液體火箭發(fā)動機噴管燃氣外流場紅外圖像研究

王大銳，張 楠，葛明和

?

液體火箭發(fā)動機噴管燃氣外流場紅外圖像研究

王大銳，張 楠，葛明和

（北京航天動力研究所，北京，100076）

針對液體火箭發(fā)動機燃燒狀態(tài)監(jiān)測，采用基于Matlab平臺開發(fā)的紅外圖像特征參數(shù)計算程序進行分析。通過Canny算子和邊緣模式算法對燃氣紅外圖像進行邊緣檢測、連接，利用選取特定區(qū)域的燃氣面積、周長、灰度熵及第1馬赫盤位置等特征參數(shù)來監(jiān)測發(fā)動機燃燒狀態(tài)，最后提出一種圖像特征參數(shù)對燃燒工況的識別方法，為發(fā)動機燃燒狀態(tài)監(jiān)測提供新的測量手段和思路。

液體火箭發(fā)動機；燃燒狀態(tài)監(jiān)測；紅外圖像；邊緣檢測；特征參數(shù)

0 引 言

設(shè)計人員主要依靠壓力、溫度、流量、轉(zhuǎn)速、振動等信號獲取發(fā)動機試車過程信息，監(jiān)測液體火箭發(fā)動機工作狀態(tài)，進行故障診斷。首先將測試信息導入發(fā)動機試車數(shù)據(jù)庫，然后根據(jù)模式識別理論對發(fā)動機工作狀態(tài)進行分析[1～5]。發(fā)動機試車過程中多數(shù)情況下，燃氣形狀、亮度變化要先于壓力、溫度或者流量變化，因此，在發(fā)動機試車出現(xiàn)故障時，往往把噴管出口燃氣的變化作為故障征兆進行分析。但是，僅憑眼睛觀察獲取圖像信息只能對故障現(xiàn)象進行定性分析，由此提出采用現(xiàn)代紅外圖像識別技術(shù)對發(fā)動機噴管燃氣紅外圖像進行研究，從燃氣紅外圖像中提取特征參數(shù)為發(fā)動機工作狀態(tài)監(jiān)測和故障分析提供依據(jù)。

目前，隨著光學設(shè)備測量頻率和測量精度的不斷提升以及圖像分析識別技術(shù)的逐漸成熟，軍工、醫(yī)療、工業(yè)、農(nóng)業(yè)等領(lǐng)域[6～13]越來越重視采用圖像識別技術(shù)監(jiān)測機械設(shè)備工作狀態(tài)。在火箭發(fā)動機方面，Peter等人[14]運用數(shù)字圖像技術(shù)對SSME發(fā)動機燃氣激波結(jié)構(gòu)和燃氣形狀進行有效識別；遲寶華等人[15]利用紅外熱像儀對液體火箭發(fā)動機壁面溫度進行了測量；梅飛等人[16]開發(fā)了航空發(fā)動機燃氣紅外成像仿真模型，對噴管不完全膨脹狀態(tài)下膨脹波、壓縮波變化進行圖像“捕捉”；張碩等人[17]利用自行開發(fā)的紅外圖像識別系統(tǒng)對固體火箭發(fā)動機燃氣圖像進行識別，提出固體火箭發(fā)動機燃氣特征參數(shù)計算方法和特征參數(shù)。

本文采用Canny算子和“邊緣模式”算法把燃氣流場進行分區(qū)，對各區(qū)域的燃氣紅外圖像進行邊緣檢測和連接，計算分析各區(qū)域面積、周長、灰度熵、第1馬赫盤位置等特征參數(shù)，以監(jiān)測發(fā)動機試車狀態(tài)變化，并提出運用圖像特征參數(shù)識別發(fā)動機燃燒工況方法。

1 燃氣紅外圖像邊緣檢測

發(fā)動機熱試車紅外圖像顯示如圖1所示。

圖1 發(fā)動機熱試車紅外圖像

發(fā)動機熱試車時分別采用Roberts、Sobel、Prewitt、LOG和Canny 5種檢測算子對圖1中3個區(qū)域的圖像進行邊緣檢測。通過5種檢測算子的檢測結(jié)果表明Canny算子邊緣提取較細，且較為完整，因此采用Canny算子對發(fā)動機燃氣邊緣進行檢測。燃氣邊緣檢測流程如圖2所示。

圖2 燃氣邊緣檢測流程

1.1 Canny算子檢測

Canny算子[18]于 1968年由Canny率先提出，因其具有低錯誤率、定位準確、同一邊緣響應(yīng)次數(shù)低等特點，成為當今最重要的邊緣檢測算子之一。Canny邊緣檢測一般分為以下幾個步驟：

a）圖像平滑處理。

選取高斯函數(shù)：

對源圖像進行平滑處理后的圖像為

（2）

b）像素點強度梯度和方向。

（4）

c）初次判斷邊緣點。

在圖像檢測中，初次判斷邊緣點算法為：當像素點強度梯度為0時，為非邊緣點；對于強度梯度非零的像素點，如果沿其梯度方向相鄰像素點的強度值至少存在一個大于該像素點強度值，則該像素點為非邊緣點，將其強度值設(shè)為0，相反則為邊緣點。

d）雙閾值檢測剔除背景噪聲。

背景噪聲會使初次判斷邊緣所建立的邊緣陣列存在假邊緣。為此，設(shè)置高、低兩個閾值，強度大于高閾值的標記為邊緣點，梯度強度小于低閾值的視為背景點去除。強度值在高、低閾值之間的邊緣點可以看其相鄰8個像素點（也稱8鄰域）中是否存在邊緣點，如果存在則該點為邊緣點，否則將其認定為背景噪聲。

1.2 邊緣連接

通過Canny算子檢測可以獲取大部分的燃氣邊緣，但邊緣檢測結(jié)果往往會出現(xiàn)孤立或分段連續(xù)。將不同區(qū)域分開，構(gòu)成具有封閉邊界的區(qū)域，就需要把孤立或者分段邊緣連接起來。本文利用“邊緣模式”算法[19]對各分段邊緣進行統(tǒng)計，并將存在相似性的各段“端點”相連，從而將邊緣“封閉”。邊緣連接具體步驟為：

b）掃描每個記錄的像素組合，如果有相同像素，則認為是同一邊緣，將像素組合合并。

c）尋找合并后像素組合的端點，并將端點梯度相似的各組合端點相連，使邊緣封閉。

燃氣邊緣連接后結(jié)果如圖3所示。

圖3 燃氣邊緣檢測結(jié)果

2 燃氣紅外圖像特征參數(shù)

以燃氣周長、燃氣面積、灰度熵和第1馬赫盤位置為圖像特征參數(shù)計算發(fā)動機燃氣邊緣圖像各封閉區(qū)域的特征參數(shù)值（燃氣出口區(qū)、燃氣核心區(qū)、燃氣射流區(qū)分別對應(yīng)圖1中的1、2、3區(qū)域）。

2.1 燃氣周長和面積

燃氣周長和面積的定義是指邊緣提取后燃氣各區(qū)域的周長和面積，表達式如式（5）、式（6）所示。

（6）

2.2 燃氣灰度熵

灰度熵是圖像分割中常用的特征參數(shù)，它表示圖像中像素灰度的不均勻程度或者復雜程度。在燃燒圖像中，灰度熵與燃燒溫度的均勻性呈正相關(guān)，灰度熵越小，表明其溫度均勻性越好。圖像灰度熵定義為

2.3 第1馬赫盤位置

第1馬赫盤為最靠近噴口處且平行于噴口的邊緣線，即第1馬赫盤邊緣線到噴口的平均距離為第1馬赫盤位置。具體表達式如下：

以室壓1.8 MPa，混合比1.64工況為例，分析發(fā)動機0.3 s啟動段和后續(xù)穩(wěn)定段的特征參數(shù)監(jiān)測結(jié)果如圖4~7所示。

圖4 燃氣第1馬赫盤位置

由圖4可知，第1馬赫盤位置主要受噴管出口壓力與環(huán)境壓力的比值影響[20]，在點火瞬間（圖4中著火點）噴管出口壓力較低，第1馬赫盤位置距離較近；點火后噴管出口壓力迅速升高，第1馬赫盤位置隨之增大；隨著啟動壓力峰出現(xiàn)波動，第1馬赫盤跟噴管出口距離亦呈現(xiàn)由小增大的起伏規(guī)律。進入穩(wěn)定工作段，燃燒壓力和混合比基本不變，第1馬赫盤位置也基本不變。

圖5 燃氣不同區(qū)域周長

由圖5可知，燃氣射流區(qū)周長和燃氣核心區(qū)域周長在啟動段、穩(wěn)定段變化不大，而燃氣出口區(qū)在啟動段周長逐漸增加，在穩(wěn)定段周長基本不變。

