一种基于有效发射率的复杂环境下涡轮叶片辐射测温方法和装置

1.本技术涉及涡轮叶片辐射测温技术领域，尤其涉及一种基于有效发射率的复杂环境下涡轮叶片辐射测温方法和装置。


背景技术：

2.涡轮叶片是发动机的主要热端部件运行环境极端恶劣，准确测量涡轮叶片温度，可以监测评估叶片的工作状态对保证发动机安全运行具有重要意义。针对涡轮叶片特殊的运行环境，一般采用高温辐射计对叶片辐射测温，高温辐射计拥有多个波长通道可获得叶片多个波长条件下辐射信息进而可以间接求得叶片真实温度。但复杂环境下涡轮叶片辐射测温存在以下几个难点：
3.1.辐射高温计在对涡轮叶片测温时，接收到的辐射量不仅包含待测叶片自身的辐射量，还包含周围复杂环境如前级导叶和相邻动叶投射到待测点后反射的辐射量，反射辐射占高温计接收总辐射量比例较高时会严重影响涡轮叶片温度测量结果。现有技术在构建涡轮叶片反射辐射分析模型后判断叶片间辐射热传递遮挡情况时，采用的判断方法计算量过大并且在叶片表面曲率变化过大或离散叶片模型精度较低时误判率较高，严重影响计算结果。
4.2.由于涡轮叶片表面实际发射率情况未知，无法直接得到待测叶片自身真实辐射量和周围复杂环境的反射辐射量，并且如果求解的发射率与叶片表面真实发射率的偏差也会对测温结果产生影响。现有技术主要是利用多个波段辐射信息构建多目标优化算法求解发射率问题，算法存在容易陷入局部最优解、计算量过大或收敛性不强等问题。。
5.3.涡轮叶片辐射测温时高温计接收的辐射数据信息需要花费大量的时间精力进行处理才能得到叶片的真实温度，不能满足涡轮叶片测温要求的实时性和高效性。


技术实现要素：

6.本发明目的是为了解决了现有涡轮叶片受复杂环境的反射辐射影响而导致涡轮叶片辐射测温测量的实时性和准确性差的问题，提供了一种基于有效发射率的复杂环境下涡轮叶片辐射测温方法和装置。
7.本发明是通过以下技术方案实现的，本发明一方面，提供一种基于有效发射率的复杂环境下涡轮叶片辐射测温方法，所述方法包括：
8.步骤1、利用多波长高温计获取多个波长下的待测涡轮叶片的辐射数据；
9.步骤2、构建涡轮叶片反射辐射分析模型，获得周围复杂环境投射到叶片待测点的辐射量；
10.步骤3、设定发射率模型结合高温计实际接收辐射数据和复杂环境投射到待测点的辐射量构造优化目标方程；
11.步骤4、利用双种群社会群体优化算法求解优化目标方程获得涡轮叶片在各波长
下的发射率数值；
12.步骤5、利用高温计实际接收辐射量、复杂环境投射辐射量和发射率数值求解待测涡轮叶片表面的有效发射率，并计算涡轮叶片表面真实温度。
13.进一步地，所述步骤2具体包括：
14.步骤2.1、构建待测涡轮叶片、前级导叶和临近动叶的三维离散模型，叶片离散模型采用离散三角面元表示，每个离散三角面元面积为2-3mm2；
15.步骤2.2、进行面元
‘
可视化’筛选操作，在不考虑面元相互遮挡的情况下筛选留下周围环境可能传递热辐射到待测点的面元；
16.步骤2.3、判断
‘
可视化’筛选后的面元与待测面元间是否有其他叶片面元遮挡；
17.步骤2.4、根据步骤2.2和步骤2.3筛选留下的叶片面元都可传递热辐射到待测面元，计算各叶片面元与待测面元间的角系数，结合已知的叶片理论温度分布，利用普朗克定理求得待测点周围环境投射的辐射量。
18.进一步地，所述步骤2.2中，
‘
可视化’筛选操作中，筛选的条件为：
19.若两个面元间可能传递热辐射，则其法向量与重心连线所表示的向量之间满足如下公式条件
[0020][0021]
其中，和分别是面元1和2的法向量，是两个面元重心连线构成的向量。
[0022]
进一步地，所述步骤2.3中，所述遮挡的判断方法，具体包括：
[0023]
当判断临近动叶是否遮挡前级导叶与待测面元间的辐射传播路径时，首先求两面元重心连线所在线段，之后判断该线段是否与某一个近似表示临近动叶的三角形相交，若相交则存在遮挡；
[0024]
当判断前级导叶和临近动叶是否存在自身其他叶片面元遮挡辐射传播路径时，将待测面元进一步离散成若干个小三角形并计算每个小三角形的重心；
[0025]
计算待遮挡判断面元的重心与每个离散化后小三角形重心连线所在线段从而得到一簇线段；
[0026]
设定遮挡比例阈值，计算线段簇与其他叶片面元相交数目的百分比；
[0027]
如果相交数目的百分比达到遮挡比例阈值，则判断两个面元之间存在遮挡。
[0028]
进一步地，所述步骤2.4中，所述角系数根据公式：
[0029][0030]
计算获得，其中，aj为面元j的面积；ai为面元i的面积；f
ji
为面元j到面元i的辐射角系数；θi和θj是相应面元法线和连接两个无穷小区域dai和daj的直线之间的角度；r是两个面元之间的距离；
