近日，中國科學院合肥物質院安光所高曉明研究員、劉錕研究員團隊在層析吸收光譜燃燒流場溫度、濃度分布測量方面取得新進展，相關研究以《基于深度學習吸光度恢復和層析吸收光譜的發動機尾焰溫度濃度分布測量》為題發表在國際知名期刊Fuel上。

基于層析吸收光譜的燃燒流場溫度、組分濃度分布測量可為先進燃燒系統的設計、監測和診斷提供更全面的數據，具有速度快、靈敏度高、抗干擾能力強的優點，在燃燒診斷方面展現出巨大的發展前景。然而受吸光度畸變的影響，傳統的吸收光譜單路徑測量誤差較大，限制了層析吸收光譜的量化精度。

針對基線誤差導致的吸光度畸變問題，團隊劉錕研究員、王貴師副研究員、博士后王瑞峰等提出一種基于深度學習的吸光度恢復新方法。該方法通過建立神經網絡模型，從導數信號恢復吸光度，具有抑制基線誤差，降低吸光度畸變的效果，將吸收光譜單路徑測量精度提高約1個數量級。利用此方法，該團隊使用12束激光對柴油驅動的微型渦噴發動機尾焰溫度和H₂O濃度分布進行了非接觸、高速測量，測量速度達到20kHz，溫度測量誤差與熱電偶僅相差0.9%。這一技術突破有望提高層析吸收光譜量化精度。

該研究工作得到國家自然科學基金、中國科學院合肥物質院院長基金等項目的資助。

文章鏈接：https://doi.org/10.1016/j.fuel.2024.132775

層析吸收光譜微型渦噴發動機尾焰測量系統示意圖

尾焰溫度、H₂O濃度分布圖