典型文献
基于CNN-LSTM深度学习的燃烧不稳定性检测方法研究
文献摘要：
提出了一种基于高速火焰图像序列的深度学习模型来检测燃烧不稳定性.模型以高速火焰图像序列作为输入,结合卷积神经网络(CNN)和长短期记忆网络(LSTM)同时学习图像序列的空间特征和时间相关性,输出燃烧不稳定性检测结果.利用旋流燃烧室多种工况下稳态和非稳态的瞬态火焰图像数据集验证模型的鲁棒性和准确性.该深度学习模型被证明是一种潜在的燃烧不稳定性检测工具,并有望成为一种很有前途的燃烧不稳定性预测工具.
文献关键词：
旋流预混燃烧;燃烧不稳定性;深度学习;卷积神经网络
中图分类号：
作者姓名：
闾曾怡;王高峰;杨瑶;张非非
作者机构：
浙江大学航空航天学院,杭州 310027
文献出处：
引用格式：
[1]闾曾怡;王高峰;杨瑶;张非非-.基于CNN-LSTM深度学习的燃烧不稳定性检测方法研究)[J].燃烧科学与技术,2022(02):119-125
A类：
B类：
燃烧不稳定性,稳定性检测,火焰图像,图像序列,深度学习模型,列作,长短期记忆网络,空间特征,时间相关性,旋流燃烧室,非稳态,瞬态,图像数据集,数据集验证,验证模型,检测工具,前途,稳定性预测,旋流预混燃烧
AB值：
0.203185
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