[0031]
待测点周围环境投射的辐射量通过公式：
[0032][0033]
计算获得，其中，mr(λ,t)是待测点周围环境投射的辐射量；m
j,i
(λ,tj)为面元j投射到面元i的辐射量；mj(λ,tj)为面元j的黑体辐射出射度。
[0034]
进一步地，所述步骤3中，所述优化目标方程为：
[0035][0036]
其中，εi是多波长高温计第i个通道下的发射率；m(λi,tm)为高温计接收的辐射量；m(λi,tr)为周围环境投射到待测目标表面的辐射量；f(λ,t)为选定的发射率模型，其中的待定系数是未知的；函数m-1
{λ,m}是普朗克公式的逆运算得到待测目标的温度。
[0037]
进一步地，所述步骤4具体包括：
[0038]
步骤4.1、种群初始化参数设置，根据选定的发射率模型，设置发射率模型待定参数的可行解范围，种群个体数目n,反向学习比例rl，最大迭代次数d等参数；
[0039]
步骤4.2、在发射率模型的可行解参数范围内生成初始种群；
[0040]
执行双种群分群操作，将初始化种群随机分为两个同等规模大小的种群1和种群2；
[0041]
步骤4.3、根据优化目标方程计算种群1和种群2内的个体适应度，并在各自所属的种群内按照适应度优劣降序排列；
[0042]
步骤4.4、种群1和种群2内的个体进入
‘
提高阶段’，各种群内部个体更新方式采用改进后的提高阶段进化算法如公式
[0043][0044]
其中，c为自我反省参数，其取值通常在0-1；r为0-1的随机数；agbestj为对应种群内部当前代最优个体的第j维特征数值；与分别为第i个个体更新前后的第j维特征数值，每个个体以所在种群最优个体为指导进行提高进化，重新计算新个体适应度并根据适应度优劣降序排列；
[0045]
步骤4.5、根据反向学习比例rl选取一定数量种群2当前代中较劣质的个体执行反向学习操作，并将种群2更新后的个体根据适应度优劣降序排列；
[0046]
步骤4.6、对种群2内最优个体采取移民迁移操作将其移民入种群1内，并采取优胜略汰的精英淘汰机制替换种群1内适应度最差个体；
[0047]
步骤4.7、种群1和种群2内的个体进入
‘
获得阶段’，各种群内部个体更新方式采用改进后的获得阶段进化算法如公式
[0048]
if f(xi)is better than f(xk)
[0049][0050]
else
[0051][0052]
其中，r1、r2和r3均为0-1的随机数，xk为从对应种群内随机选择的一个个体作为学习对象，bgbestj为双种群种最优个体第j维特征数值，agbestj为对应种群内部最优个体第j维特征数值，每个个体以所在种群最优个体、所在种群内随机个体和所有种群最优个体为指导进行更新进化，最后重新计算各种群内新个体适应度并根据适应度优劣降序排列；
[0053]
步骤4.8、对种群2内最优个体采取高斯变异操作保留适应度比原始最优个体更优的高斯变异个体，之后将种群2内的个体根据适应度优劣降序排列；
[0054]
步骤4.9、重复步骤4.3至步骤4.8，直到完成最大迭代次数达到终止条件；此时种群1内适应度最优个体即为最优解，此时可获得涡轮叶片表面发射率数值。
[0055]
进一步地，所述步骤5具体包括：
[0056]
利用高温计实际接收辐射量、复杂环境投射辐射量和发射率数值根据公式
[0057][0058]
其中，ε
eff
(λ)为涡轮叶片表面的有效发射率；ε为涡轮叶片表面实际发射率；m(λ,tm)为高温计接收的辐射量；m(λ,tb)为待测目标点的黑体辐射出射度；m(λ,tr)为待测目标周围环境投射辐射量。
[0059]
即可求解待测涡轮叶片表面的有效发射率；
[0060]
利用普朗克公式逆运算求解涡轮叶片表面真实温度。
[0061]
另一方面，本发明提供一种基于有效发射率的复杂环境下涡轮叶片辐射测温装置，所述装置包括：
[0062]
辐射数据获取模块，用于利用多波长高温计获取多个波长下的待测涡轮叶片的辐射数据；
[0063]
模型构建模块，用于构建涡轮叶片反射辐射分析模型，获得周围复杂环境投射到叶片待测点的辐射量；
[0064]
优化目标方程构造模块，用于设定发射率模型结合高温计实际接收辐射数据和复杂环境投射到待测点的辐射量构造优化目标方程；
[0065]
发射率求解模块，用于利用双种群社会群体优化算法求解优化目标方程获得涡轮叶片在各波长下的发射率数值；
[0066]
有效发射率和真实温度计算模块，用于利用高温计实际接收辐射量、复杂环境投射辐射量和发射率数值求解待测涡轮叶片表面的有效发射率，并计算涡轮叶片表面真实温度；
