=AT(y+μ) (14)
由此,可得到迭代公式为:
上式中xj为重构场参数列向量x中的第j个元素,表示第j个离散区域中的吸光度。yi为投影数据列向量y中的第i个元素,表示第i条激光的积分吸光度。aij为权重矩阵A中第i行第j列的元素,表示第i条激光穿过第j个离散区域的长度。μi为乘子列向量μ的第i个元素,上标k表示第k次迭代,k=0时表示初值。
上式中,向量μ的表达式为:
μk+1=μk+C(y-Ax) (16)
其中C为控制重构精度与重构速度的正数因子,可提前通过仿真实验确定精度最高的C值代入。该式最终会逐渐收敛至优化问题的最优解。
3.算法验证:
将步骤2中的重构温度场和预先设定的仿真温度场(见图4)进行比较发现:对于单峰温度场,重构场基本与仿真场一致,在不同参数下的单峰温度场仿真表明,两者之间的最大误差不超过8%,对于双峰温度场,重构场准确还原了双峰的位置,最大误差不超过10%。两次实验的结果可见图5。其中N为与离散区域划分相关的参数。
鉴于重构场与仿真场基本一致,可证明该算法的可行性及正确性。
以上所述仅为本发明的较佳理想例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
[1]Cai W,Kaminski C F.Tomographic absorption spectroscopy for thestudy of gas dynamics and reactive flows[J].Progress in Energy&CombustionScience,2017,59:1-31.
[2]Kashyap R L,Mittal M C.Picture Reconstruction from Projections[J].IEEE Transactions on Computers,1975,C-24(9):915-923.
[3]Cai W,Ma L.Hyperspectral tomography based on proper orthogonaldecomposition as motivated by imaging diagnostics of unsteady reactive flows.[J].Applied Optics,2010,49(4):601-10.
[4]Ma L,Cai W,Caswell A W,et al.Tomographic Imaging of Temperatureand Chemical Species Based on Hyperspectral Absorption Spectroscopy[J].OpticsExpress,2009,17(10):8602-8613.
[5]Rockafellar R T.The multiplier method of Hestenes and Powellapplied to convex programming[J].Journal of Optimization Theory&Applications,1973,12(6):555-562.
[6]高欣,罗国明,汪元美.一种约束最小模方估计的图像迭代重建算法[J].电路与系统学报,2004,9(1):119-121。
Claims (4)
1.一种基于最小模方函数的温度场优化重构装置,其特征是,包括:
用于数据处理和产生激励信号脉冲的PC端;
用于控制激光器电流和温度的激光控制器;
用于组合激光信号的光纤耦合器;
将激光信号分成多份的光纤分束器;
围绕被测热源用于组织测量光路位置和方向的框架;
安装于框架上的光纤准直器,激光信号由此投射向传感器阵列;
用于接收信号的传感器阵列;
计算机端交替产生两个不同频段的扫频激光脉冲信号,待激光信号通过待测热源后,由传感器接收信号通过计算机推导出激光吸光度。
2.如权利要求1所述的基于最小模方函数的温度场优化重构装置,其特征是,计算机内置温度场重构模块,该模块由传感器接收信号推导出激光吸光度,再由得到的激光吸光度进行温度场的重构。
3.一种基于最小模方函数的温度场优化重构方法,其特征是,利用计算机控制激光器交替产生两个不同频段的扫频激光脉冲信号,待激光信号通过待测热源后,由传感器接收信号推导出激光吸光度,然后由得到的激光吸光度进行温度场的重构。
4.如权利要求3所述的基于最小模方函数的温度场优化重构方法,其特征是,利用得到的激光吸光度进行温度场的重构,具体的步骤如下:
将待测温度场分为N×N个离散区域,以此为依据设立以下三个参数:
重构场参数列向量x为1×N2的列向量,代表各个离散区域中的吸光度,xj为x中的第j个元素,即第j个离散区域中的吸光度;
投影数据列向量y为1×M的列向量,代表各条测量激光的积分吸光度,yi为y中的第i个元素,即第i条激光的积分吸光度;
权重矩阵A,M×N2的矩阵,代表测量激光穿越离散区域的光路长度,aij为A中第i行第j列的元素,即第i条激光穿过第j个离散区域的长度;
由此,将重建转化为如下的优化问题:
针对上式建立拉格朗日函数L(x,μ,λ)如下:
上式中,μ,λ均为拉格朗日函数的乘子列向量;
由库恩-塔克条件,(2)式的最优解x*必须满足如下几个条件:
将上式中的第二项带入第三项得:
Ax*=(y+μ) (4)
(4)式中,左边为重建场的再投影,右边为实际投影数据与乘子列向量之和,如果x*为(1)式的最优解,则必须满足(4)式,通过迭代使(4)式两边逐渐趋于相等以求得最优解x*;
进一步地,将(4)式两边的比值作为修正值,通过反投影的方式反馈至每个离散区域中,则该式表示为:
ATAx*=AT(y+μ) (5)
由此,得到迭代公式为:
上式中,为x中的元素,为乘子列向量μ的第i个元素,两者中的上标k均表示第k次迭代,k=0时为初始值;yi为y中的元素;aij为权重矩阵A的元素;aji为权重矩阵转置AT的元素;
列向量μ也可通过迭代的方式得到,表达式为:
μk+1=μk+C(y-Ax) (7)
其中C为控制重构精度与重构速度的正数因子,该式最终会逐渐收敛至优化问题的最优解,并得出每个离散区域中的积分吸光度,系统对两个不同波长的激光通过待测场后,形成的吸收谱线的积分吸光度进行比值处理,得到:
