为了解决大多数工程材料真实温度的测量问题,提出了基于BP神经网络的多光谱数据处理方法,分析了随机噪声对真实温度计算结果的影响.结果表明在没有噪声的情况下,训练过的发射率样本真实温度的识别误差在±30 K以内;未训练过的发射率样本真实温度的识别误差在±50 K以内.随着随机噪声的增大,网络的识别误差也相应增大,但训练过的样本其网络的识别误差较小.说明加大发射率样本可以提高真实温度的识别精度.

针对材料发射率数据日益增长的需求,建立了超高温傅里叶变换（FT）光谱发射率测量系统.为校准材料光谱发射率的测量结果,建立了包含辐射传交换、固体热传导、辐射测温在内的发射率校准模型.通过校准模型定量分析了试样辐射热损、厚度、热导率等因素引起的发射率测量误差.结果表明,这些因素均导致试样测量温度偏高,而发射率测量结果偏低.测量了真空环境下2000℃时纯度为99.99%石墨的光谱发射率曲线.采用模型校准后的发射率曲线与文献比较,取得了比较一致的结果.该方法在超高温发射率测量技术中可以有效地提高测量精度.

提出一种用单波段温度计测得的单色温度通过公式近似地求解真实温度的方法,试图解决传统红外温度计测温中存在的不能测量物体的真实温度,只能测得物体表观温度的问题.文中首先指出了该方法使用中需满足的条件,然后推出了已知单色温度下近似求解真温所用的公式,并具体介绍了该方法所用的实验装置和试验方法,给出了实验数据.