【作者】

马志寅; 张富豪; 高粲; 陶鑫瑞; 李雪松; 许敏

【单位】

上海交通大学

【摘要】

体积层析重建技术（VTRT）能够通过重建获取火焰等复杂流场的三维信息，在燃烧诊断研究及相关工程应用开发中具有重要价值，已受到众多研究人员的重视。由于传统代数重建技术（ART）存在计算成本高、重建效率低等缺点，越来越多的研究者将关注点转向基于深度学习的三维火焰诊断方案。然而，当前用于三维火焰重建的神经网络通常依赖三维火焰数据进行训练，这在实际场景中降低了其实用性。此外，兼具高计算效率与高空间分辨率的重建方法仍然是一项挑战。在本研究中，我们将可微体积渲染（DVR）的概念引入三维火焰层析重建中，并采用一个单一的全连接神经网络模型（MLP），同时重建两个具有时间相关性的三维火焰。该基于DVR的神经网络训练仅需来自多个视角下的二维火焰图像。为了验证所提方法的有效性，我们对湍流射流火焰进行了重建测试，并与传统的ART重建方法进行了对比分析。结果表明，基于可微体积渲染（DVR）的重建神经网络在重建效率和分辨率方面表现出色，在重建保真度、计算效率和内存占用方面均明显优于ART方法。

【关键词】

燃烧诊断;体积层析重建技术;三维重建;深度学习

【论文集名称】

测试技术分会

【会议名称】

2025内燃机高效低碳清洁燃烧学术年会

【会议时间】

2025-6-12至2025-6-15

【会议地点】

镇江

【下载次数】

3

返回