[0067]
有效发射率数据库构建模块，用于构建涡轮叶片表面在多种运行状况下的有效发射率数据库。
[0068]
第三方面，本发明提供一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，当所述处理器运行所述存储器存储的计算机程序时执行如上文所述的一种基于有效发射率的复杂环境下涡轮叶片辐射测温方法的步骤。
[0069]
本发明的有益效果：
[0070]
本发明基于有效发射率的复杂环境下涡轮叶片辐射测温方法在得到高温辐射计接收的实际辐射量基础上，
[0071]
首先，构建涡轮叶片复杂环境下的反射辐射分析模型获得复杂环境投射到待测点的辐射量。
[0072]
其次，利用提出的双种群社会群体优化算法(dpsgo)结合高温计实际接收辐射量和待测叶片周围复杂环境量的投射辐射量求解叶片的发射率。
[0073]
最后利用以上求解信息计算叶片表面的有效发射率消除反射辐射影响得到叶片
真实温度，通过构建涡轮叶片表面在多种运行状况下的有效发射率数据库，在后续涡轮叶片温度测量过程中即可利用高温计接收的实际辐射量结合已知的叶片有效发射率直接获取待测叶片的真实温度。
[0074]
本发明基于有效发射率的复杂环境下涡轮叶片辐射测温方法消除了涡轮叶片复杂环境的反射辐射影响以及满足涡轮叶片辐射测温的实时性和高效性要求。本发明设计一种兼顾全局和局部搜索能力的高精度、低耗时的智能优化算法，能够依靠已知信息准确获得涡轮叶片在多个波长下的发射率信息，并且将高温计实际接收的辐射信息与真实温度直接相关联的实时高效的测温方法。
[0075]
本发明可以准确测量存在复杂环境反射辐射影响下的涡轮叶片温度，同时将高温计实际接收的辐射量与叶片真实温度相关联满足涡轮叶片测温的实时性和高效性要求。
[0076]
本发明适用于涡轮叶片辐射测温。
附图说明
[0077]
为了更清楚地说明本技术的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0078]
图1为涡轮叶片反射辐射分析模型流程图；
[0079]
图2为反射辐射分析模型过程示意图(演示待测面元为叶高50％、相对弦长0.5处)；
[0080]
图3为涡轮叶片面元间遮挡判断改进方法1示意图；
[0081]
图4为基于双种群社会群体优化(dpsgo)算法求解涡轮叶片表面发射率流程图；
[0082]
图5为动叶压力面三组不同叶高由周围环境反射辐射引起的温度误差图；
[0083]
图6为基于有效发射率的涡轮叶片温度计算结果及误差图；
[0084]
图中，1-动叶；2-导叶。
具体实施方式
[0085]
实施方式一、一种基于有效发射率的复杂环境下涡轮叶片辐射测温方法，所述方法包括：
[0086]
步骤1、利用多波长高温计获取多个波长下的待测涡轮叶片的辐射数据；
[0087]
步骤2、构建涡轮叶片反射辐射分析模型，获得周围复杂环境投射到叶片待测点的辐射量；
[0088]
步骤3、设定发射率模型结合高温计实际接收辐射数据和复杂环境投射到待测点的辐射量构造优化目标方程；
[0089]
步骤4、利用双种群社会群体优化算法求解优化目标方程获得涡轮叶片在各波长下的发射率数值；
[0090]
步骤5、利用高温计实际接收辐射量、复杂环境投射辐射量和发射率数值求解待测涡轮叶片表面的有效发射率，并计算涡轮叶片表面真实温度。
[0091]
本实施方式，基于有效发射率的复杂环境下涡轮叶片辐射测温方法在得到高温辐射计接收的实际辐射量基础上，首先，构建涡轮叶片复杂环境下的反射辐射分析模型获得
复杂环境投射到待测点的辐射量。之后利用提出的双种群社会群体优化算法(dpsgo)结合高温计实际接收辐射量和待测叶片周围复杂环境量的投射辐射量求解叶片的发射率。最后利用以上求解信息计算叶片表面的有效发射率消除反射辐射影响得到叶片真实温度，通过构建涡轮叶片表面在多种运行状况下的有效发射率数据库，在后续涡轮叶片温度测量过程中即可利用高温计接收的实际辐射量结合已知的叶片有效发射率直接获取待测叶片的真实温度。基于有效发射率的复杂环境下涡轮叶片辐射测温方法消除了涡轮叶片复杂环境的反射辐射影响以及满足涡轮叶片辐射测温的实时性和高效性要求。
[0092]
需要说明的是，本实施方式后续还可以根据本发明的方法将求解的多种工况和运行状态下的有效发射率和测温数据构建成涡轮叶片表面在多种运行状况下的有效发射率数据库，进一步，可以在每次测量之后补充完善更新该数据库，该数据库能够用于快速求解和监测复杂高温环境下涡轮叶片的温度，进一步提高发动机安全检测能力。
[0093]
