2. 中国空气动力研究与发展中心超高速空气动力研究所 高超声速冲压发动机技术重点实验室, 四川 绵阳 621000
2. Science and Technology on Scramjet Laboratory, Hypervelocity Aerodynamics Institution of China Aerodynamics Research and Development Center, Mianyang Sichuan 621000, China
为了提高燃烧效率和减少污染物的排放，燃烧流场诊断和性能评估受到广泛关注。表征流场性能的基本参数包括温度、压力、浓度和速度等，为了获得实时、准确的测量结果，对测量手段和测量系统提出了更高的要求。
传统的流场参数监测技术主要是接触式测量技术，如壁面式传感器、侵入式探针或者测量耙等，接触式测量存在响应速度慢、维护成本高、不便于携带和安装等不足，在高超声速流场测量中接触式测量技术的局限性尤为突出。可调谐半导体激光吸收光谱技术(Tunable Diode Laser Absorption Spectroscopy, TDLAS)是一种光学测量技术，可以有效克服传统探测器只能获得测量点参数、严重干扰被测流场的不足，具有灵敏度高、抗噪声能力强、环境适应性强等优势，近年来已经广泛应用于燃烧和推进流场的诊断研究[1-3]。
在实际流场中由于流动混合、相变、化学反应、与壁面的热交换等效应的存在，使得沿着光线传播方向有明显的梯度变化，单一路径上气体的平均参数不能满足准确预测气体流动特性的要求。因此，需要增加同一平面上的光线空间分布信息，满足获取气体二维分布的要求。将TDLAS技术与计算机断层诊断技术(CT)相结合，称为可调谐半导体激光吸收光谱断层诊断技术(TDLAT)。TDLAT技术不同于传统的单点或单线测量手段，可以详细给出流场内部气体参数的二维信息，满足燃烧流场气体多参数实时测量的需求。
本文首先介绍了激光吸收光谱技术测量气体温度和浓度的基本原理，详细阐述了TDLAT在燃烧流场测量实验手段和重建方法方面的研究进展，列举了TDLAT在超燃冲压发动机、航空发动机、燃烧炉上的应用，分析了TDLAT在燃烧流场测量中的发展趋势和有待解决的问题，本文相关内容以期为TDLAT应用于燃烧流场监测提供参考。
1 基本理论 1.1 吸收光谱基本原理TDLAS检测气体是利用可调谐半导体激光器作为光源，当激光的频率与被测气体吸收组分的频率相同时，激光能量被吸收。根据Beer-Lambert定律，频率为ν入射强度为I0与透射激光强度It的关系为:
(1)
其中kν为光谱吸收系数，p为气体总压，χ为待测气体组分浓度，Sν(T)为谱线ν在温度T时的谱线强度，L为吸收路径长度，φ(ν)为线型函数，在整个频域上的积分为1，即为
(2)
其中:A为积分吸收面积。吸收谱线强度S(T)随温度的变化可以表示为:
(3)
其中S(T0)为温度T0=296K时的谱线强度，其大小可以通过HITRAN光谱数据库[1]得到。E "为低跃迁能态能量，h为Planck常数，k为Boltzmann常数，c为光速，Q(T)为温度T时的配分函数值，一定温度范围内的配分函数可以用多项式表示。
被测区域的温度可以利用吸收谱线在不同温度区内谱线强度对温度的变化幅度不同的特点进行计算，被测区域的温度可以表示为:
(4)
当被测气体确定时，沿着同一光路测量的2条吸收线谱线经过的环境参数相同，吸收面积A可以化简为谱线强度比:
(5)
结合公式(4)和(5)求出流场温度后，再根据公式(2)可以得到气体的组分浓度:
(6)
燃烧流场的温度和燃烧产物的组分浓度是评定燃烧流场燃烧效率的2个重要参数。图 1给出了目前半导体激光器在红外波段可以检测的气体组分[4]，测量分子包括H2O、O2、CO2、OH、NO、NH3和CH4等，涵盖了从近红外到中红外1~6μm波段。其中2种主要的燃烧产物H2O和CO2在1~3μm波段都有大量吸收，并且此波段商用半导体激光器发展较为成熟，通常TDLAS传感器选择在此进行测量。
|
| 图 1 红外波段的二极管激光器可用于探测的气体组分 Fig.1 Combustion species detection via diode laser |
由于吸收谱线强度是温度的非线性函数，选择不同的谱线将影响温度的测量结果。进行测量吸收谱线的基本信息和不同条件下线型模拟通常使用HITRAN数据库获得。Zhou[5-6]给出了H2O的谱线选择原则，可以概括为以下几个方面：(1)谱线为1.3~1.5 μm的近红外光谱区，H2O的吸收谱线较多；(2)依据被测对象，谱线对在测量温度范围内有较强的吸收，以保证有较高的信噪比；(3)尽量减少邻近谱线的干扰；(4)谱线强度的比值是温度的单调函数，通过测量比值可以得到温度；(5)谱线对具有较高的温度敏感度，即谱线对具有较大的能级差，以确保测量精度。随后，Liu[7]进一步研究发现，当测量区域存在冷边界(或热边界)时，为获得中心流的温度，应选择对冷边界(或热边界)不敏感的谱线对。Chang[8]在测量流场质量流量时，分析了边界层对速度测量的影响。图 2给出不同边界层厚度下的速度测量结果[5]，随着边界层的增大，测量结果比实际中心流速度偏大。图 3给出TDLAS的测量结果[9]，测量中分别选择1365.6nm(E "=95.2cm-1)和1487nm(E "=4436cm-1)2条谱线，模拟速度为1363m/s，自由流温度为846K，边界层温度约为2000K。由于1487nm谱线在温度为2000K时，吸收谱线强度达到峰值，受到边界层影响较大，测量结果偏低。
TDLAS是一种基于视线效应的测量，为了克服其只能获得流场内平均信息的不足，需要在同一测量平面内增加光线的数目，以获得流场内的二维分布信息，即TDLAT技术，其测量原理如图 4所示。随着医用CT技术的发展，配套的扫描技术和重建算法得到了较快的发展，断层诊断技术也被应用到燃烧流场诊断领域。TDLAT测量系统一般包含4个基本模块，即为光学测量模块、数据处理模块、重建算法模块和后处理模块。
|
| 图 4 TDLAT测量原理示意图 Fig.4 Schematic of TDLAT-based measurement |
TDLAT的测量手段包括直接吸收和波长调制方法2种。直接吸收方法是利用激光器在频域上扫描气体吸收谱线，通过将测量得到的衰减后的激光强度与参考激光强度进行对比，从而得到光谱吸光度。利用直接吸收方法测量气体的温度和浓度时，不需要通过标准气体进行校准，但是需要确定激光参考强度作为基线，用于确定最终的吸收面积。由于压力、温度和组分浓度都可以表示为直接吸收光谱测量信号的解析形式，所以直接吸收方法通常被用于流场的二维测量中。
然而，在高压环境或者低信噪比情况下，直接吸收谱线会出现严重的重叠现象，波长调制光谱方法是在激光信号上加入高频调制，而后利用锁相解调出的谐波信号实现气体的参数测量。然而，在TDLAT二维测量中，需要用到吸收面积作为重建过程的已知量，波长调制光谱方法无法直接获取，需要对测量信号进行解调，尤其在非均匀分布流场中，吸收面积的获取较为困难。2014年，Cai等人[10]提出将WMS引入到超光谱气体二维重建中以提高测量精度，但由于重建方法仍采用模拟退火算法进行全局优化，重建时间较长。Guha等人[11]利用数值模拟的方法，分析了基于直接吸收方法和波长调制方法的TDLAT重建误差，研究结果表明，吸收光谱的测量噪声在重建光谱数据时仅引起相对较小的误差，温度结果是由重建的2条吸收谱线数据的比值确定，所以在吸收较弱的区域重建误差被放大，影响了最终温度和浓度的重建结果。
2.2 光学测量模块求解气体参数二维分布问题时，在大部分情况下，投影光线的数目小于被测区域离散的网格数目，此时求解方程为病态方程。为了提高重建结果质量，在光学测量模块中，光线分布的设计尤为关键，研究者会尽可能设计多的光线穿过流场区域。但是，在实际的燃烧流场测量中，由于实验空间有限，无法安装大量的测量设备，研究者通常采用移动旋转或光线固定模式来弥补一次投影光线数目的不足。
2.2.1 移动旋转模式2004年，帝国理工学院Gillet等人[12]设计搭建了用于测量燃气轮机燃烧室模型中碳氢燃料气体分布的重建装置。如图 5所示，该测量方案利用装置的等距平移，实现了投影方向数目为13、每个投影方向上投影光线数目为25的平行光分布方式测量。
浙江大学能源清洁利用国家重点实验室王飞小组[13]于2008年设计搭建了如图 6所示的小型气体温度和组分浓度分布重建测量系统，利用4个高速旋转平台产生4束夹角为11°的扇形光束，能在0.1s内完成对被测区域的扫描并得到了400组投影数据，实现了对气体参数截面分布的高速扫描测量。2015年，该小组将移动旋转模式改为固定模式测量[14]，采用4个投影角度，每个投影角度6条光线的方式，测量了不同当量比下的平面火焰温度和浓度分布，数值分析表明在吸收信号存在3%的噪声条件下仍可以得到重建结果，实验结果与数值模拟结果基本吻合。
2012年，装备学院洪延姬小组宋俊玲等人[15]搭建了如图 7所示的等距平移测量装置，对300~1100K范围的红外燃气炉温度场进行了重建，研究了投影角度、光线数目和虚拟光线对重建结果的影响。
2013年，美国弗吉尼亚大学的McDaniel小组[16]搭建了TDLAT系统，实验中探测器和激光发射装置被固定在一侧的旋转台上，通过自动调节反射镜使得激光光线形成扇形光束，对被测区域进行了扫描。完成一次投影后，同时旋转探测器和接收器，再次利用扇形光束扫描，实现了不同角度下被测区域的投影。图 8为TDLAT系统安装于NASA超声速直连台上的实物照片。
在移动旋转过程中，需要机械运动部件，在实际应用中容易受到机械振动的影响，且无法实现对非定常流场的瞬时测量。
2009年，超光谱层析成像技术小组Ma等人[17]设计搭建了基于时分复用技术的超光谱测量系统并进行了实验，实验装置如图 9所示。实验选取6条测量光线，固定安装在矩形框架上，对1333~1377nm的H2O吸收光谱范围进行扫描，对包含当量比为0.5的H2-空气混合气体火焰等6个区域进行了重建。2013年，该小组采用垂直和水平各有15条测量光线平行分布的方式，测量了J85航空发动机H2O的温度和组分浓度出口截面分布。在本文第3部分即燃烧场测量应用中将详细介绍此次实验。
英国曼彻斯特大学工业过程层析成像小组主要针对化学组分分布重建进行研究，一直以来致力于提高图像重建质量和改善光学设计，以达到对多缸内燃机的碳氢燃料组分浓度分布进行快速测量。2000年，该小组Carey等人[18]基于近红外吸收光谱技术设计搭建了对发动机中的碳氢燃料浓度分布进行层析成像的重建装置。该装置采用固定光路方式，将28条投影光线的发射端和接受端安装在内燃机气缸壁上，选取中心波长为1550和1700nm的2条谱线，对直径为85mm的发动机气缸进行测量。2010年，该小组Wright等人[19]在Terzijia等人[20]的非规则光线分布研究成果基础上，采用27条非规则光线分布的固定光路平台，对内燃机进行了燃料蒸汽组分浓度截面分布的二维分布测量，光路设计照片及27条光线分布如图 10所示，结果较好地反映了内燃机的燃烧过程。
日本德岛大学Deguchi等人[21]于2012年采用固定光路方案设计了8光路TDLAT重建系统，用来测量燃烧器和柴油发动机排气管出口处的温度和H2O组分浓度分布，并进行了相关实验，验证了该系统的快速测量能力，从而能够实时测量内燃机的燃烧状态。随后，将实验光路拓展到16条[22]，基于平面火焰炉开展了桌面实验研究，并对比分析了乘积型ART算法与ART算法的重建结果[23]。
2015年，北京航空航天大学刘畅等人[24]发展了一种扇形光束激光断层扫描传感器，将2条探测器的间距减小到探测器镜面尺寸，5组扇形光束固定安装在被测区域周围，每个投影角度有12个探测器，实验光路图和实验装置示意图如图 11所示。
在TDLAT测量系统中，实验数据的处理量非常大，一方面用于二维重建需要采集几十条光路数据，另一方面为了捕捉流场的动态变化，需要快速采集，通常采集速率在MHz。Cai等人[25]提出将正交分解方法引入到超光谱重建中，将被测区域写为基函数形式，达到降低未知数个数的目的，计算时间缩短为未使用基函数方法的1/5。图 12给出原始流场和流场重建结果，由图可见，使用特征基重建被测流场可以有效提高重建结果质量。
Busa等人[26]提出一种基于主频分析的方法，将吸收谱线进行特征值分解，吸收线型不再采用单一的Voigt线型进行拟合，而是多条Voigt线型的组合，在实验开始前确定特征Voigt线型，数据处理时通过计算不同吸收谱线的高度、谱线中心和宽度，与实验结果进行对比，得到最佳的拟合结果。对于1组50ms大小为1GB的实验数据，需要1.5小时得到平均的数据结果。
Xu等人[27]设计了一套用于数据快速拟合和处理的电子包，图 13为该数据采集和处理电子包。该电子包首先在闪存中保存了一定范围内的Gauss和Lorentz线宽，用于插值拟合Voigt线型。实验开始后，对测量数据进行预处理，选取50个数据点用于拟合基线，将Gauss线宽、Lorentz线宽和吸收面积作为自由变量，采用Gauss-Newton方法对Voigt线型进行拟合，得到吸收面积数据用于流场二维重建。
姚路等人[28]设计了一套集DFB激光器驱动、扫描波形生成、微弱信号放大和嵌入式算法等功能于一体的小型化TDLAS测量系统。该系统针对工程应用环境进行设计，具有功耗和体积小，抗电磁干扰能力强等特点，解决了实验室系统不适用于台架试验的问题，对未来的发动机飞行实验测量系统设计提供了参考依据。目前该系统还处于研发阶段，测量结果为视线测量，尚无法实现重建，测量参数仅为温度参数。
为了减少实验噪声的影响，2011年，Terzija等人[29]采用小波的平滑方程，在迭代过程中起到滤除噪声和平滑处理的作用。2015年，Li等人[30]将小波变换方法引入到TDLAS实验测量中，对测量信号进行去噪和背景基线的修正，有效提高了光谱数据的拟合精度和信噪比。
2.4 重建算法模块目前，TDLAT重建算法主要包括变换法、迭代法和超光谱法。
2.4.1 变换法基于变换的算法主要包括基于傅里叶变换的卷积算法和基于拉登变换的滤波反投影算法，代表算法有卷积反投影算法、Abel变换法[31]和滤波反投影算法(FBP)[32]。1979年，乔治华盛顿大学和美国国家标准局合作小组的Emmerman和Goulard对适度滤波卷积算法进行了仿真验证[33]。
Abel变换法适用于参数分布具有轴对称或中心对称特性的流场[34-35]。FBP算法则是由Shepp和Logan[36]于1974年提出的。弗吉尼亚大学在2008年开始了针对基于变换的滤波反投影法的TDLAT技术仿真和实验研究。研究小组先后对Hencken平焰炉[37]、台式氢-空气平面炉[38]、高超声速燃烧段出口[39]、弗吉尼亚大学超声速燃烧设备和NASA兰利直连式超声速燃烧测试设备出口[40]进行了重建实验。
国内，装备学院洪延姬小组宋俊玲等人[41]在2011年采用基于Radon变换的滤波反投影算法，由36个扇形光束共468条光线对H2O蒸气温度的高斯分布模型进行了仿真，并研究了投影数目和随机噪声对重建结果的影响。
2015年，中科院安光所的夏晖晖等人[42]通过数值仿真手段研究了滤波反投影重建中投影角度个数、每个投影下的平行光数量(下面简称平行光数量)以及待测流场的网格划分程度对重建结果的影响。其研究结果表明，相同的平行光数量下投影角度个数对重建结果的影响不明显，而在相同的投影角度个数下平行光数量越多重建精度越高；在固定的变光线布局下，网格划分程度在接近平行光数量时得到的重建结果最好。
变换法重建流场需要均匀分布在180°或360°范围内的完备投影值，否则缺失数据所产生的重建误差会严重影响测量质量。所需测量装置较为复杂，时间较长，应用难度较大。
2.4.2 迭代法基于迭代的算法，具有代表性的有最大似然估计法[43]、代数迭代重建算法(ART)[44-45]、正则化法等。Gordon等人于1970年提出了ART算法[44]，之后研究人员又发展了许多变形和改进形式，如联合代数迭代算法(SIRT)、乘积型代数迭代算法(MART)等。ART算法实现过程简单，在应用过程中可根据先验信息对迭代变量进行约束，并可在投影数据缺失的情况下得到较为理想的重建结果。
2006年，美国弗吉尼亚大学Bryner等人[46]采用最大似然期望最大化法(Maximum Likelihood-Expectation, ML-EM)进行仿真，重建结果如图 14所示，在30×30离散网格条件下，组分浓度重建误差为11.7%。研究发现，在重建区域的边角处存在伪像，增加投影角度，有利于提高重建结果质量。
2008年，英国曼彻斯特大学工业过程层析成像小组Terzija等人[20]通过实验探究了修正LandWeber迭代算法的松弛因子、平滑算子和迭代次数对重建效果的影响，在松弛因子λ=0.01，Laplace平滑算子为7×7，迭代次数25次的条件下，对丙烷-空气预混气体和丙烷羽流在6种位置下的组分浓度分布进行了二维重建。
2010年，Kasyutich等人[47]采用ART算法重建了由矩形和圆形加热器组成的待测区域温度分布，重建结果如图 15所示，其中(a)为热电偶测量结果，(b)为重建结果，验证了算法的可行性。
|
| 图 15 Kasyutich等人重建结果图 Fig.15 Reconstruction results by Kasyutich |
2011年，该小组Wood等人[48]对温度范围1600~2000K，气压(1~25)×105Pa，H2O蒸气浓度0.92%~7.86%，半径为32pixel的区域进行了温度分布二维重建。实验采用LandWeber迭代算法和Levenburg-Maquardt-Fletcher算法进行重建，经验证误差在16.6~50.0K。
2010年，加拿大滑铁卢大学Daun[49]通过数值仿真，验证了采用基于Laplace平滑算子的Tikhonov正则化法重建温度和组分浓度场的可行性，并通过与修正Landweber迭代算法的对比，表明Tikhonov正则化法对测量噪声有较好的适应性，重建结果也更好。
2009年，南京理工大学瞬态物理国家重点实验室李宁等人[50]采用遗传算法与模拟退火算法相结合的方法对重建过程中得到的非线性方程组进行全局求解，而后利用Levenburg-Marquardt算法进行局部搜索优化，验证了智能算法进行重建的可行性。2010年，该小组在传统ART算法的基础上引入松弛因子修正项β和平滑因子δ这2个修正系数[51]，得到了修正自适应代数重建迭代算法(MAART)，通过数值分析研究了修正系数对算法收敛速度和重建结果的影响，确定了修正系数的取值范围(β=0.1~0.3，δ=0~0.02)，并与传统的ART算法和SIRT算法进行比较，结果如图 16所示，验证了该算法的优越性。
2013年，天津大学的李金义等人[52]发展了基于正交光路的温度重建方法，并分析了测量路径数量N对重建结果的影响。该方法对单峰非均匀温度场的重建结果较好，最大偏差在50K以内，相对偏差在2.5%以内，而对双峰温度场的重建结果较差，出现失真。
2016年，中科院安光所的夏晖晖等人[53]提出了两步ART算法，有效提高了组分浓度的重建精度。该技术在传统ART算法基础上，将得到的温度参数回代至系数矩阵得出以浓度参数为未知数的代数方程组，进而对该方程组再次采用ART算法进行求解得出最终的浓度参数。
2.4.3 超光谱法2008年，Ma Lin等人[54]提出了基于超光谱法(Hyperspectral Tomography，HT)的燃烧流场二维重建方法。该方法通过选取适当参数构建目标函数，将重建问题归结为最小化问题。将模拟退火算法和Levenburg-Maquardt算法相结合找出温度分布的最优解，代入投影方程，通过最小二乘法得出浓度分布，温度和组分浓度的重建误差分别为1.44%和4.87%，结果表明，超光谱法相比于传统的重建技术，利用了多光谱测量技术，增加了测量光线内的谱线信息，减少了投影光线数目，并且对先验信息有较好的适应性，但计算时间较长。
2.4.4 小节3类重建算法(变换法、迭代法、超光谱法)各有优势与不足，其适用条件及重建特性如表 1所示。
| 变换法 | 迭代法 | 超光谱法 | |
| 投影角度要求 | 180°内的完备投影 | 不完备投影角度 | 最少可采用2个投影角度 |
| 重建时间 | 约几十分钟 | 毫秒至秒量级 | 数小时 |
| 重建稳定性 | 受投影角度影响较大 | 受测量噪声影响较大 | 稳定性较好 |
变换法在光线数量充足的条件下可实现高精度的重建，但也受投影角度完备的约束，测量装置较为复杂，难以实现小型化与快速测量，通常适用于稳定燃烧场的重建。相比之下迭代法与超光谱法可实现快速测量，能够对燃烧场的瞬态变化进行重建，通过嵌入式测量装置可以实现飞行实验测量。然而超光谱法的重建时间较长，但受测量噪声影响较小；相反迭代法在重建时间上具有优势，但其对投影数量及信号质量有着更高的要求。目前采用较为普遍的是迭代算法，尤其是ART算法(及其改进形式)和Landweber算法。
2.5 后处理模块后处理模块是指重建结果的可视化过程，通常由研究者自定义形式，如三维图、等高线图等，若流场是随时间演化的动态场，还可以表达为动画形式，目的是使研究者更好地判断测量结果。在重建离散网格较为稀疏的情况下，还会将重建结果进行插值，便于判断流场的分布信息或者与其它测量手段进行比较。
3 燃烧场测量应用 3.1 超燃冲压发动机超燃冲压发动机是高超声速飞行器的核心部件之一，监测发动机内流场的状态参数，可为发动机性能评估和飞行器设计提供重要参考。2011年，中科院力学所李飞等人[55]同时了测量冲压发动机进气道、燃烧室和燃烧室出口处温度、速度和组分浓度的平均分布。2012年，美国空军实验室和NASA兰利研究中心合作开展的超声速飞行国际研究和实验HIFiRE-2项目中对TDLAT技术进行了研究，以更好地评估飞行器发动机的燃烧状态。该系统于2012年5月8日进行了飞行试验，图 17为HIFiRE-2中TDLAT测量系统示意图[56]，采用3×5的光线分布方式，但测试结果并未对外公布。
针对HIFiRE-2项目，美国空军实验室开展了多次地面测试试验。2012年，Brown等人[57]在地面测试发动机燃烧室出口处固定设置14组激光发射\接收装置(8组水平，6组垂直)，对出口截面进行重建测量，测量装置图和测量结果如图 18(a)和(b)所示，由于实验中投影光线数目过少，重建结果只能用于定性分析流场状态。
2013年，美国弗吉尼亚理工大学的Ma Lin等人[58]测量了通用电子J85航空发动机出口处气体(H2O)的温度和浓度分布，测量系统示意图如图 19所示。测量时间响应为20μs，测量空间分辨率为36.8mm×36.8mm，其中发动机出口尺寸为45.72cm ×45.72cm，垂直和水平方向分别布置15条光线，实验中被测区域被离散为15×15的网格区域。激光器系统采用时分复用方式，连接了3台FDML激光器，每台FDML激光器以50kHz的频率扫描，扫描波长范围为10 cm-1。3台激光器信号经过合束后被分成32束光路，其中30束光路穿过被测流场，1束用于记录激光光强，1束用于控制波长扫描。实验中共选择了12条H2O吸收谱线，用于温度场和浓度场的二维重建。
2015年，南京理工大学的吕晓静等人[59]采用多谱线吸收光谱技术对脉冲爆轰发动机的燃气管外流场温度分布进行了测量。激光器以10kHz的频率扫描了H2O的4条吸收谱线，在发动机管口20~200cm处设置了8个测试点，首次实现了爆轰发动机管外较远处流场的在线诊断。
3.3 燃煤锅炉美国Zolo公司的ZoloBOSS产品[60]从2005年起开始销售，融合了TDLAS、激光合束技术和层析技术，用于燃煤锅炉燃烧后的组分浓度分析，通过控制系统，可以准确地控制风煤比例，控制炉膛内部温度，优化炉膛内部CO、O2等成份的组分，实现控制炉膛内部的空气和燃煤的比例在优化目标区域内。图 20给出了ZoloBOSS锅炉测量系统的示意图[61]，测量系统包括激光发射头、激光接收头、激光节点盒、控制柜、矩阵配电柜、燃烧区域二维影像分析软件以及OPC客户端通讯接口。
ZoloBOSS系统是TDLAS技术的首个成熟的商业产品，其在燃煤锅炉的应用解决了很多工程设计问题——如激光自动对准技术、设备运行远程监控等。但在层析技术方面，ZoloBOSS仅采用简单的加权平均办法进行了重构，只能粗略评估锅炉的燃烧情况。
4 发展趋势和动态激光吸收光谱断层诊断技术已经成为燃烧流场诊断的重要手段，尤其在高温、高速、有毒等严苛环境的检测中，可以发挥其非接触式、高灵敏度的优势。同时，激光吸收光谱断层诊断技术在实际燃烧流场测量中，尚存在一些不足和亟待解决的问题。
(1) 高压环境下重建结果质量差的问题。基于直接吸收光谱方法的TDLAT技术在高压环境下吸收谱线会出现交叠现象，影响吸收面积计算的准确性进而影响二维重建结果质量。需要将波长调制光谱引入到TDLAT中，当前虽然有研究者引入波长调制方法，但是采用优化算法进行二维重建，计算时间较长，不能满足流场实时测量的需求。将波长调制方法引入到以迭代算法为基础的TDLAT中，可以有效缩短二维重建时间，还需要解决非均匀流场谐波信号的解调和吸收面积反算等问题。
(2) 多种燃烧产物同步测量问题。随着中红外波段激光器和相关光纤技术的发展，目前已经开展了中红外波段一种或多种气体的一维测量，有待发展多种组分气体如CO、CO2和CH4等大分子碳氢燃烧料或产物的二维测量。需要重点解决激光功率损失大、其它气体干扰、粒子散射造成的非吸收损失等问题，实现多种燃烧组分同步二维测量。
(3) 激光吸收光谱断层诊断技术重建精度问题。实际流场是连续的，由于探头尺寸和安装位置的限制，投影光线数目有限，导致重建流场空间分辨率不高或者重建误差较大。在实验设计方面，需要解决探头尺寸大、光线利用效率低、分布角度单一等问题；在重建算法方面，如何较好地利用CFD或其它测量手段的辅助，增加算法的约束条件仍有待研究。
5 结论激光吸收光谱断层诊断技术作为新型的流场二维诊断技术，在燃烧流场和推进流场参数测量方面具有广阔的应用前景。目前，国内外研究者已将该技术应用到超燃冲压发动机、航空发动机、燃煤锅炉等内流场诊断研究中，并针对实验光学系统设计、数据处理、二维重建算法开展了较为广泛和深入的研究，为后续激光吸收光谱断层诊断技术在燃烧流场测量中的应用奠定了较好的理论和实验基础。
此外，由于燃烧和推进流场特殊环境的要求，激光吸收光谱断层诊断技术还存在一些问题，有待研究者进一步探讨。
| [1] | Bolshov M A, Kuritsyn Y A, Romanovskii Y V. Tunable diode laser spectroscopy as a technique for combustion diagnostics[J]. Spectrochimca Acta B, 2015, 106: 45–66. DOI:10.1016/j.sab.2015.01.010 |
| [2] | Wright P, Johnson M, Fisher E, et al. Progress towards non-intrusive optical measurement of gas turbine exhaust species distributions[C]. Aerospace Conference, IEEE, 2015, 7119019. |
| [3] | 洪延姬. 燃烧场吸收光谱诊断技术研究进展[J]. 实验流体力学, 2014, 28(3): 12–25. Hong Y. Progress in absorption spectroscopy diagnosis techniques for combustion flowfields[J]. Journal of Experiments in Fluid Mechanics, 2014, 28(3): 12–25. DOI:10.11729/syltlx2014ty02 |
| [4] | Hanson R K. Applications of quantitative laser sensors to kinetics, propulsion and practical energy systems[J]. Proceedings of the Combustion Institute, 2011, 33(1): 1–40. DOI:10.1016/j.proci.2010.09.007 |
| [5] | Zhou X, Liu X, Jeffries J B, et al. Development of a sensor for temperature and water concentration in combustion gases using a single tunable diode laser[J]. Measurement Science and Technology, 2003, 14: 1459–1468. DOI:10.1088/0957-0233/14/8/335 |
| [6] | Zhou X, Liu X, Jefferies J B, et al. Selection of NIR H2O absorption transitions for in-cylinder measurement of temperature in IC engines[J]. Measurement Science and Technology, 2005, 16: 2437–2445. DOI:10.1088/0957-0233/16/12/006 |
| [7] | Liu X, Jefferies J B, Hanson R K, et al. Development of a tunable diode laser sensor for measurements of gas turbine exhaust temperature[J]. Applied Physics B, 2006, 82: 469–478. DOI:10.1007/s00340-005-2078-9 |
| [8] | Chang L S, Strand C L, Jeffries J B, et al. Supersonic mass-flux measurements via tunable diode laser absorption and nonuniform flow modeling[J]. AIAA Journal, 2011, 49(12): 2783–2791. DOI:10.2514/1.J051118 |
| [9] | Chang L S. Development of a diode laser sensor for measurement of mass flux in supersonic flow[D]. Stanford University, 2011. |
| [10] | Cai W, Kaminski C F. Multiplexed absorption tomography with calibration-free wavelength modulation spectroscopy[J]. Applied Physics Letters, 2014, 104: 154106. DOI:10.1063/1.4871976 |
| [11] | Guha A, Schoeg I M. Tomographic imaging of flames:assessment of reconstruction error based on simulated results[J]. Journal of Propulsion and Power, 2014, 30(2): 350–359. DOI:10.2514/1.B34831 |
| [12] | Gillet B, Hardalupas Y, Kavounides C, et al. Infrared Absorption for Measurement of Hydrocarbon Concentration in Fuel/Air Mixtures[J]. Applied Thermal Engineering, 2004(24): 1633–1653. |
| [13] | Wang F, Cen K F, Li N, et al. Two-dimensional tomography for gas concentration and temperature distributions based on tunable diode[J]. Measurement Science and Technology, 2010, 21(4): 1–10. |
| [14] | Wang F, Wu Q, Huang Q, et al. Simultaneous measurement of 2-dimensional H2O concentration and temperature distribution in premixed methane air flame using TDLAS-based tomography technology[J]. Optics Communications, 2015, 346: 53–63. DOI:10.1016/j.optcom.2015.02.015 |
| [15] | Song J, Hong Y, Wang G, et al. Algebraic tomographic reconstruction of two-dimensional gas temperature based on tunable diode laser absorption spectroscopy[J]. Applied Physics B, 2013, 112: 529–537. DOI:10.1007/s00340-013-5435-0 |
| [16] | Busa K M, Ellison E N, McGovern B J, et al. Measurements on NASA langley durable combustor rig by TDLAT preliminary results[R]. AIAA-2013-0696, 2013. |
| [17] | Ma L, Cai W, Caswell A W, et al. Tomographic imaging of temperature and chemical species based on hyperspectral absorption spectroscopy[J]. Optics Express, 2009, 17(10): 8602–8613. DOI:10.1364/OE.17.008602 |
| [18] | Carey S J, McCann H, Hindle F P, et al. Chemical Species Tomography by Near Infra-red Absorption[J]. Chemical Engineering Journal, 2000(77): 111–118. |
| [19] | Wright P, Terzija N, Davidson J L, et al. High-speed chemical species tomography in a multi-cylinder automotive engine[J]. Chemical Engineering Journal, 2010(158): 2–10. |
| [20] | Terzija N, Davidson J L, Garcia-Stewart C A, et al. Image optimization for chemical species tomography with an irregular and sparse beam array[J]. Measurement Science and Technology, 2008, 19(9): 094007. DOI:10.1088/0957-0233/19/9/094007 |
| [21] | Deguchi Y, Yasui D, Adachi A. Development of 2D Temperature and Concentration Measurement Method Using Tunable Diode Laser Absorption Spectroscopy[J]. Journal of Mechanics Engineering and Automation, 2012(2): 543–549. |
| [22] | Deguchi Y, Kamimoto T, Kiyota Y. Time resolved 2D concentration and temperature measurement using CT tunable laser absorption spectroscopy[J]. Flow Measurement and Instrumentation, 2015, 46: 312–318. DOI:10.1016/j.flowmeasinst.2015.06.025 |
| [23] | Choi D W, Jeon M G, Cho G R, et al. Performance improvements in temperature reconstructions of 2-D tunable diode laser absorption Tunable Diode Laser Absorption Spectroscopy (TDLAS)[J]. Journal of Thermal Science, 2016, 25(1): 84–89. DOI:10.1007/s11630-016-0837-z |
| [24] | Liu C, Xu L, Chen J, et al. Development of a fan-beam TDLAS-based tomographic sensor for rapid imaging of temperature and gas concentration[J]. Optics express, 2015, 23(17): 22494–22511. DOI:10.1364/OE.23.022494 |
| [25] | Cai W, Ma L. Hyperspectral tomography based on proper orthogonal decomposition as motivated by imaging diagnosostics of unsteady reactive flows[J]. Applied Optics, 2010, 49(4): 601–610. DOI:10.1364/AO.49.000601 |
| [26] | Busa K M, Brown M S. Fast Data processing for optical absorption measurements[R]. AIAA-2016-0660, 2016. |
| [27] | Xu L, Liu C, Jing W, et al. Tunable diode laser absorption spectroscopy-based tomography system for on-line monitoring of two-dimensional distributions of temperature and H2O mole fraction[J]. Review of Scientific Instruments, 2016, 87: 013101. DOI:10.1063/1.4939052 |
| [28] | 姚路, 刘文清, 阚瑞峰, 等. 小型化TDLAS发动机测温系统的研究及进展[J]. 实验流体力学, 2015, 19(2): 71–76. Yao L, Liu W, Kan R. Research and development of a compact TDLAS system to measure scramjet combustion temperature[J]. Journal of Experiments in Fluid Mechanics, 2015, 19(2): 71–76. |
| [29] | Terzija N, McCann H. Wavelet-based image reconstruction for hard-field tomography with severely limited data[J]. IEEE Sensors Journal, 2011, 11(9): 1885–1893. DOI:10.1109/JSEN.2010.2100378 |
| [30] | Li J, Yu B, Fischer H. Wavelet transform based on the optimal wavelet pairs for tunable diode laser absorption spectroscopy signal processing[J]. Applied Spectroscopy, 2015, 69(4): 496–506. DOI:10.1366/14-07629 |
| [31] | Smith L M, Keefer D R, Sudharsanan S I. Abel inversion using transform techniques[J]. Journal of Quantitative Spectroscopy and Radiative Transfer, 1988, 39(5): 367–373. DOI:10.1016/0022-4073(88)90101-X |
| [32] | Kak A C, Slaney M. Principles of computerized tomographic imaging[M]. New York: IEEE Press, 1999. |
| [33] | Goulard R, Emmerman P J. Absorption diagnostics[R]. AIAA-79-0085, 1979. |
| [34] | Dash C J. One-dimensional tomography:a comparison of Abel, onion-peeling, and filtered backprojection methods[J]. Applied Optics, 1992, 31(8): 1146–1152. DOI:10.1364/AO.31.001146 |
| [35] | Villarreal R, Varghese P L. Frequency-resolved absorption tomography with tunable diode lasers[J]. Applied Optics, 2005, 44(31): 6786–6795. DOI:10.1364/AO.44.006786 |
| [36] | Shepp L A, Logan B F. The Fourier reconstruction of a head section[J]. IEEE Transaction on Nuclear Science, 1974. |
| [37] | Bryner E, Sharma M G, McDaniel J C, et al. Tunable diode laser absorption technique development for determination of spatially resolved water concentration and temperature[R]. AIAA-2010-0299, 2010. |
| [38] | Bryner E, Busa K, MacDaniel J C, et al. Spatially resolved temperature and water vapor concentration distributions in a flat flame burner by tunable diode laser absorption tomography[R]. AIAA-2011-1291, 2011. |
| [39] | Busa K M, Bryner E, MacDaniel J C, et al. Demonstration of capability of water flux measurement in a scramjet combustor using tunable diode laser absorption tomography and stereoscopic PIV[R]. AIAA-2011-1294, 2011. |
| [40] | Busa K M, Ellison E N, MacGovern B J, et al. Measurements on NASA Langley durable combustor rig by TDLAT: Preliminary Results[R]. AIAA-2013-0696, 2013. |
| [41] | 宋俊玲, 洪延姬, 王广宇. H2O温度二维分布的滤波反投影重建[J]. 强激光与粒子束, 2012, 24(9): 2073–2078. Song J L, Hong Y J, Wang G Y. Two-dimensional water temperature reconstruction by filtered back-projection method based on tunable diode laser absorption technique[J]. High Power Laser and Particle Beams, 2012, 24(9): 2073–2078. |
| [42] | Xia H, Xu Z, Kan R, et al. Numerical study of two-dimensional water vapor concentration and temperature distribution of combustion zones using tunable diode laser absorption tomography[J]. Infrared Physics & Technology, 2015, 72: 170–178. |
| [43] | Llacer J, Meng J D. Matrix-based image reconstruction method for tomography[J]. IEEE Transactions on Nuclear Science, 1995, 32(1): 855–864. |
| [44] | Gordon R, Bender R, Herman G T. Algebraic reconstruction techniques (ART) for three-dimensinal electron microscopy and X-ray photography[J]. Journal of Theorectical Biology, 1970, 29(3): 471–481. DOI:10.1016/0022-5193(70)90109-8 |
| [45] | Herman G T. Fundamentals of computerized tomography:image reconstruction from projections[M]. New York: Springer, 2009. |
| [46] | Bryner E, Diskin G S, Goyne C P, et al. Development of an infrared laser absorption tomography system for a scramjet combustor[R]. AIAA-2006-3445, 2006. |
| [47] | Kasyutich V L, Martin P A. Towards a two-dimensional concentration and temperature laser absorption tomography sensor system[J]. Applied Physics B, 2011(102): 149–162. |
| [48] | Wood M P, Ozanyan K B. Temperature mapping from molecular absorption tomography[C]//Sensors, IEEE, 2011: 865-869. |
| [49] | Daun K J. Infrared species limited data tomography through tikhonov reconstruction[J]. Journal of Quantitative Spectroscopy & Radiative Transfer, 2010, 111: 105–115. |
| [50] | 李宁, 翁春生. 基于多波长激光吸收光谱技术的气体浓度与温度二维分布遗传模拟退火重建研究[J]. 物理学报, 2010, 59(10): 6914–6920. Li N, Weng C. Gas concentration and temperature reconstruction by genetic simulated annealing algorithm based on multi-wavelengths diode laser absorption spectroscopy[J]. Acta Physica Sinica, 2010, 59(10): 6914–6920. DOI:10.7498/aps.59.6914 |
| [51] | Li N, Weng C. Modified adaptive algebraic tomographic reconstruction for gas distribution from incomplete projection by a two-wavelength absorption scheme[J]. Chinese Optics Letters, 2011, 9(6): 061201. DOI:10.3788/COL |
| [52] | 李金义, 朱可柯, 杜振辉, 等. 一种基于TDLAS的高分辨率二维温度场重建算法及数值仿真[J]. 实验流体力学, 2014, 28(3): 63–71. Li J, Zhu K, Du Z. A high-resolution algorithm for 2D temperature reconstruction using TDLAS and numerical simulation[J]. Journal of Experiments in Fluid Mechanics, 2014, 28(3): 63–71. DOI:10.11729/syltlx20130059 |
| [53] | Xia H, Kan R, Xu Z, et al. Two-step tomographic reconstructions of temperature and species concentration in a flame based on laser absorption measurements with a rotation platform[J]. Optics and Lasers in Engineering, 2017, 90: 10–18. DOI:10.1016/j.optlaseng.2016.09.005 |
| [54] | Ma L, Cai W. Numerical investigation of hyperspectral tomography for simultaneous temperature and concentration imaging[J]. Applied Optics, 2008, 47(21): 3751–3759. DOI:10.1364/AO.47.003751 |
| [55] | Li F, Yu X, Gu H, et al. Simultaneous measurements of multiple flow parameters for scramjet characterization using tunable diode-laser sensors[J]. Appiled Optics, 2011, 50(36): 6697–6707. DOI:10.1364/AO.50.006697 |
| [56] | Jackson K R, Gruber M R, Buccellato S. HIFiRE flight 2 overview and status update 2011[R]. AIAA-2011-2202, 2011. |
| [57] | Brown M S. Application of diode-laser-based measurements in hypersonic flows[R]. AIAA-2012-0555, 2012. |
| [58] | Ma L, Li X, Sanders S T, et al. 50-kHz-rate 2D imaging of temperature and H2O concentration at the exhaust plane of a J85 engine using hyperspectral tomography[J]. Optics Express, 2013, 21(1): 1152–1162. DOI:10.1364/OE.21.001152 |
| [59] | 吕晓静, 李宁, 翁春生. 基于多谱线吸收光谱技术的脉冲爆轰发动机管外流场测试研究[J]. 光谱学与光谱分析, 2016, 3: 004. Lyu X, Li N, Weng C. The diagnostics of detonation flow external field based on multispectral absorption spectroscopy technology[J]. Spectroscopy and Spectral Analysis, 2016, 3: 004. |
| [60] | ZoloBOSS Boiler Optimization Spectroscopy Sensor Operator Manual. www. zolotech. com, 2014-07-25. |
| [61] | Ruducing green house gas emissions via efficient coal combustion. www. zolotech. com, 2014-07-25. |