速度脉动下分层旋流火焰动态传播结构提取

为了深刻理解分层旋流火焰的动态结构,开展了分层旋流火焰动态的模态分析和参数化研究。实验在BASIS （北京航空航天大学发展的具有台阶隔离段的独立分层旋流燃烧器）上开展,以甲烷为燃料预混燃烧,使用高速摄像捕捉了速度脉动下的CH*化学发光信号动态图像。利用传统的本征正交分解（POD）和重定向POD分析了火焰动态特性,并利用重定向POD提取了火焰动态中沿着轴向和径向的周期性传播结构,传播结构的频率与速度脉动频率保持一致,且轴向模态的传播结构最为明显。同时,研究了总当量比对重定向POD模态的影响,分析表明：总当量比增大时,重定向POD模态的拓扑结构会发生变化;重定向POD模态中出现了错位现象,这种现象与相平均图像中的火焰传播行为保持一致。重定向POD方法能够有效提取旋流火焰动态中的传播结构,为旋流火焰燃烧不稳定性的机理研究提供了一种分析工具。     

基于深度学习的PIV流场图像修复技术

粒子图像测速技术（PIV）是空天动力装置研究中常用的流场测试方法。但对具有复杂流动特征的燃烧室,通过传统互相关算法处理得到的流场结果往往具有一定缺陷。本文将深度学习应用于PIV后处理中,以实现流场数据的异常检测和修复。在甲烷预混对冲火焰数据集上,将异常划分为两种类型,并搭建U-Net卷积神经网络架构。经过训练和优化,模型以较高置信水平识别两类异常并使用不同策略自适应修复,过滤噪声并保留原始正常数据。同时模型具有较好的可迁移性,可以为其它种类的流场数据修复提供参考。与POD迭代法和中值滤波相比,神经网络强大的非线性特征具有明显的优势,这种方法不仅修复率高,而且在不同工况下鲁棒性好。     

基于全连接神经网络的分层旋流火焰燃烧振荡预报

燃气轮机贫油预混低排放燃烧室容易发生燃烧振荡,在宽工况极端条件下燃烧主动控制有潜力成为抑制燃烧振荡的有效方法。然而主动控制系统依赖于对燃烧振荡的快速监测和准确预报,因此有必要针对不同的燃烧振荡预报手段开展研究和验证。本文以甲烷预混同心分层旋流火焰的图像为基础,采用降低图像分辨率和提取火焰结构特征参数这两种不同的方式对火焰图像信息进行简化处理,并使用全连接神经网络对燃烧振荡进行预报研究。结果发现,两种方式都可以较为准确地预报燃烧振荡,精度均达到90%以上。预报精度随着图像分辨率的增加而升高,在极低的图像分辨率(3*3)下,预报精度也能达到90%以上。此外,对根据火焰平均图像提取的结构特征参数进行了敏感性分析,捕捉到了系统稳定性的转变,但参数变化范围受训练集限制。本文提出的基于数据驱动方法对燃烧振荡的预报时间小于2 ms,为实现燃烧振荡实时在线预报提供了支持。     

同心旋流分层预混火焰的动力学模态分析

为了探究同心旋流分层火焰的不稳定燃烧问题,需要对火焰的动态脉动特性进行分析。采用高速摄像捕捉了自激和外激条件下同心旋流分层预混火焰的CH*化学发光动态图像,利用动力学模态分解(DMD)方法研究其主导脉动模态,提取出了相关模态的空间形态和脉动幅值,证明燃烧组织方式的改变会对火焰脉动的形态和规律产生影响。研究发现:模态分解可以反映分层旋流火焰的动态响应特征,并能解析脉动空间结构,验证火焰形态和外激频率对火焰动态响应的影响,其规律和火焰传递函数结果符合,且在分层比0.5～2内提高分层比使释热中心转移到预燃级和主燃级的剪切层内,300Hz～400Hz释热脉动将加强。验证了DMD方法适用于处理分析复杂分层旋流火焰的脉动特征,可为燃烧振荡控制提供参考。     

不同气量分配下声激励对中心分级旋流火焰动力学的影响

采用高速摄像拍摄火焰化学自发光和本征正交分解（POD）法研究了多激励频率下中心分级旋流分层火焰的宏观结构和动力学特性。结果表明：随着气量分配比的增加，火焰宏观结构逐渐沿径向方向扩张，火焰分层现象变得更加明显。激励频率的变化对火焰宏观结构的影响较小。POD分析结果表明：外激频率为200 Hz时火焰脉动最明显。随着主燃级气量占比的增加，释热脉动在激励的作用下沿轴向方向减弱，在径向上出现极值交替且振荡变强。