具体为：构建涡轮叶片表面在多种运行状况下的有效发射率数据库在后续测量中即可在仅获得辐射高温计实际接收辐射量信息时，结合数据库提供的有效发射率相关信息，利用普朗克公式逆运算得到待测叶片的真实温度，满足涡轮叶片辐射测温中消除反射辐射误差和实时性的要求，并且在测量温度发生非常规的急剧变化时，可以及时对发动机进行安全检测，进一步提高发动机安全监测能力。
[0094]
实施方式二，本实施方式是对实施方式一所述的一种基于有效发射率的复杂环境下涡轮叶片辐射测温方法的进一步限定，本实施方式中，对所述步骤2做了进一步限定，具体包括：
[0095]
步骤2.1、构建待测涡轮叶片、前级导叶和临近动叶的三维离散模型，叶片离散模型采用离散三角面元表示，每个离散三角面元面积为2-3mm2；
[0096]
步骤2.2、进行面元
‘
可视化’筛选操作，在不考虑面元相互遮挡的情况下筛选留下周围环境可能传递热辐射到待测点的面元；
[0097]
步骤2.3、判断
‘
可视化’筛选后的面元与待测面元间是否有其他叶片面元遮挡；
[0098]
步骤2.4、根据步骤2.2和步骤2.3筛选留下的叶片面元都可传递热辐射到待测面元，计算各叶片面元与待测面元间的角系数，结合已知的叶片理论温度分布，利用普朗克定理求得待测点周围环境投射的辐射量。
[0099]
本实施方式中，提出的涡轮叶片反射辐射分析模型总体思路如下：首先建立涡轮叶片三维离散模型，选定动叶待测面元并对前级导叶和临近动叶的离散面元进行
‘
可视化’筛选，在不考虑面元间相互遮挡的情况下筛选留下可能传递热辐射到待测面元的叶片面元。之后判断叶片面元间的遮挡问题，对于与待测面元间存在遮挡的叶片面元予以删除。最后计算筛选后的叶片面元与待测面元间的角系数结合叶片理论温度分布可得到周围环境投射到待测点的辐射量。涡轮叶片反射辐射分析模型流程如图1所示。反射辐射分析模型过程示意图如图2所示，其中示意待测面元为叶高50％、相对弦长0.5处，图2第一幅图为构建的涡轮叶片三维离散模型，将动叶和导叶离散为三角面元。图2第二幅图中深色区域为选定待测面元后，经过
‘
可视化’筛选后的前级导叶和临近动叶的叶片面元,这些叶片面元在不考虑遮挡的情况下可以传递辐射到待测面元。图2第三幅图中中等深度颜色的区域为经过
‘
可视化’筛选和遮挡判断后的周围叶片面元，这些叶片面元能传递热辐射到待测叶片面元，参与最终的环境投射辐射量计算。
[0100]
本实施方式中，构建待测涡轮叶片、前级导叶和临近动叶的三维离散模型，相比叶片的简化模型更能体现出叶片的结构特性。
[0101]
实施方式三，本实施方式是对实施方式二所述的一种基于有效发射率的复杂环境下涡轮叶片辐射测温方法的进一步限定，本实施方式中，对所述步骤2.2中，
‘
可视化’的判断方法做了进一步限定，具体包括：
[0102]
若两个面元间可能传递热辐射，则其法向量与重心连线所表示的向量之间满足如下公式条件
[0103][0104]
其中，和分别是面元1和2的法向量，是两个面元重心连线构成的向量。
[0105]
本实施方式给出了
‘
可视化’的判断方法。
[0106]
实施方式四，本实施方式是对实施方式二所述的一种基于有效发射率的复杂环境下涡轮叶片辐射测温方法的进一步限定，本实施方式中，对所述步骤2.3中，所述遮挡判断方法做了进一步限定，具体包括：
[0107]
当判断临近动叶是否遮挡前级导叶与待测面元间的辐射传播路径时，首先求两面元重心连线所在线段，之后判断该线段是否与某一个近似表示临近动叶的三角形相交，若相交则存在遮挡；
[0108]
当判断前级导叶和临近动叶是否存在自身其他叶片面元遮挡辐射传播路径时，将待测面元进一步离散成若干个小三角形并计算每个小三角形的重心；
[0109]
计算待遮挡判断面元的重心与每个离散化后小三角形重心连线所在线段从而得到一簇线段；
[0110]
设定遮挡比例阈值，计算线段簇与其他叶片面元相交数目的百分比；
[0111]
如果相交数目的百分比达到遮挡比例阈值，则判断两个面元之间存在遮挡。
[0112]
本实施方式将遮挡判断分为两种类型，第一类为临近动叶遮挡了前级导叶与待测面元间的辐射传播路径；第二类为前级导叶和临近动叶自身其他叶片面元遮挡辐射传播路径。第一类遮挡判断可采用改进方法1进行判断，第二类可采用改进方法2判断。遮挡判断后筛选留下不存在辐射传播路径遮挡的面元，也就是最终参与周围环境投射辐射计算的面元。
[0113]
本实施方式相比于现有涡轮叶片反射辐射分析模型做出了一定的改进，具体为：
[0114]
离散涡轮叶片面元间遮挡判断方法的改进：
[0115]
