为了解决非完全数据条件下复杂流场的三维层析重建,结合计算流体力学(Computational fluid dynamics,CFD)、计算流动显示技术(Computational flow imaging,CFI)和光学层析技术(Optical computerized tomography,OCT),提出了应用于非完全数据流场重建的虚拟实验和真实实验相融合(即CFD,CFI与OCT融合)的三维层析。非对称双峰温度场实验结果表明,与完全数据重建结果相比,虚拟实验与真实实验相融合的三维层析的重建双峰误差小于5％。因此能够更好地实现非完全数据条件下流场的三维重建,极大地提高非完全数据条件下流场重建的真实性,较好地与实际结果相吻合,从而为解决有限角条件下的严重非完全数据流场的重建开拓了一条新途径。

光学层析技术在温度、密度等流场的非接触测试中有着广泛的应用前景,然而光学层析的重建是非完全数据的投影重建,通常采用的代数迭代法不能很好地解决重建精度这一难题。为此提出了一种新的光学层析技术的代数迭代重建算法,在算法中引入了包含先验知识的属性矩阵,并摒弃了通常所采用的对超松弛系数人为的确定取法,采用了变超松弛系数。实验计算结果表明,引入属性矩阵和变超松弛系数的代数迭代法能够较好的重建非完全数据投影的待测场,极大地提高重建精度,较好地与实测结果吻合。