由圖6可知，燃氣射流區(qū)面積和燃氣出口區(qū)面積在啟動段、穩(wěn)定段變化不大，而燃氣核心區(qū)域在啟動段面積逐漸減小，穩(wěn)定段內(nèi)核心區(qū)面積基本不變。

圖6 燃氣不同區(qū)域面積

圖7 燃氣不同區(qū)域灰度熵

由圖7中可知，在啟動段，整個燃氣射流區(qū)和核心區(qū)溫度上升變化較大，造成灰度熵波動較大，而燃氣出口區(qū)溫度增加相對均勻，造成灰度熵基本不變；穩(wěn)定段各區(qū)域灰度熵變化均勻。

由此可見，第1馬赫盤的位置、燃氣出口區(qū)周長、核心區(qū)面積和核心區(qū)、射流區(qū)灰度熵對發(fā)動機的燃燒過程不同時期比較敏感，利用以上特征參數(shù)可以對發(fā)動機進行燃燒狀態(tài)監(jiān)測。

3 燃氣圖像特征對發(fā)動機燃燒工況的識別

由于地面熱試車試驗次數(shù)有限，不能覆蓋發(fā)動機全部工況，因此提出一種基于有限次試車圖像數(shù)據(jù)的發(fā)動機燃燒工況識別方法。

本文根據(jù)7次試車數(shù)據(jù)圖像分析結(jié)果，通過三維插值得到室壓、混合比與圖像中的第1馬赫盤位置及燃氣出口區(qū)周長之間的三維曲面圖，如圖8、圖9所示，其中室壓和混合比為底面坐標，圖像特征參數(shù)為垂直坐標。

圖8 識別不同燃燒工況第1馬赫盤位置

圖9 識別不同燃燒工況別燃氣出口區(qū)周長

從圖8和圖9可以看出，在燃燒工況遠離設(shè)計工況時，特征參數(shù)變化呈現(xiàn)單調(diào)性，當燃燒工況接近設(shè)計點時，會有局部極值出現(xiàn)。在設(shè)計點工況，第1馬赫盤位置圖像特征參數(shù)為28.65像素，CFD計算結(jié)果為28像素；燃氣出口周長圖像特征參數(shù)為249像素，CFD計算結(jié)果為266像素，識別設(shè)計點工況特征值與CFD數(shù)值計算結(jié)果較為接近。

綜上，采用圖像特征識別燃燒工況方法建立圖像特征與試驗燃燒工況之間的映射關(guān)系，通過計算燃燒過程中圖像特征參數(shù)可以得到所對應(yīng)的燃燒工況，幫助設(shè)計人員分析發(fā)動機燃燒狀態(tài)。隨著試驗數(shù)據(jù)的不斷豐富，此種識別方法的精度將進一步提升，發(fā)動機燃燒狀態(tài)監(jiān)測水平也會加強。

4 結(jié) 論

本文通過對燃氣紅外圖像邊緣檢測、特征提取以及特征參數(shù)對燃燒工況識別方法的研究，為發(fā)動機燃燒狀態(tài)監(jiān)測提供了新的測量手段和思路。主要結(jié)論如下：

a）利用Canny算子檢測和“邊緣模式”算法連接可以得到清晰完整的燃氣結(jié)構(gòu)；

b）利用第1馬赫盤位置、面積、周長等特征參數(shù)對燃燒啟動段和穩(wěn)定段的敏感性，可以較好地區(qū)分不同燃燒時期；

c）通過對設(shè)計工況點圖像特征和CFD計算結(jié)果對比，證明圖像特征識別燃燒工況方法正確有效；

d）通過計算第1馬赫盤和燃氣出口區(qū)域周長可以確定室壓、混合比變化，幫助設(shè)計人提高發(fā)動機燃燒狀態(tài)監(jiān)測和分析能力。

[1] 楊雪, 張振鵬, 楊思鋒. 基于AHP的液體火箭發(fā)動機地面試驗監(jiān)測參數(shù)的選取方法研究[J]. 航空動力學報, 2006, 21(3): 615-620.

[2] 王建波, 于達仁, 王廣雄. 基于K-L信息測度的液體火箭發(fā)動機的泄露故障檢測[J]. 航空動力學, 1999, 14(4): 429-432.

[3] 朱寧, 馮志剛, 王祈. 基于KPCA和SVM的火箭發(fā)動機試驗臺故障診斷方法[J]. 哈爾濱工業(yè)大學學報, 2009, 41(3): 81-84.

