【技术实现步骤摘要】
本专利技术涉及温度检测，尤其涉及基于光谱特征提取的超高温度传感实时监测和分析方法。
技术介绍
1、超高温度一般是指1800℃以上的温度。尖端工业中的超高温环境主要包括航天飞机和超声速飞行器发动机工作时温度达到超高温度，需要对温度进行精确检测，航空发动机工作环境恶劣，且燃气温度非常高(通常大于3000k)，航空发动机温度的测试是一项要求高、难度大的复杂技术，多年来一直没有真正解决。
2、目前，燃气温度测试方法基本上可以分为接触式测温法和非接触式测温法两大类。接触式测温法如热电偶法，其局限性在于测量温度范围十分有限，应用到航空发动机温度测量时，热电偶无法测量超高温温度，而且热电偶测温响应慢，具有一定的滞后性，不适合航空发动机温度的动态快速响应，而非接触式测温法远程采集红外线，在超高温温度环境下，由于红外线过量，导致测量精度低。
技术实现思路
1、本专利技术解决的技术问题是：相关技术中的热电偶无法测量超高温温度，而且热电偶测温响应慢，具有一定的滞后性，不适合航空发动机温度的动态快速响应，而非接触式测温法远程采集红外线，在超高温温度环境下，由于红外线过量，导致测量精度低。
2、为解决上述技术问题，本专利技术提供如下技术方案：基于光谱特征提取的超高温度传感实时监测和分析方法，包括如下步骤：
3、步骤s1，在第一温度区间内调节航空发动机的运行参数，采集航空发动机的温度信息作为第一温度信息，在第二温度区间内采集航空发动机的温度信息作为第二温度信息，所述第一温度
4、步骤s2，在第一温度区间和第二温度区间内实时采集航空发动机的光谱信息，所述光谱信息包括红外光谱、可见光谱和紫外光谱；
5、步骤s3，分别提取所述红外光谱、可见光谱和紫外光谱的光谱特征，根据红外光谱、可见光谱和紫外光谱的光谱特征与第一温度信息和第二温度信息之间的关系，构建光谱温度预测模型；
6、步骤s4，对所述光谱温度预测模型进行训练，直到输出的第一温度信息和第二温度信息误差小于预定阈值，完成对光谱温度预测模型的训练。
7、作为本专利技术所述的基于光谱特征提取的超高温度传感实时监测和分析方法的一种优选方案，其中：步骤s1具体包括：
8、在第一温度区间内基于时间序列调节航空发动机的运行参数，并记录运行参数和第一温度信息；
9、所述航空发动机的运行参数包括排量、功率、发动机转矩、压缩比、转速和运行时间；
10、将所述航空发动机的功率、发动机转矩、压缩比和转速设定为固定量，根据航空发动机的排量、运行时间与第一温度信息之间影响关系，将航空发动机的排量、运行时间与第一温度信息进行映射，作为第一对应关系。
11、作为本专利技术所述的基于光谱特征提取的超高温度传感实时监测和分析方法的一种优选方案，其中：根据第一温度信息和第一对应关系获取航空发动机的排量和运行时间获取理论，结合航空发动机的功率、发动机转矩、压缩比和转速，获取航空发动机的运行参数，对航空发动机的运行进行调控，获取所需要的航空发动机的温度值。
12、作为本专利技术所述的基于光谱特征提取的超高温度传感实时监测和分析方法的一种优选方案，其中：所述步骤s2具体包括：
13、所述第一温度区间为小于等于1800℃的温度，所述第二温度区间为大于1800℃的温度，基于所述时间序列利用光谱仪实时采集航空发动机的光谱信息；
14、根据光谱频率将所述光谱信息划分为红外光谱、可见光谱和紫外光谱。
15、作为本专利技术所述的基于光谱特征提取的超高温度传感实时监测和分析方法的一种优选方案，其中：所述步骤s3具体包括：
16、步骤s31，通过光谱仪采集光谱信息，并且将光谱信息将红外光谱、可见光谱和紫外光谱；
17、步骤s32，分别提取所述红外光谱、可见光谱和紫外光谱的光谱特征，将红外光谱的光谱特征作为第一光谱特征，将可见光谱的光谱特征作为第二光谱特征，将紫外光谱的光谱特征作为第三光谱特征，并标记第一光谱特征、第二光谱特征和第三光谱特征对应的第一温度区间或第二温度区间。
18、作为本专利技术所述的基于光谱特征提取的超高温度传感实时监测和分析方法的一种优选方案，其中：所述光谱特征包括线宽、谱线强度和谱线轮廓。
19、作为本专利技术所述的基于光谱特征提取的超高温度传感实时监测和分析方法的一种优选方案，其中：所述步骤s3还包括：
20、步骤s33，根据第一温度区间内的第一光谱特征、第二光谱特征和第三光谱特征与第一温度信息之间的影响关系，将第一光谱特征、第二光谱特征和第三光谱特征与第一温度信息进行映射，作为第二对应关系；
