一种测量发光火焰温度的数据处理方法研究

　　1　引　言

　　火焰温度是燃烧过程中的重要热力参数之一。火焰温度的测试研究对了解燃烧进程、燃烧流场和燃烧产物的内在特性、建立合理的燃烧模型、进行精确的计算机模拟分析具有重要的指导作用。根据火焰辐射光谱的不同特点,火焰可分为发光火焰和透明火焰两大类。发光火焰内部含有烟粒,在可见光谱区内有连续光谱辐射,如固体推进剂燃烧火焰;透明火焰的辐射光谱大多在红外区段,呈带状或线状辐射,如液体推进剂燃烧火焰。根据火焰辐射光谱的多样性,具有多种多样的火焰温度测量方法[1],如相干反斯托克斯拉曼光谱法、激光诱导荧光光谱法和辐射吸收光谱法等。其中根据火焰自身辐射光谱来诊断温度和光谱发射率的方法,由于它具有设备费用低、安置简便和通过适当的光学系统可实现野外遥测的优点,因而得到了众多学者的关注[2,3]。本文根据发光火焰的自辐射光谱和遗传算法提出了一种发光火焰温度诊断的新的数据处理方法。利用该方法对火焰发射率与波长的关系依次进行了三点直线拟合,并采用遗传算法进行了优化。该方法适合于发射率随波长连续变化且平缓的火焰温度的测量。采用该方法对某种固体推进剂燃烧火焰的测量数据进行了处理,并与理论数值进行了比较验证。

　　2　数学模型的建立

　　如果多波长温度计有n个通道,则第i个通道的输出信号Vi可表示为[4]

　　式中:A(λi)是只与波长有关而与温度无关的检定常数,它与在该波长下探测器的光谱响应率、光学元件透过率、几何尺寸以及第一辐射常数有关;ε(λi,T)是温度为T的目标光谱发射率。为了便于处理,将式(1)用维恩公式来代替,即

　　3　试验研究^[5]

　　试验使用8波长高温计,并对某种固体推进剂的燃烧火焰进行测量,测点沿燃烧火焰的轴线分布。实验时间为20s,记录时间为25s。高温计的8个有效波长以及在定点参考温度T′=2252K处的8个通道的输出信号V′i如表1所示。高温计每5ms完成一次8个通道的信号采集,其中两组测量数据如表2所示。

　　4　基于遗传算法的数据处理方法及结果

　　遗传算法(Genetic Algorithm,GA)是模拟达尔文的遗传选择和自然淘汰的生物进化过程的计算模型。它的思想源于生物遗传学和适者生存的自然规律。与传统搜索算法不同,遗传算法从一组随机产生的“种群”作为初始解开始它的搜索过程。种群中的每个个体是问题的一个解,称为“染色体”。这些染色体在后续迭代中不断进化,称为遗传。在每一代中用“适应度”来测量染色体的好坏,生成的下一代染色体称为后代。后代是由前一代染色体通过交叉或者变异运算形成的。在新一代形成过程中,根据适应度的大小选择保留还是淘汰某部分后代,从而保持种群大小是常数。适应度高的染色体被选中的概率较高,这样经过若干代之后,算法收敛在最好的染色体上,这很可能就是问题的最优解或次优解。主要步骤如下: