河南师范大学红外光谱测量与应用河南省重点实验室, 河南 新乡 453007
多光谱辐射测温技术获取真实温度时, 目标发射率信息是温度求解的关键。 一般解决的方法是基于发射率与波长或温度之间的函数关系建立发射率假设模型。 然而, 当假设模型与实际情况存在偏差时, 会造成较大的温度测量误差。 因此, 消除目标未知发射率的干扰, 减少对发射率模型的依赖, 增加测温算法的通用性, 是多光谱辐射测温技术亟需解决的难题。 提出了改进的粒子群与遗传混合优化算法(HPSOGA), 算法的核心思想是将多波长辐射测温问题转化为约束优化问题。 首先根据约束条件所设置的范围, 在可行域内生成若干个群, 每个种群对应一组满足条件的光谱发射率, 然后通过HPSOGA算法不断地进化、 迭代操作, 最终寻得最优适应度值的对应解。 该算法实现了在不需要假设发射率模型的情况下, 同时反演出目标的光谱发射率和真实温度。 通过对六种典型的发射率模型进行仿真, 验证了新算法对不同分布趋势的光谱发射率反演的适应性。 结果表明, 在真温800和900 K的情况下, 反演温度的平均相对误差小于0.73%。 最后, 将该算法应用于火箭发动机羽焰温度测量数据的处理。 结果表明, 当设计温度为2 490 K时, 反演温度的相对误差均小于0.65%。 仿真与实验均表明, 新算法可求解出满足一定精度要求的发射率和真温。 因此, 提出的HPSOGA算法是可靠的、 有效的, 为多光谱辐射测温技术测量目标真实温度提供了一种新的思路。
多光谱辐射测温 发射率 粒子群算法 遗传算法 Multispectral radiometric thermometry Emissivity PSO GA 光谱学与光谱分析
2023, 43(12): 3659