基于深度学习的激光吸收光谱二维温度场重建算法
施延慧
郝晓剑
黄小东
李昀泽
王正
梁晓东
中北大学仪器科学与动态测量教育部重点实验室 太原 030051
摘要：论文提出了一种基于深度学习框架的温度场重建算法,为激光吸收光谱二维温度场重建提供了新的方法.数值模拟了由不同投影角度探测得到的积分吸光度阵列,规格为N×64(其中N=4,8和16),采用论文构建的算法在测试集上进行温度场层析重建.同时运用峰值信噪比PSNR、结构相似性SSIM和平均误差来评价重建的质量,并对三种模态的二维温度场重建结果进行了研究.结果表明,当N=4时,重建的温度场平均误差为1.32%,峰值信噪比为37.08,结构相似性为0.961;重建误差随着N值的增大而减小,重建的质量随N值的增大而改善,即N大于4时重建效果更好;随着温度场复杂程度的增加,其重建效果相对下降,但重建效果依然较好.该算法的研究对深度学习方法在实际燃烧环境中测量系统的搭建与温度场重建具有重要意义.
关键词：可调谐半导体激光吸收光谱二维温度场重建数值仿真深度学习
分类号：TP301.6(计算技术、计算机技术)
资助基金：国家自然科学基金(52075504)量子光学与光量子器件国家重点实验室开放课题项目(KF202301)山西重点学科建设项目(1331PKSC)
论文发表日期：2025-11-20
在线出版日期：2026-01-28（本平台首次上网日期，不代表文献的发表时间）
页数：6( 205-210 )
英文信息