典型文献
基于深度学习的乙烯层流扩散火焰温度和碳烟体积分数分布重建
文献摘要：
利用高光谱仪对乙烯层流扩散火焰进行测量,选用多层感知器神经网络预测温度和碳烟体积分数分布,评估了模型的预测和抗噪能力,讨论了不同高度和燃料流量的火焰中温度和碳烟体积分数的分布情况.结果表明,神经网络能较为准确地重建实验火焰的温度和碳烟体积分数,并具有较强的抗噪能力;随着火焰高度的增加,碳烟体积分数峰值从两翼移向中心区域,温度趋于平缓,整体平均大小先增加后减小;随着燃料流量的降低,相同归一化高度的温度升高而碳烟体积分数降低.
文献关键词：
乙烯层流扩散火焰;高光谱成像;深度学习;多层感知器;温度;碳烟体积分数
中图分类号：
作者姓名：
李智聪;娄春
作者机构：
华中科技大学能源与动力工程学院煤燃烧国家重点实验室,武汉 430074
文献出处：
引用格式：
[1]李智聪;娄春-.基于深度学习的乙烯层流扩散火焰温度和碳烟体积分数分布重建)[J].燃烧科学与技术,2022(02):198-205
A类：
乙烯层流扩散火焰
B类：
火焰温度,碳烟体积分数,光谱仪,多层感知器神经网络,神经网络预测,测温,不同高度,燃料流量,着火,火焰高度,数峰,两翼,移向,中心区,同归,高光谱成像
AB值：
0.181001
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。