上式中,T0=296K,为参考温度;v为激光波数(激光波长的倒数);A1(v)、S1(T)、S1(T0)分别为1号谱线的积分吸光度,谱线线强,及参考温度下的谱线线强;A2(v)、S2(T)、S2(T0)分别为2号谱线的积分吸光度,谱线线强,及参考温度下的谱线线强;h为普朗克常数;c为光速;kB为波尔茨曼常数;E″为低状态能级能量;Q(T)为配分函数,反映了在一定温度下处于基态粒子数的百分比;
吸光度比值R(T)为仅与温度有关的单调上升函数,由R(T)逆推出温度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910431535.7A CN110174182A (zh) | 2019-05-22 | 2019-05-22 | 基于最小模方函数的温度场优化重构装置和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910431535.7A CN110174182A (zh) | 2019-05-22 | 2019-05-22 | 基于最小模方函数的温度场优化重构装置和方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110174182A true CN110174182A (zh) | 2019-08-27 |
Family
ID=67691907
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910431535.7A Pending CN110174182A (zh) | 2019-05-22 | 2019-05-22 | 基于最小模方函数的温度场优化重构装置和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110174182A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111198038A (zh) * | 2020-01-10 | 2020-05-26 | 国家能源集团谏壁发电厂 | 一种炉膛火焰光谱衰减系数分布的在线测量装置及方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100172471A1 (en) * | 2009-01-05 | 2010-07-08 | Sivathanu Yudaya R | Method and apparatus for characterizing flame and spray structure in windowless chambers |
US20130100445A1 (en) * | 2011-10-24 | 2013-04-25 | Alstom Technology Ltd | Method for data acquisition |
CN106017725A (zh) * | 2016-05-26 | 2016-10-12 | 中国人民解放军装备学院 | 一种适用于燃烧流场气体二维重建的测量装置 |
CN106290244A (zh) * | 2016-07-28 | 2017-01-04 | 中国科学院合肥物质科学研究院 | 实现炉膛内温度和气体浓度二维分布重建的系统及方法 |
CN107389606A (zh) * | 2017-07-11 | 2017-11-24 | 中国人民解放军63653部队 | 一种基于可调谐半导体激光吸收谱的光程长度分析方法 |
-
2019
- 2019-05-22 CN CN201910431535.7A patent/CN110174182A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100172471A1 (en) * | 2009-01-05 | 2010-07-08 | Sivathanu Yudaya R | Method and apparatus for characterizing flame and spray structure in windowless chambers |
US20130100445A1 (en) * | 2011-10-24 | 2013-04-25 | Alstom Technology Ltd | Method for data acquisition |
CN106017725A (zh) * | 2016-05-26 | 2016-10-12 | 中国人民解放军装备学院 | 一种适用于燃烧流场气体二维重建的测量装置 |
CN106290244A (zh) * | 2016-07-28 | 2017-01-04 | 中国科学院合肥物质科学研究院 | 实现炉膛内温度和气体浓度二维分布重建的系统及方法 |
CN107389606A (zh) * | 2017-07-11 | 2017-11-24 | 中国人民解放军63653部队 | 一种基于可调谐半导体激光吸收谱的光程长度分析方法 |
Non-Patent Citations (2)
Title |
---|
姜治深: "可调谐激光半导体吸收光谱技术应用于气体浓度和温度二维分布重建的研究", 《工程科技Ⅱ辑》 * |
高欣等: "一种约束最小模方估计的图像迭代重建算法", 《电路与系统学报》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111198038A (zh) * | 2020-01-10 | 2020-05-26 | 国家能源集团谏壁发电厂 | 一种炉膛火焰光谱衰减系数分布的在线测量装置及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | Laser absorption spectroscopy for combustion diagnosis in reactive flows: A review | |
