【技术实现步骤摘要】
本专利技术涉及面向能源与动力装置感知，具体是基于多源光谱信息融合的发动机燃烧状态预测系统及方法。
技术介绍
1、发动机的设计重点是提升发动机自身性能，使发动机燃烧室内燃料燃烧更为充分，以在降低污染物排放的同时提高燃料的燃烧效率。识别和预测发动机的燃烧状态有助于对发动机的运行状态做出实时的调整，甚至是提前做出调整，也可以及时发现并解决潜在的故障，避免发动机因火焰状态异常而造成的损失，从而提高发动机的性能和安全性。另外，还可以通过数据分析和比对，优化发动机的燃烧过程，提高燃烧效率和节能降耗。而发动机的燃烧状态从稳定燃烧转变到熄火状态之间的过渡状态持续时间往往很短，一般在ms量级。
2、工程应用中，用于发动机测量的光学手段有很多，诸如plif技术、自发辐射探测技术、pmt技术、tdlas和纹影等。相较于一般电子探测器只能测量单一参数，光学测量还可以同时获取多个参数。另外，光学测量具有无损检测的特点，不会对发动机运行状态造成干扰。最重要的是，传统的压力传感器获得的发动机压力数据较实际发动机状态之间具有滞后性，压力数据较自发辐射强度数据滞后约200ms，无法做到即时响应，相较之下，光学测量手段具有很好的实时性。
3、现阶段针对发动机的实际测量时往往是同时布置多种光学测量手段，而不同光学测量手段之间是彼此独立的。如何从光学测量获得的大量信息中获得火焰燃烧状态的准确信息，需要一个准确率高的状态预测模型。另外，如果需要对发动机的燃烧状态进行实时调整，这又要求状态预测模型具有即时响应的特点。
技
1、为解决
技术介绍
存在的不足，本专利技术提供基于多源光谱信息融合的发动机燃烧状态预测系统及方法，它充分利用多源信息探测获得的图像特征和光谱信息，通过状态预测模型对发动机燃烧状态进行实时预测，为发动机运行状态控制提供参考，具有更高的准确性。
2、为实现上述目的，本专利技术采取下述技术方案：
3、基于多源光谱信息融合的发动机燃烧状态预测系统，包括火焰自发辐射强度感知模块、多源信息探测模块、时序控制模块以及状态预测模型，所述时序控制模块连接火焰自发辐射强度感知模块和多源信息探测模块保证二者探测过程中时序上的同步，所述火焰自发辐射强度感知模块和所述多源信息探测模块对发动机的燃烧室的同一火焰区域进行探测分别获取火焰区域的辐射强度感知数据和多源信息数据，所述状态预测模型通过训练集进行训练，所述训练集利用所述辐射强度感知数据对图像特征和光谱信息进行数据集的划分得到，所述图像特征和光谱信息通过所述多源信息数据特征提取得到，并且训练集应当包括对应发动机稳定燃烧、过渡状态和熄火状态这三种状态的三个集合，训练好的状态预测模型以后续给定的光谱信息作为输入并实时向发动机输出预测的燃烧状态。
4、基于多源光谱信息融合的发动机燃烧状态预测方法，包括以下步骤：
5、步骤一：光学同步探测系统探测数据的获取
6、利用光学同步探测系统对发动机的燃烧室的同一火焰区域进行探测，获取火焰区域的辐射强度感知数据和多源信息数据，通过时序控制模块保证二者时序上的同步，利用辐射强度感知数据表征发动机的燃烧状态；
7、步骤二：状态特征的提取
8、提取多源信息探测模块获取多源信息数据中的图像特征和光谱信息，包括火焰面积、周长、火焰中心位置和zernike矩，得到数据集；
9、步骤三：信息融合与数据集的划分
10、将火焰自发辐射强度感知模块和多源信息探测模块获得的数据进行信息融合，利用辐射强度感知数据确定发动机不同燃烧状态的节点，将发动机的燃烧状态划分为稳定燃烧、过渡状态和熄火状态三个状态，并将步骤二中得到的数据集分别对应划分到三个状态中构成训练集；
11、步骤四：状态预测模型训练及燃烧状态预测
12、利用步骤三得到的训练集对状态预测模型进行训练，先对训练集进行均值方差归一化，状态预测模型基于偏最小二乘与人工神经网络机器学习算法，利用预先准备的预测集进行测试，通过不断调节模型参数以确定状态预测模型对于预测集具有最优预测准确率，训练后的状态预测模型以给定的光谱信息作为输入进行燃烧状态的实时预测并传递给发动机作为其控制的参考。
13、与现有技术相比，本专利技术的有益效果是：本专利技术利用多源光谱信息融合方法对前端光学同步探测系统获得的数据进行信息融合，能够更好的反映真实的燃烧过程，因此具有更高的准确性。同时，本专利技术能够做到对给定发动机光谱信息输入进行实时状态预测输出，达到实时控制甚至是提前预警，相比于非光学探测手段具有更好的实时性。
本文档来自技高网...【技术保护点】
1.基于多源光谱信息融合的发动机燃烧状态预测系统，其特征在于：包括火焰自发辐射强度感知模块(1)、多源信息探测模块(2)、时序控制模块(3)以及状态预测模型(4)，所述时序控制模块(3)连接火焰自发辐射强度感知模块(1)和多源信息探测模块(2)保证二者探测过程中时序上的同步，所述火焰自发辐射强度感知模块(1)和所述多源信息探测模块(2)对发动机(5)的燃烧室的同一火焰区域进行探测分别获取火焰区域的辐射强度感知数据和多源信息数据，所述状态预测模型(4)通过训练集进行训练，所述训练集利用所述辐射强度感知数据对图像特征和光谱信息进行数据集的划分得到，所述图像特征和光谱信息通过所述多源信息数据特征提取得到，并且训练集应当包括对应发动机(5)稳定燃烧、过渡状态和熄火状态这三种状态的三个集合，训练好的状态预测模型(4)以后续给定的光谱信息作为输入并实时向发动机(5)输出预测的燃烧状态。
2.基于多源光谱信息融合的发动机燃烧状态预测方法，其特征在于：根据权利要求1所述的发动机燃烧状态预测系统，其预测方法包括以下步骤：
【技术特征摘要】
1.基于多源光谱信息融合的发动机燃烧状态预测系统，其特征在于：包括火焰自发辐射强度感知模块(1)、多源信息探测模块(2)、时序控制模块(3)以及状态预测模型(4)，所述时序控制模块(3)连接火焰自发辐射强度感知模块(1)和多源信息探测模块(2)保证二者探测过程中时序上的同步，所述火焰自发辐射强度感知模块(1)和所述多源信息探测模块(2)对发动机(5)的燃烧室的同一火焰区域进行探测分别获取火焰区域的辐射强度感知数据和多源信息数据，所述状态预测模型(4)通过训练集...
【专利技术属性】
技术研发人员：于欣，戴晓辉，曹振，彭江波，杨超博，袁勋，刘文备，韩明宏，张善春，亓金浩，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。