改进方法1：针对当待测面元位于动叶压力面时大部分遮挡情况来自于邻近动叶吸力面遮挡了前级导叶与待测面元间的辐射传播路径，小部分遮挡情况来自前级导叶和临近动叶的自身遮挡。为减小计算量，提出可利用少量大三角形平面去近似代替表示临近动叶吸力面的大量面元进行遮挡判断，在判断待测面元和前级导叶面元间是否存在临近动叶吸力面遮挡时，首先求两面元重心连线所在线段，之后判断该线段是否与某一个近似表示临近动叶吸力面的三角形相交，若相交则存在遮挡。该方法可大大缩减判断待测面元和前级导叶面元间相邻动叶遮挡情况的计算量且对计算结果影响较小，示意图如图3所示。
[0116]
改进方法2：针对当判断前级导叶和临近动叶是否存在自身其他叶片面元遮挡辐射传播路径时，如果当前级导叶或临近动叶表面曲率变化很大或涡轮叶片离散模型精度不
高，在仅采用判断两面元重心连线所在线段是否相交于其他叶片面元的方式进行遮挡判断会造成极大地误判对结果产生极大影响。为此提出将待测面元进一步离散成若干个小三角形并计算每个小三角形的重心，计算待遮挡判断面元的重心与每个离散化后小三角形重心连线所在线段从而得到一簇线段，设定遮挡比例阈值，计算线段簇与自身其他叶片面元相交数目的百分比，如果相交数目的百分比达到遮挡比例阈值，则判断两个面元之间存在遮挡。
[0117]
现有的叶片离散面元遮挡判断方法常利用判断两面元重心连线所在线段是否相交于其他叶片面元的方式，该方法实现简单但是计算量非常大并且在叶片表面曲率变化过大或离散叶片模型精度较低时误判率较高，严重影响计算结果。为此我们针对减小计算量和提高判断精度提出了以上两种新的遮挡判断的方法。
[0118]
实施方式五，本实施方式是对实施方式二所述的一种基于有效发射率的复杂环境下涡轮叶片辐射测温方法的进一步限定，本实施方式中，对所述步骤2.4中的角系数和待测点周围环境投射的辐射量做了进一步限定，具体包括：
[0119]
所述角系数计算公式为：
[0120][0121]
其中，aj为面元j的面积；ai为面元i的面积；f
ji
为面元j到面元i的辐射角系数；θi和θj是相应面元法线和连接两个无穷小区域dai和daj的直线之间的角度；r是两个面元之间的距离；
[0122][0123]
其中，m(λ,t)为目标温度为t波长为λ下的辐射出射度，c1＝3.7418
×
10-16w·
m为第一普朗克系数；c2＝1.4388
×
10-2m·
k为第二普朗克系数；
[0124]
待测点周围环境投射的辐射量计算公式为：
[0125][0126]
其中，mr(λ,t)是待测点周围环境投射的辐射量；m
j,i
(λ,tj)为面元j投射到面元i的辐射量；mj(λ,tj)为面元j的黑体辐射出射度。
[0127]
本实施方式给出了角系数和待测点周围环境投射的辐射量的计算方法。
[0128]
实施方式六，本实施方式是对实施方式一所述的一种基于有效发射率的复杂环境下涡轮叶片辐射测温方法的进一步限定，本实施方式中，对所述步骤3中的优化目标方程做了进一步限定，具体包括：
[0129]
所述优化目标方程为：
[0130][0131]
其中，εi是多波长高温计第i个通道下的发射率；m(λi,tm)为高温计接收的辐射量；m(λi,tr)为周围环境投射到待测目标表面的辐射量；f(λ,t)为选定的发射率模型，其中的待
定系数是未知的；函数m-1
{λ,m}是普朗克公式的逆运算得到待测目标的温度。
[0132]
本实施方式，在利用步骤2的涡轮叶片反射辐射分析模型获得待测叶片周围环境投射到待测点的辐射量后，设定待测叶片表面的发射率模型，常用的四种发射率模型如以下公式(5)至(8)所示：
[0133]
ε(λ,t)＝a bλ
ꢀꢀꢀ
(5)
[0134]
ε(λ,t)＝e
a bλ
ꢀꢀꢀ
(6)
[0135][0136]
ε(λ,t)＝aλ2 bλ c
ꢀꢀꢀ
(8)
[0137]
其中，λ为波长，a、b和c是发射率模型的待定系数。
[0138]
利用多波长辐射测温法测量涡轮叶片表面温度时，来自周围复杂环境的反射辐射不可忽略，对于有n个波长通道的多波长辐射高温计，可以得到如以下公式所示的数学模型：
[0139][0140]
其中，λn为第n个通道的波长，εn为第n个通道在波长下的发射率，m(λn,tb)为λn波长下黑体温度为tb时的理想黑体辐射出射度，m(λn,tr)为高温环境温度为tr时的环境辐射出射度，m(λn,tm)为高温计接收到的辐射出射度。
[0141]
值得注意的是多波长辐射高温计每个波长下经普朗克逆运算反演出的待测叶片真实温度都是相同的，使得各波长下反演得到的温度之间的差值最小，此时的发射率模型参数最符合涡轮叶片表面的实际发射率情况，由此来构建优化目标方程：