Xia et al. | Two-step tomographic reconstructions of temperature and species concentration in a flame based on laser absorption measurements with a rotation platform | |
Bao et al. | Relative entropy regularized TDLAS tomography for robust temperature imaging | |
Grauer et al. | Multiparameter gas sensing with linear hyperspectral absorption tomography | |
Liu et al. | Reconstruction of axisymmetric temperature and gas concentration distributions by combining fan-beam TDLAS with onion-peeling deconvolution | |
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 | |
CN108981953B (zh) | 一种基于干涉调制原理的激光吸收光谱测温方法和系统 | |
CN107907502A (zh) | 叠片电弧加热器高焓气流参数诊断系统 | |
CN106018286A (zh) | 基于光场相机与调频激光的弥散介质光学参数分布的重建探测装置及重建方法 | |
JP2010528296A (ja) | 温度及び化学種濃度の高空間分解能測定のためのビニング及び断層撮影法 | |
CN108627272B (zh) | 一种基于四角度激光吸收光谱的二维温度分布重建方法 | |
Brown et al. | Optical measurements at the combustor exit of the HIFiRE 2 ground test engine | |
Shi et al. | Simultaneous measurement of flame temperature and species concentration distribution from nonlinear tomographic absorption spectroscopy | |
Mingyuan et al. | An efficient regulation approach for tomographic reconstruction in combustion diagnostics based on TDLAS method | |
CN110174182A (zh) | 基于最小模方函数的温度场优化重构装置和方法 | |
Zhao et al. | A stability and spatial-resolution enhanced laser absorption spectroscopy tomographic sensor for complex combustion flame diagnosis | |
Zhang et al. | Optimization of transducer array for cross-sectional velocity field reconstruction in acoustic tomography | |
Busa et al. | Implementation of maximum-likelihood expectation-maximization algorithm for tomographic reconstruction of TDLAT measurements | |
Xia et al. | Analysis of algebraic reconstruction technique for accurate imaging of gas temperature and concentration based on tunable diode laser absorption spectroscopy | |
CN109100045B (zh) | 基于单光路多光谱的气体温度概率密度分布重建方法 | |
Dai et al. | 3-D soot temperature and volume fraction reconstruction of afterburner flame via deep learning algorithms | |
CN112729591B (zh) | 一种基于低带宽光电探测器的激光吸收光谱温度测量方法 | |
CN114388073A (zh) | 基于参数水平集与调频激光的火焰多参数瞬态测量装置及方法 | |
Zhai et al. | Studies on gas concentration reconstruction methods for simultaneous temperature and H2O concentration tomographic imaging in a flame based on tunable diode laser absorption spectroscopy | |
Colaço et al. | Local heat flux estimation inside tubes through conjugate gradient method with adjoint operator: application to the pulsating heat pipes case |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190827 |
|
WD01 | Invention patent application deemed withdrawn after publication |