关键词:
旋流火焰
图像降噪
超分辨率重建
融合分析
摘要:
受限空间旋流火焰具有很强的工业应用需求,但还缺乏系统性的精细实验研究和分析。旋流诱导的涡破碎过程对于火焰稳定具有重要作用,其伴随的火焰失稳、热声振荡和回火等现象的物理本质,特别是湍流与燃烧耦合机制等,研究还不够深入。本论文开展了旋流火焰OH(羟基)组分场和速度场测量实验研究,对数据图像进行了降噪处理和超分辨率重建,并开展了OH组分场和速度场的初步融合分析。结果表明,结合图像降噪以及神经网络方法对旋流火焰OH组分场图像进行超分辨率重建是可行的,有助于OH组分场和速度场的融合分析。首先,本文对所开展的OH-PLIF(Planar Laser Induced Fluorescence,平面激光诱导荧光)实验、对侧OH-PLIF同步成像实验和OH-PLIF和PIV(Particle Image Velocimetry,粒子图像测速)同步测量实验进行了详细的描述,获得了开展图像降噪、超分辨重建以及OH组分场和速度场融合分析的数据。其次,针对旋流火焰OH组分场图像存在背景干扰、低信噪比和边界结构不够清晰的特点,开展了图像预处理方法分析。以峰值信噪比(PSNR,Peak Signal-to-Noise Ratio)和相似结构性(SSIM,structural similarity)为图像评价指标比较了高斯低通滤波、均值滤波、中值滤波等7种图像降噪处理算法改进旋流火焰图像质量的效果,在参数优化条件下,高斯低通滤波、中值滤波以及均值滤波算法对低信噪比旋流火焰OH组分场图像的降噪效果最好,同时发现高斯低通滤波算法更能有效增强旋流火焰图像的边界特征。再次,针对受限条件下低分辨率旋流火焰图像处理需求,利用对侧OH-PLIF同步成像数据,开展了基于SRCNN(Super Resolution Convolutional Neural Networks)方法的图像超分辨率重建研究,重建结果对比于原始低分辨率图像在PSNR指标上提高了5d B,并且在边界指标上,取得了较大的提升。最后,采用旋流火焰OH-PLIF和PIV同步测量实验测量的速度场和OH组分场图像数据进行了流场融合分析,对不同工况下不同截面的数据随着时间的变换进行了流场结构方面的分析,有助于进一步了解旋流火焰速度场和OH组分场相互作用的物理机制,从而为设计更加清洁、高效、可靠和安全的燃烧装置提供一定参考。