[0142][0143]
实施方式七，本实施方式是对实施方式一所述的一种基于有效发射率的复杂环境下涡轮叶片辐射测温方法的进一步限定，本实施方式中，对所述步骤4做了进一步限定，利用双种群社会群体优化(dpsgo)算法求解涡轮叶片表面发射率的整体流程如下所示，其对应的流程图如图4所示，具体包括：
[0144]
步骤4.1、种群初始化参数设置，根据选定的发射率模型，设置发射率模型待定参数的可行解范围，种群个体数目n,反向学习比例rl，最大迭代次数d等参数；
[0145]
步骤4.2、在发射率模型的可行解参数范围内生成初始种群；
[0146]
执行双种群分群操作，将初始化种群随机分为两个同等规模大小的种群1和种群2；
[0147]
步骤4.3、根据优化目标方程计算种群1和种群2内的个体适应度，并在各自所属的种群内按照适应度优劣降序排列；
[0148]
步骤4.4、种群1和种群2内的个体进入
‘
提高阶段’，各种群内部个体更新方式采用改进后的提高阶段进化算法如公式：
[0149][0150]
其中，c为自我反省参数，其取值通常在0-1；r为0-1的随机数；agbestj为对应种群内部当前代最优个体的第j维特征数值；与分别为第i个个体更新前后的第j维特征数值。每个个体以所在种群最优个体为指导进行提高进化，重新计算新个体适应度并根据适应度优劣降序排列；
[0151]
步骤4.5、根据反向学习比例rl选取一定数量种群2当前代中较劣质的个体执行反向学习操作，并将种群2更新后的个体根据适应度优劣降序排列；
[0152]
步骤4.6、对种群2内最优个体采取移民迁移操作将其移民入种群1内，并采取优胜略汰的精英淘汰机制替换种群1内适应度最差个体；
[0153]
步骤4.7、种群1和种群2内的个体进入
‘
获得阶段’，各种群内部个体更新方式采用改进后的获得阶段进化算法如公式：
[0154]
if f(xi)is better than f(xk)
[0155][0156]
else
[0157][0158]
其中，r1、r2和r3均为0-1的随机数，xk为从对应种群内随机选择的一个个体作为学习对象，bgbestj为双种群种最优个体第j维特征数值，agbestj为对应种群内部最优个体第j维特征数值。每个个体以所在种群最优个体、所在种群内随机个体和所有种群最优个体为指导进行更新进化，最后重新计算各种群内新个体适应度并根据适应度优劣降序排列；
[0159]
步骤4.8、对种群2内最优个体采取高斯变异操作保留适应度比原始最优个体更优的高斯变异个体，之后将种群2内的个体根据适应度优劣降序排列；
[0160]
步骤4.9、重复步骤4.3至步骤4.8，直到完成最大迭代次数达到终止条件。此时种群1内适应度最优个体即为最优解，此时可获得涡轮叶片表面发射率数值。
[0161]
确定好优化目标方程之后,利用双种群社会群体优化算法(dpsgo)算法求解优化目标方程寻找发射率模型待定系数的最优解，当dpsgo算法达到最大迭代次数，输出的最优解就是待测涡轮叶片表面发射率模型的待定系数，即可求得涡轮叶片表面各波长下的发射率数值。
[0162]
本实施方式，对双种群社会群体优化(dpsgo)算法相比于社会群体优化(sgo)算法做出了以下改进，具体为：
[0163]
1.初始种群执行双种群分群操作。
[0164]
sgo算法分为
‘
提高阶段’和
‘
获得阶段’两个进化阶段，个体均以当前代种群内的最优个体为参考进行更新操作。实践表明，以种群内最优个体引导进化能加快算法的收敛速度，但不利于维持群体的多样性，且算法更新方法单一，易导致算法陷入局部最优解而失效。在综合考虑个体学习能力的局限性和学习方法的多样性等方面，dpsgo算法与sgo算法的相比，首先实现了对原始种群的双种群分群操作，其次对各种群内部个体的更新方法进改进，充分利用各种群内的最优个体信息和整个群体的最优信息。初始种群随机等分为种
群1和种群2，种群1有较强的局部搜索能力，种群2有较强的全局搜索能力，两个种群的进化方式和收敛速度均不同，采用不同的互补型进化策略能有效提升算法性能。
[0165]
2.对两个进化阶段的个体更新的方法改进。
[0166]
在dpsgo算法
‘
提高阶段’，两个种群内的个体通过模拟各自种群内最优个体的行为来提升自身的能力，各子群内部个体更新公式如下：
[0167][0168]
其中，c为自我反省参数，其取值通常在0-1；r为0-1的随机数；agbestj为对应种群内部当前代最优个体的第j维特征数值；与分别为第i个个体更新前后的第j特征数值。
[0169]
在dpsgo算法
‘
