文献类型：期刊文章

作　　者：袁林[1] 司梦婷[2] 黄文秀[1] 李蜜[1] 罗自学[1] 程强[1]

YUAN Lin;SI Mengting;HUANG Wenxiu;LI Mi;LUO Zixue;CHENG Qiang(State Key Laboratory of Coal Combustion,School of Energy and Power Engineering,Huazhong University of Science and Technology,430074 Wuhan,China;Department of Oil and Gas Storage and Transportation Engineering,School of Petroleum Engineering,Yangtze University,430100 Wuhan,China)

机构地区：[1]华中科技大学能源与动力工程学院煤燃烧国家重点实验室,武汉430074 [2]长江大学石油工程学院油气储运工程系,武汉430100

出　　处：《煤炭转化》

基　　金：国家自然科学基金国家重大科研仪器研制项目(51827808)。

年　　份：2022

卷　　号：45

期　　号：5

起止页码：25-34

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：对于碳氢火焰,从辐射信号中反演炭黑温度和体积分数分布,需要求解非线性、病态且高维度的方程,该方程的求解通常使用数值反演方法进行,但由于数据吞吐量大,这是低效耗时的,然而机器学习提供了一种高效且能在线反演的算法。本研究发展了适用于从乙烯层流扩散火焰发射的可见光单色辐射强度中同时反演炭黑温度和体积分数分布的多层感知机(multi-layer perceptron,MLP)模型,该模型从已有数据中获取信息,并建立起炭黑温度和体积分数与火焰辐射强度之间的关系。对氧体积分数为19%~30%下的乙烯层流扩散火焰进行了反演,结果表明所发展的模型不仅有较高的精度,而且计算成本较低,该模型反演一次结果所需时间小于100 ms,另外该模型的泛化能力较好。此外,还使用该模型进行了测量误差下的反演计算,验证了其抗干扰性。

关 键 词：机器学习  乙烯扩散火焰  火焰重建  炭黑 氧体积分数  

分 类 号：TK16]