21、步骤s34，构建光谱温度预测模型包括以第一温度区间内的第一光谱特征、第二光谱特征和第三光谱特征为输入量，对应的实时温度信息为输出量，输入机器学习模型进行一次训练，直到实时温度信息与第一温度信息的误差小于预定阈值，完成对光谱温度预测模型的参数初步设置；
22、步骤s35，以第一温度区间内的第二光谱特征和第三光谱特征为输入量，对应的实时温度信息为输出量，输入机器学习模型进行二次训练，直到实时温度信息与第一温度信息的误差小于预定阈值，完成对光谱温度预测模型的参数优化。
23、作为本专利技术所述的基于光谱特征提取的超高温度传感实时监测和分析方法的一种优选方案，其中：所述步骤s4包括：
24、步骤s41，计算第一温度区间内随第一温度信息随运行时间变化的第一光谱特征的变化率，所述第一光谱特征的变化率包括线宽变化率、谱线强度变化率和谱线轮廓变化率；
25、步骤s42，并对当前时刻的线宽变化率、谱线强度变化率和谱线轮廓变化率与前一时刻的线宽变化率、谱线强度变化率和谱线轮廓变化率进行作差，获取线宽变化率、谱线强度变化率和谱线轮廓变化率差值，若变化率差值大于或小于差值区间，则不再将第一光谱特征作为光谱温度预测模型的输入量；
26、步骤s42，以第二温度区间内的第二光谱特征和第三光谱特征为输入量，对应的实时温度信息为输出量，输入机器学习模型进行三次训练，直到输出的第一温度信息和第二温度信息误差小于预定阈值，完成对光谱温度预测模型的训练。
27、第二方面，本专利技术提供一种电子设备，包括储存器、处理器及储存在储存器，所述储存器存储有计算机可读取指令，当计算机可读取指令由所述处理器执行时，运行如上任意一项所述方法中的步骤。
28、第三方面，本专利技术提供一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，运行如上任意一项所述方法中的步骤。
29、本专利技术的有益效果：通过采集第一温度区间内调节航空发动机的运行参数和第一温度信息，从而对航空发动机的温度值进行控制，便于采集光谱信息，利用第一温度区间的红外光谱、可见光谱和紫外光谱的光谱特征和第一温度信息对光谱温度预测模型进行训练，有利于提高第二温度区间光谱温度预测模型输出的第二温度信息本文档来自技高网...
【技术保护点】
1.基于光谱特征提取的超高温度传感实时监测和分析方法，其特征在于，包括如下步骤：
2.如权利要求1所述的基于光谱特征提取的超高温度传感实时监测和分析方法，其特征在于，步骤S1具体包括：
3.如权利要求2所述的基于光谱特征提取的超高温度传感实时监测和分析方法，其特征在于：
4.如权利要求3所述的基于光谱特征提取的超高温度传感实时监测和分析方法，其特征在于：所述步骤S2具体包括：
5.如权利要求4所述的基于光谱特征提取的超高温度传感实时监测和分析方法，其特征在于：所述步骤S3具体包括：
6.如权利要求5所述的基于光谱特征提取的超高温度传感实时监测和分析方法，其特征在于：所述光谱特征包括线宽、谱线强度和谱线轮廓。
7.如权利要求6所述的基于光谱特征提取的超高温度传感实时监测和分析方法，其特征在于：所述步骤S3还包括：
8.如权利要求7所述的基于光谱特征提取的超高温度传感实时监测和分析方法，其特征在于：所述步骤S4包括：
9.一种电子设备，其特征在于，包括处理器以及存储器，所述存储器存储有计算
10.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，运行如权利要求1-8任一项所述基于光谱特征提取的超高温度传感实时监测和分析方法中的步骤。
...【技术特征摘要】
1.基于光谱特征提取的超高温度传感实时监测和分析方法，其特征在于，包括如下步骤：
2.如权利要求1所述的基于光谱特征提取的超高温度传感实时监测和分析方法，其特征在于，步骤s1具体包括：
3.如权利要求2所述的基于光谱特征提取的超高温度传感实时监测和分析方法，其特征在于：
4.如权利要求3所述的基于光谱特征提取的超高温度传感实时监测和分析方法，其特征在于：所述步骤s2具体包括：
5.如权利要求4所述的基于光谱特征提取的超高温度传感实时监测和分析方法，其特征在于：所述步骤s3具体包括：
6.如权利要求5所述的基于光谱特征提取的超高温度传感实时监测和分析方法，其特征在于：所述光谱特征包括线宽、谱线强度...
【专利技术属性】
技术研发人员：王丽建，徐晶晶，仇亿，张玉佩，成英淑，崔超，熊玉亭，王文林，杨艳伟，阮一鸣，孙坚，陈慧云，
申请(专利权)人：浙江省计量科学研究院，
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。