获得阶段’，子群间信息的交互能为个体学习提供更多的信息，双种群之间的信息交换机制可以使个体在学习中有更大机会跳出局部极值避免收敛速度过快造成算法早熟，各子群内部个体更新公式如下：
[0170][0171]
其中，r1、r2和r3均为0-1的随机数，xk为从对应种群内随机选择的一个个体作为学习对象，bgbestj为双种群种最优个体第j维特征数值，agbestj为对应种群内部最优个体第j维特征数值。
[0172]
3.对劣质个体引入反向学习技术。
[0173]
针对sgo算法全局搜索能力较弱，无法找到较优解，易陷入局部最优的缺点，对种群2适应度较差的个体引入反向学习技术增强其全局搜索能力，其基本思想是比较当前解和反向解，若反向解优于当前解，则反向解取代当前解。反向学习技术可以快速扩大搜索空间，丰富种群多样性，具有较好的勘探未知解的能力增加寻找到全局最优解和跳出局部最优的可能性。假设x＝[x1,x2,...,xd]是d维空间的一个解，其中xi∈[ai,bi]，i＝1,2...,n，x的反向解为x
*
＝[x
*1
,x
*2
,...,x
*d
]，分别比较当前解和反向解的适应值，保留适应值更好的个体。其中反向解根据如下反向学习更新公式计算，
[0174]
x
i*
＝ai b
i-xiꢀꢀꢀ
(13)
[0175]
其中，x
i*
为当前个体的第i维的反向解，ai和bi分别是种群所有个体的第i维的下限值和上限值，xi为当前个体的第i维值。
[0176]
4.在双种群之间执行单向移民迁移技术并利用精英淘汰机制保留更优个体。
[0177]
种群2有较强的全局搜索能力，种群1有较强的局部搜索能力，通过双种群之间引入移民操作，将种群2中最优个体移民进入种群1中，并采用优胜劣汰的精英机制，替换掉种群1中适应度最差个体，防止种群1陷入局部最优解无法逃出。
[0178]
5.对种群2最优个体引入高斯变异操作。
[0179]
高斯变异算子相比于其他的变异算子，在均值附近变异的概率最大，而产生变异是以上代位置为中心的变异，这就使得算法在局部的开发更加有效，在种群2当前最优个体附近产生大量高斯变异个体，根据个体适应度优劣进行替换，通过引入高斯变异使得种群2
既保证了全局搜索能力，又增加了最优解局部的搜索能力，高斯变异规则如下所示：
[0180]
x
g,j
＝x
i,j
cj×
n(0,1)
ꢀꢀꢀ
(14)
[0181]
其中，x
g,j
为高斯变异个体的第j维数值，x
i,j
为当代最优个体，n(0,1)为均值为0，方差为1的正态高斯分布随机变量，cj表示第j维的变异步长，j＝1,2...,d。
[0182]
实施方式八，本实施方式是对实施方式一所述的一种基于有效发射率的复杂环境下涡轮叶片辐射测温方法的进一步限定，本实施方式中，对所述步骤5做了进一步限定，具体包括：
[0183]
利用高温计实际接收辐射量、复杂环境投射辐射量和发射率数值带入公式：
[0184][0185]
其中，ε
eff
(λ)为涡轮叶片表面的有效发射率；ε为涡轮叶片表面实际发射率；m(λ,tm)为高温计接收的辐射量；m(λ,tb)为待测目标点的黑体辐射出射度；m(λ,tr)为待测目标周围环境投射辐射量。
[0186]
即可求解待测涡轮叶片表面的有效发射率；
[0187]
利用普朗克公式逆运算求解涡轮叶片表面真实温度。
[0188]
本实施方式，在经过以上步骤处理后，利用高温计实际接收辐射量、复杂环境投射辐射量和发射率数值带入公式
[0189][0190]
其中，ε
eff
(λ)为涡轮叶片表面的有效发射率；ε为涡轮叶片表面实际发射率；m(λ,tm)为高温计接收的辐射量；m(λ,tb)为待测目标点的黑体辐射出射度；m(λ,tr)为待测目标周围环境投射辐射量。
[0191]
即可求解待测涡轮叶片表面的有效发射率并可进一步利用普朗克公式逆运算求解涡轮叶片表面真实温度。
[0192]
实施方式九，下面通过具体的理论仿真验证来对本发明做出更具体的描述。
[0193]
按照本发明方法计算复杂环境下涡轮叶片的有效发射率和温度。
[0194]
按照本发明所示方法计算复杂环境下涡轮叶片的有效发射率和温度的流程如下所示。
[0195]
步骤一：利用多波长高温计获取多个波长下的待测涡轮叶片的辐射数据
[0196]
本次理论仿真验证采用理论生成多个波长下的待测涡轮叶片的辐射数据，波长选择为1.3μm、1.4μm、1.5μm、1.6μm、1.7μm和1.8μm，各波长下发射率根据早期测得的涡轮叶片实际发射率值设定分别为0.6、0.62、0.67、0.7、0.75和0.78。导叶温度设置为450-980℃，动叶温度设置为530-630℃。在步骤二求出周围复杂环境投射到待测点的辐射量后即可利用公式
[0197][0198]
得到高温计理论获得的各波长下的涡轮叶片表面辐射数据。
[0199]
步骤二：构建涡轮叶片反射辐射分析模型，获得周围复杂环境投射到待测点的辐射量
[0200]
步骤2.1：构建待测涡轮叶片、前级导叶和临近动叶的三维离散模型，叶片离散模型采用离散三角面元表示，每个离散三角面元面积为2-3mm2。
[0201]
步骤2.2：进行面元
‘
可视化’筛选操作，在不考虑面元相互遮挡的情况下筛选留下周围环境可能传递热辐射到待测点的面元。
[0202]
步骤2.3：面元间遮挡判断，进一步判断
‘
可视化’筛选后的面元与待测面元间是否有其他叶片面元遮挡。本方法将遮挡判断分为两种类型，第一类为临近动叶遮挡了前级导叶与待测面元间的辐射传播路径；第二类为前级导叶和临近动叶自身其他叶片面元遮挡辐射传播路径。第一类遮挡判断可采用改进方法1进行判断，第二类可采用改进方法2判断。遮挡判断后筛选留下不存在辐射传播路径遮挡的面元，也就是最终参与辐射计算的面元。
[0203]
步骤2.4：经前两步筛选留下的叶片面元都可传递热辐射到待测面元，计算各叶片面元与待测面元间的角系数，导叶温度设置为450-980℃，动叶温度设置为530-630℃，结合设定的叶片理论温度分布即可求得待测点周围环境投射的辐射量。
[0204]
当选定波长为1.5μm，发射率为0.67，待测叶片面元位于动叶压力面三组不同叶高时，根据步骤二提出的反射辐射分析模型得到由待测叶片周围环境反射辐射引起的温度误差如图5所示，其中动叶压力面前缘相对弦长为0，尾缘相对弦长为1，图中的三幅图分别表示25％叶高、50％叶高和75％叶高处的计算温度、温度误差和真实温度，三组不同叶高处由反射辐射干扰引起的最大温度误差46.3℃，平均温度误差达到了26.9℃，进一步证实了周围高温背景所带来的反射辐射影响不可忽略。
[0205]
步骤三：设定发射率模型结合高温计实际接收辐射数据和复杂环境投射到待测点的辐射量构造优化目标方程
[0206]
本次理论仿真设置的叶片表面发射率符合正弦发射率模型如公式所示，
[0207][0208]
由步骤一和步骤二得到理论条件下高温计实际接收辐射数据和复杂环境投射到待测点的辐射量。带入公式
[0209][0210]
即可求得优化目标方程，发射率模型系数为未知参数。
[0211]
步骤四：利用双种群社会群体优化算法求解优化目标方程获得涡轮叶片在各波长下的发射率数值
[0212]
波长选择为1.3μm、1.4μm、1.5μm、1.6μm、1.7μm和1.8μm，同时已经获得优化目标方程。设定正弦发射率模型参数取值范围、初始种群个体数目n为100、反向学习比例rl为10％和最大迭代次数d为80。利用双种群社会群体优化算法求解优化目标方程获得待测涡轮叶片在各波长下的发射率数值。
[0213]
步骤五：利用高温计实际接收辐射量、复杂环境投射辐射量和发射率数值求解待测涡轮叶片表面的有效发射率，并计算涡轮叶片表面真实温度
[0214]
步骤一得到了理论情况下高温计实际接收辐射量，步骤二得到了复杂环境投射辐射量，步骤四得到了待测涡轮叶片表面发射率数值。代入公式
[0215][0216]
求解得到涡轮叶片表面有效发射率和涡轮叶片表面真实温度。待测面元位于动叶压力面三组不同叶高时理论验证的基于有效发射率得到的涡轮叶片温度计算结果及误差如图6所示，其中三幅图分别表示25％叶高、50％叶高和75％叶高处的计算温度和温度误差，根据图6所示，利用双种群社会群体优化算法结合反射辐射分析模型对涡轮叶片辐射测温数据进行修正，三组不同叶高计算结果中最大温度误差为3.5℃，平均温度误差为0.98℃，与步骤二中图5所示的由反射辐射引起的最大温度误差46.3℃和平均温度误差26.9℃相比。可以非常好的实现修正由周围环境引起的反射辐射干扰，提高涡轮叶片辐射测温的准确性。
[0217]
步骤六：构建涡轮叶片表面在多种运行状况下的有效发射率数据库，满足后续涡轮叶片实时性测温需求
[0218]
构建涡轮叶片表面在多种运行状况下的有效发射率数据库，根据高温计获得的实际辐射量即可利用公式
[0219][0220]
直接得到待测涡轮叶片表面的真实温度。
[0221]
以上对本发明所提供的一种基于有效发射率的复杂环境下涡轮叶片辐射测温方法进行了详细介绍，应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施方式的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。