一种基于神经网络的多光谱高温瞬态测量系统的制作方法

1.本发明属于光谱温度测量和非接触测温领域，具体涉及一种基于神经网络的多光谱高温瞬态测量系统。


背景技术：

2.瞬态温度测量在工程中具有广泛的需求，例如在火箭发动机燃烧、航空发动机燃烧、弹药燃爆、煤粉及粉尘燃烧、激光加工等，通过瞬态温度变化的测量，分析燃烧规律和燃爆能量变化过程。在测温领域中，按照测温的手段可以分为接触式测温和非接触式测温。常规的接触式测温方法由于受温度传感器热惯性的影响，难以满足瞬态测温的需求，特别是在高温、爆炸等极端条件下，更难以通过接触式测温的方式获取瞬态燃爆过程中的温度变化全过程信息。与接触式测温方法相比，非接触式测温方法更能有效解决温度快速变化的测温问题，特别适合于高温、甚高温瞬变温度的测量。
3.多光谱测温法是在一个仪器中制成多个光谱通道，利用多个光谱下的物体辐射强度测量信息，经数据处理得到物体的真实温度，是一种较好的非接触式测温手段。目前国内外大多采用最小二乘法进行数据处理，这必须假设发射率与波长之间的函数关系才能求得物体的真实温度，且每种函数关系只适用于某一种材料，无法适用于所有材料。因此在对测量数据进行数据处理时，发射率和波长之间的函数关系的选取是未知的，迄今为止还无法找到一种适合于所有材料的发射率与波长的函数关系。