[4] 鄭永煌, 田鋒, 李人厚, 刑科義. 基于Petri網(wǎng)的液體火箭發(fā)動機啟動過程實時在線故障診斷方法[J]. 信息與控制, 2010, 39(2): 207-211.

[5] 費成巍, 白廣忱, 李曉穎. 基于過程功率譜熵SVM的轉(zhuǎn)子振動故障診斷方法[J]. 推進技術(shù), 2012, 33(2): 293-298.

[6] 謝延峰, 劉洪剛, 黃強, 吳建軍. 液體火箭發(fā)動機地面試車實時故障檢測參數(shù)的選取[J]. 航天控制, 2008, 26(6): 77-81.

[7] 羅鋒. XRF和顯微圖像技術(shù)在航空發(fā)動機智能監(jiān)測中的組合應(yīng)用[D]. 南京: 南京航空航天大學, 2009.

[8] 叢煥武, 郭福娟, 呂飛, 王倩. 基于CCD圖像處理的焊縫識別技術(shù)研究[J]. 電子測量技術(shù), 2012, 35(3): 73-76.

[9] 華彥平. 基于彩色數(shù)學形態(tài)學和模糊神經(jīng)網(wǎng)絡(luò)的過濾燃燒診斷研究[D].南京: 東南大學, 2005.

[10] Li H k, Zhou P L, Ma X J. Pattern recognition on diesel engine working condition by using a novel methodology-hubert spectrum entropy[J]. Journal of Marine Engineering and Technology, 2005(6): 43-48．

[11] Lu Y ,Yan Y, Colechin M, Hill R. Monitoring of oscillatory characteristics of pulverized coal flames through image processing and spectral analysis[J]. IEEE Transactions on Instrumentation and Measurement, 2006, 5(1): 226-231．

[12] 邰學勇, 常勝利, 沈曦, 葉瑞泉. 紫外圖像處理在飛機引擎故障診斷中的研究[J]. 儀器儀表學報, 2006, 27(6): 410-412.

[13] 鄭麗敏, 于鉑, 唐毅, 等. 利用圖像處理技術(shù)自動估算豬胴體參數(shù)[J].計算機應(yīng)用研究, 2007(1): 203-205.

[14] Disimile P J, Shoe B, Toy N. Health monitoring of rocket engines using image processing[C]. SPIE, 1991.

[15] 遲寶華, 洪流,孫, 王玫. 紅外熱像儀在液體火箭發(fā)動熱試車中的應(yīng)用[J].火箭推進, 2009, 35(4): 59-62.

[16] 梅飛, 江勇, 陳世國, 孔衛(wèi)東, 文彬. 一種航空發(fā)動機噴流紅外成像仿真模型[J]. 激光與紅外, 2012, 42(8): 909-913.

[17] 張碩, 王寧飛, 張平. SRM羽焰圖像的檢測與參數(shù)預估[J]. 導彈與航天運載技術(shù), 2008(4): 47-50.

[18] Canny J. A. computational approach to edge detection[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1986, 8(6): 679-698.

[19] 張光玉, 龔光珍, 朱維樂. 基于克隆算法的彩色圖像邊緣檢測新算法[J]. 電子學報, 2006, 34(4): 702-707.

[20] 李海軍, 郭印誠. 基于燃燒加熱的弱過膨脹超聲速射流結(jié)構(gòu)的研究[C]. 合肥: 中國工程物理學會, 2009.

Infrared Image Study on Gas External Flow Field of Liquid Rocket Engine Nozzle

Wang Da-rui, Zhang Nan, Ge Ming-he

(Beijing Aerospace Propulsion Institute, Beijing, 100076,)

Infrared image characteristic parameters calculation developed on the basis of Matlab platform are used to analyze the combustion state monitoring results of liquid rocket engine. Canny operator and edge model algorithm are used for gas infrared image edge detection and connection. Some parameters such as gas area, perimeter, gray entropy and Mach disk position of a particular gas area are selected to monitor engine combustion state. Finally, an identification method of combustion conditions is proposed, which provides a new measurement method for engine combustion state monitoring.

Liquid rocket engine; Combustion state monitoring; Infrared image; Edge detection; Characteristic parameters

1004-7182(2016)02-0026-05

10.7654/j.issn.1004-7182.20160206

V43

A

2015-04-02

王大銳（1986-），男，博士，工程師，主要研究方向為液體火箭發(fā)動機推力室設(shè)計及燃燒狀態(tài)監(jiān)測技術(shù)