基于CNN-LSTM深度学习的燃烧不稳定性检测方法研究

• 作者: 闾曾怡 王高峰 杨瑶 张非非
• 来源期刊: 燃烧科学与技术
• 学科: 工学
• 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
• 年，卷（期）: 2022,（2）
• 页码范围: 119-125
• 页数: 7页
• 分类号: TK11
• 语种: 中文
• DOI: 10.11715/rskxjs.R202202012

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.