一种多光谱辐射测温发射率模型自适应选取方法

摘要: 本发明涉及一种多光谱辐射测温发射率模型自适应选取方法。背景技术:1、随着高温工业、冶金制造、航空航天以及增材制造等领域的快速发展,如何在复杂或变工况条件下实现非...
一种多光谱辐射测温发射率模型自适应选取方法

本发明涉及一种多光谱辐射测温发射率模型自适应选取方法。

背景技术:

1、随着高温工业、冶金制造、航空航天以及增材制造等领域的快速发展,如何在复杂或变工况条件下实现非接触、高精度的温度感知与实时监测已成为当前研究的核心挑战。辐射测温技术凭借不干扰温场、响应速度快以及测量范围广等优势,被广泛应用于各种极端或难以接触的高温环境。然而,在实际应用中,辐射测温的准确性极度依赖于被测目标表面的光谱发射率。在复杂的工业现场,材料表面的发射率并非恒定常数,而是随着温度、波长、表面粗糙度、氧化程度以及相变状态等多种因素发生动态变化。如何精准建立或选择贴合实际情况的发射率模型,是消除“未知发射率”对辐射测温干扰、实现真温准确还原的核心瓶颈。

2、传统的辐射测温发射率处理方法主要分为常数假设法、预设经验函数拟合以及比色/多波段比例还原法。简单的单色或双色测温通常假设发射率为常数或与波长无关,但在材料发生高温氧化或相变时,这种假设会导致巨大的温度测量误差;而多波段辐射测温虽然引入了多波长信息,但普遍依赖于人为预先指定某种固定的发射率模型。上述方法主要依赖先验假设或固定的数学拟合,虽然在理想或特定单一场景下能取得一定效果,但在复杂多变的实际测量环境中,硬性使用单一固定的发射率模型极易引发“模型失配”问题:若预设模型过于简单,无法真实表征材料表面的光谱变化;若预设模型过于复杂,则会在多波段非线性方程求解时引发严重的病态解与过拟合现象,造成温度和发射率解算结果的严重失真,缺乏对动态工况和复杂表面特征的自适应能力。

3、公开号为cn113776675a的发明专利公开了一种基于广义逆-神经网络的多光谱辐射测温方法,尝试通过神经网络对数据与发射率模型的规律进行对比分类,但该方法高度依赖大量的先验模拟数据进行网络训练,网络训练过程繁琐且在面对复杂未知的实际工况时泛化与在线自适应能力受限;公开号为cn110017904b的发明专利公开了采用ccd相机多光谱算法求解真温与发射率,但其求解过程建立在固定的模型算法框架下,缺乏根据实时光谱数据动态评价与切换模型形态的决策机制,在跨材质或表面状态剧烈变化时难以保证求解精度。二者均未能从数学根源上解决固定模型或硬性分类带来的模型失配与过拟合/欠拟合问题。

技术实现思路

1、本发明的目的是解决高温工业及极端环境下材料表面光谱发射率非线性变化导致选择或建立的发射率模型存在“欠拟合”或“过拟合”的问题,而提供一种多光谱辐射测温发射率模型自适应选取方法。

2、为实现上述目的,本发明所提供的技术解决方案为:

3、一种多光谱辐射测温发射率模型自适应选取方法,其特殊之处在于,包括以下步骤:

4、步骤1、采用多光谱成像系统采集被测高温目标在多个特定波长处的辐射亮度信号,并进行光电转换与预处理,得到多个特定波长的真实单色辐射亮度;

5、步骤2、根据被测高温目标的材料物理特性,构建包含不同复杂度和函数形态的候选发射率模型集合;

6、步骤3、针对候选发射率模型集合中的每一个候选发射率模型,结合普朗克辐射定律建立超定方程组,将真实单色辐射亮度输入超定方程组,利用非线性最小二乘算法求解该模型下的最佳估计温度与最佳模型系数,并计算拟合残差平方和;

7、步骤4、根据拟合残差平方和计算各候选发射率模型对应的aic评估指标,并对aic评估指标进行修正,根据修正后的aic评估指标选择最优发射率模型。

8、进一步地,所述多光谱成像系统包括多光谱成像系统包括依次连接准直聚光镜头、滤光片阵列、光电探测器,所述光电探测器的数据输出端连接有pc处理终端,所述pc处理终端用于执行步骤2-步骤4。