技术实现要素：

4.(一)要解决的技术问题
5.本发明要解决的技术问题是如何提供一种基于神经网络的多光谱高温瞬态测量系统，以利用神经网络的非线性曲线拟合能力以及泛化能力来直接建立光谱信息与温度的联系，提高多光谱测温精度与测温范围。
6.(二)技术方案
7.为了解决上述技术问题，本发明提出一种基于神经网络的多光谱高温瞬态测量系统，该系统包括光谱信息摄取单元、光电转换单元和主控处理单元和神经网络测温单元；
8.所述光谱摄取单元包括望远系统、孔径光阑、准直系统、色散系统、聚焦系统，各个组成部件顺次摆放，用于实现对光谱信息的分离；
9.所述光电转换单元包括光敏探测器阵列和放大电路，用于对辐射物体的离散化后的光谱进行光电流转换,获取多通道的电压信号；
10.所述主控处理单元包括主控芯片和a/d电路，a/d电路用于将电压信号进行模数转换，利用主控芯片接收a/d的电压信号，将多通道的电压信号输入到神经网络进行训练，建立光谱数据与温度值的对应关系；
11.所述神经网络测温单元，根据目标物体的光谱数据，通过神经网络算法反演出目标物体的温度。
12.进一步地，所述望远系统摄取物体光线；孔径光阑控制视场角；准直系统将光线变成平行光束；色散系统用于将平行光束分解成多光谱；聚焦系统用于将色散系统分解后的光谱的不同波长的光线聚焦在不同的像面上；物体光线经过望远系统、孔径光阑、准直系统、色散系统后变为均匀分布的多光谱，并通过聚焦系统聚焦到不同的像面上。
13.进一步地，所述色散系统包括棱镜或光栅或两者的组合。
14.进一步地，所述光敏探测器阵列放置在像面上，用于对不同像面上的光谱强度进行光电流转换，输出的电流输入到放大电路中，由放大电路实现电流电压转换，以及信号放大。
15.进一步地，所述放大电路为高动态范围放大电路。
16.进一步地，所述光敏探测器阵列包括多个像元，每一个光敏探测器阵列像元上的光电二极管代表一个通道，需要匹配一个放大电路。
17.进一步地，所述主控处理单元将多通道的电压信号输入到神经网络进行训练，建立光谱数据与温度值的对应关系之前，还对光谱样本数据进行归一化预处理。
18.进一步地，所述将多通道的电压信号输入到神经网络进行训练，建立光谱数据与温度值的对应关系具体包括：在训练前，通过其他测温设备获取每个物体不同的温度值，并在该温度点采用本系统获取光谱分布样本数据，然后构建神经网络模型，将预处理后的光谱样本数据和温度值输入神经网络进行训练，经过神经网络内部对数据的非线性拟合能力，输出对应的温度值，建立光谱强度信息与物体温度之间的非线性映射关系。
19.进一步地，所述所述神经网络测温单元，根据目标物体的光谱数据，通过神经网络算法反演出目标物体的温度具体包括：神经网络结构是由输入层、模式层、求和层和输出层这四种结构组成，输入层用于接收归一化后的待测样本值并将数据传递给模式层；第二层模式层用于计算输入向量与中心点的距离，中心点由训练数据进行确定，具有模式识别的功能；然后求和层把模式层各项输出的概率进行求和归一化处理，挑选出概率最大的那一个类别给输出层；输出层输出类别，返回一个温度值。
20.进一步地，输入层的神经元个数与像元个数相同。
21.(三)有益效果
22.本发明提出一种基于神经网络的多光谱高温瞬态测量系统，本发明将神经网络应用于多光谱测温技术，利用神经网络具有较好的非线性映射能力，直接建立起光谱信息和温度之间的非线性联系，反演出温度值，测量结果更加准确，扩大系统应用范围。
附图说明
23.图1为本发明本发明系统结构图；
24.图2为本发明温度反演流程图；
25.图3为神经网络结构图；
26.图4为火药动态温度分布曲线图。
具体实施方式
27.为使本发明的目的、内容和优点更加清楚，下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。
28.本发明提供了一种基于神经网络的多光谱高温瞬态测量系统，目的是利用神经网络的非线性曲线拟合能力以及泛化能力来直接建立光谱信息与温度的联系，提高多光谱测温精度与测温范围。
29.本发明采用的技术方案如图1所示为：提供一种基于神经网络的多光谱高温瞬态测量系统，具体包括光谱信息摄取单元、光电转换单元和主控处理单元、神经网络测温单元。
30.所述光谱摄取单元包括望远系统、孔径光阑、准直系统、色散系统、聚焦系统，各个组成部件顺次摆放，用于实现对光谱信息的分离；其中，望远系统摄取物体光线；孔径光阑控制视场角；准直系统将光线变成平行光束；色散系统用于将平行光束分解成多光谱；聚焦系统用于将色散系统分解后的光谱的不同波长的光线聚焦在不同的像面上。其中，物体光线经过望远系统、孔径光阑、准直系统、色散系统后变为均匀分布的多光谱，并通过聚焦系统聚焦到不同的像面上。所述色散系统包括棱镜或光栅或两者的组合。棱镜可以为三棱镜。
31.所述光电转换单元包括光敏探测器阵列和放大电路，用于对辐射物体的离散化后的光谱进行光电流转换；其中，放大电路为高动态范围放大电路。其中，光敏探测器阵列放置在像面上，用于对不同像面上的光谱强度进行光电流转换，输出的电流输入到放大电路中，由放大电路实现电流电压转换，以及信号放大。通常，所述光敏探测器阵列包括多个像元，每一个光敏探测器阵列像元上的光电二极管代表一个通道，需要匹配一个放大电路。所述放大电路为多级放大电路组成的高动态范围放大电路。
32.所述主控处理单元包括主控芯片和a/d电路，a/d电路用于将电压信号进行模数转换，利用主控芯片接收a/d的电压信号，将多通道的电压信号输入到神经网络进行训练，建立光谱数据与温度值的对应关系。
33.所述神经网络测温单元，根据目标物体的光谱数据，通过神经网络算法反演出目标物体的温度。
34.该方法具体包括以下步骤：
35.s1、光谱摄取单元设计：通过设计光谱摄取单元中各个组成部件的位置，摄取工作范围的光谱并使之离散分布在不同的像面位置，实现高光谱分辨率；
36.s2、光电转换单元设计：将光敏探测器阵列放置在像面，使用光敏探测器阵列将光谱信息转换成电流信号，通过放大电路进行电流电压转换以及信号放大；
37.s3、光学系统参数标定，标定光敏探测器阵列像元上的波长分布：不同波长的光谱会打到不同的成像面上，记录光敏探测器阵列像元上不同波长的对应位置，以标定光敏探测器阵列像元上的波长分布；该步骤可有可无，不影响测温；
38.s4、对光谱样本数据进行归一化预处理；该光谱样本数据为多通道的电压信号。
39.s5、在训练前，通过其他测温设备获取每个物体不同的温度值，并在该温度点采用本系统获取光谱分布数据，然后构建神经网络模型，将预处理后的光谱样本数据和温度值输入神经网络进行训练(输入层的神经元个数与像元个数相同)，经过神经网络内部对数据的非线性拟合能力，输出对应的温度值，建立光谱强度信息与物体温度之间的非线性映射关系；
40.s6、输入待测试的光谱分布数据样本，通过神经网络得到温度值，检验系统测温的准确度和泛化能力。
41.如图1所示为本发明的系统结构图，具体包括光谱信息摄取单元、光电转换单元和主控处理单元、神经网络测温单元。
42.图1为测温系统的系统结构框图，其中包括光谱信息摄取单元、光电转换单元和主控处理单元：其中光谱摄取单元通过光路设计，实现对光谱信息的采集和光谱的分离；光电转换单元通过光敏阵列和高动态范围放大器的匹配实现对辐射物体的光谱进行光电转换；主控处理单元利用所包含的主控芯片对a/d采集的信息进行处理，实现温度的反演。
43.本实施例中，系统参数标定是指光学系统光谱透过率和像元上光谱分布的标定。以光谱范围为420
‑
2400nm的增强型超连续谱激光器作为光源，利用工作波长范围为400
‑
1450nm的可调谐声光调制器型的单色仪将光谱分散开并输出单色光，入射到图1所示的光学系统中，通过软件调节单色仪的输出波长，以单个波长进行移动，光敏阵列对不同波长处的光谱的功率进行测量，并对16个像元依次测量记录，标定像元上的光谱波长分布。
44.神经网络测温单元对接收的光谱数据进行信号处理，通过神经网络算法反演出目标物体的温度，流程如图2所示，具体包括：
45.采用神经网络对光谱数据进行训练，神经网络结构是由输入层、模式层、求和层和输出层这四种结构组成，其结构图如图3所示。输入层用于接收归一化后的待测样本值并将数据传递给模式层，神经元个数与输入像元个数相等；第二层模式层用于计算输入向量与中心点的距离，中心点由训练数据进行确定，具有模式识别的功能；然后求和层把模式层各项输出的概率进行求和归一化处理，挑选出概率最大的那一个类别(即不同温度下的辐射辐射物体的温度值)给输出层；输出层输出类别，返回一个温度值。
46.本实施例中，选用火药作为我们的温度测量对象，在火药燃爆过程中，系统快速地记录其光谱分布情况，并将数据输入到已训练好的神经网络中，得出火药燃烧温度随时间的分布图，其结果如图4所示。
47.以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。