基于全连接神经网络的分层旋流火焰燃烧振荡预报

为了指导主动控制系统抑制燃烧振荡,有必要针对不同的燃烧振荡预报手段开展研究和验证.以甲烷预混同心分层旋流火焰的时均图像为基础,采用降低图像分辨率和提取火焰结构特征参数这两种不同的方式对火焰图像信息进行简化处理,并使用全连接神经网络对燃烧振荡进行预报研究.结果发现,两种方式都可以较为准确地预报燃烧振荡,精度均达到90％以上.预报精度随着图像分辨率的增加而升高,在极低的图像分辨率(3×3)下,预报精度也能达到90％以上.此外,对根据火焰平均图像提取的结构特征参数进行了敏感性分析,捕捉到了系统稳定性的转变,但参数变化范围受训练集限制.提出的基于数据驱动方法对燃烧振荡的预报时间<2ms,为实现燃烧振荡实时在线预报提供了支持.