9、进一步地,步骤1具体为:

10、步骤1.1、将准直聚光镜头与被测高温目标相对设置,被测高温目标发出的热辐射通过准直聚光镜头汇聚至滤光片阵列,并通过滤光片阵列进行分光,获得窄带单色光;

11、步骤1.2、窄带单色光入射至光电探测器上并转变为光电流信号,并依次将光电流信号进行跨阻电流转电压处理、程控放大处理、滤波降噪处理、暗电流补偿处理、阻抗匹配,得到多个特定波长的真实单色辐射亮度,并输入至pc处理终端。

12、进一步地,所述滤光片阵列采用n个不同中心波长的窄带滤光片,波长范围涵盖或。

13、进一步地,步骤2中,所述候选发射率模型集合的表达式为:;

14、其中,表示第i个特定波长对应的未知系数向量为的候选发射率模型;其中,m表示候选发射率模型的序数,m表示候选发射率模型的总数量;

15、未知系数向量的表达式为:

16、;

17、表示第个候选发射率模型中待求参数的数量,分别表示第m个候选发射率模型的第1,…,个模型系数。

18、进一步地,步骤3具体为:

19、步骤3.1、对于第m个候选发射率模型,将待求解未知系数向量扩展为包含真实温度的未知量,表示为:;其中,表示真实温度;未知量的数量表示为:;多光谱成像系统的通道数量n满足:;

20、步骤3.2、针对第m个候选发射率模型,结合普朗克辐射定律建立超定方程组;

21、步骤3.3、将真实单色辐射亮度输入超定方程组,利用非线性最小二乘算法求解第m个候选发射率模型的最小值,得到最佳估计温度和最佳模型系数,求解公式为:

22、;

23、其中,表示多光谱成像系统得到的第i个特定波长的真实单色辐射亮度,表示第m个候选发射率模型,表示第i个特定波长,表示根据普朗克黑体辐射定律计算的理论辐射亮度;

24、步骤3.4、根据最佳估计温度和最佳模型系数计算拟合残差平方和,计算公式为:

25、。

26、进一步地,所述根据普朗克黑体辐射定律计算的理论辐射亮度的表达式为:

27、;

28、式中,为第一辐射常数,取值为,为第二辐射常数,取值为。

29、进一步地,步骤4具体为:

30、步骤4.1、对第m个候选发射率模型计算aic评估指标,计算公式为:

31、;

32、步骤4.2、设定通道数量n与未知量的数量的比例阈值,当满足,采用修正赤池信息量准则对aic评估指标进行高精度微调,微调公式为:

33、;

34、表示修正后的aic评估指标;

35、步骤4.3、选择修正后的最小aic评估指标,表达式为:

36、;

37、表示最小aic评估指标对应的候选发射率模型序数;

38、步骤4.4、将第个候选发射率模型作为最优发射率模型。

39、与现有技术相比,本发明具有的有益技术效果如下:

40、1、本发明提供的一种多光谱辐射测温发射率模型自适应选取方法,将aic信息准则引入多波段辐射测温领域,建立了“拟合残差平方和(rss)-模型自由度(模型系数)”的定量评估决策框架,实现了无需人工预判或硬性指定模型形态的发射率模型逐像素点自适应动态匹配。

41、2、本发明提供的一种多光谱辐射测温发射率模型自适应选取方法,利用残差项准确捕捉火焰边缘、燃烧产物剧烈变化区等强非灰体区域的光谱特征,能够消除传统灰体模型的欠拟合失真;同时依靠aic信息准则对发射率模型自由度的惩罚机制,自动剔除无意义的高阶冗余参数,能够在保证降低拟合残差的同时,防止了温度解算结果在边缘区域出现异常波动。

42、3、本发明提供的一种多光谱辐射测温发射率模型自适应选取方法,构建了“候选发射率模型集合→非线性最小二乘算法求解→修正后的aic评估指标最小化判定”的计算闭环,具有收敛速度快、计算开销小的优点,能够完美满足从单点辐射测温到二维/三维复杂温度场逐像素高精度重建的需求。

43、4、本发明提供的一种多光谱辐射测温发射率模型自适应选取方法,能够逐像素点自适应选择最贴合的发射率模型,相比传统全场灰体模型无法兼顾空间不均匀性,本发明方法显著提高了边缘温度场的还原精度。