王大銳，張 楠，葛明和

?

液體火箭發(fā)動(dòng)機(jī)噴管燃?xì)馔饬鲌?chǎng)紅外圖像研究

王大銳，張 楠，葛明和

（北京航天動(dòng)力研究所，北京，100076）

針對(duì)液體火箭發(fā)動(dòng)機(jī)燃燒狀態(tài)監(jiān)測(cè)，采用基于Matlab平臺(tái)開發(fā)的紅外圖像特征參數(shù)計(jì)算程序進(jìn)行分析。通過Canny算子和邊緣模式算法對(duì)燃?xì)饧t外圖像進(jìn)行邊緣檢測(cè)、連接，利用選取特定區(qū)域的燃?xì)饷娣e、周長(zhǎng)、灰度熵及第1馬赫盤位置等特征參數(shù)來監(jiān)測(cè)發(fā)動(dòng)機(jī)燃燒狀態(tài)，最后提出一種圖像特征參數(shù)對(duì)燃燒工況的識(shí)別方法，為發(fā)動(dòng)機(jī)燃燒狀態(tài)監(jiān)測(cè)提供新的測(cè)量手段和思路。

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

0 引 言

設(shè)計(jì)人員主要依靠壓力、溫度、流量、轉(zhuǎn)速、振動(dòng)等信號(hào)獲取發(fā)動(dòng)機(jī)試車過程信息，監(jiān)測(cè)液體火箭發(fā)動(dòng)機(jī)工作狀態(tài)，進(jìn)行故障診斷。首先將測(cè)試信息導(dǎo)入發(fā)動(dòng)機(jī)試車數(shù)據(jù)庫(kù)，然后根據(jù)模式識(shí)別理論對(duì)發(fā)動(dòng)機(jī)工作狀態(tài)進(jìn)行分析[1～5]。發(fā)動(dòng)機(jī)試車過程中多數(shù)情況下，燃?xì)庑螤?、亮度變化要先于壓力、溫度或者流量變化，因此，在發(fā)動(dòng)機(jī)試車出現(xiàn)故障時(shí)，往往把噴管出口燃?xì)獾淖兓鳛楣收险髡走M(jìn)行分析。但是，僅憑眼睛觀察獲取圖像信息只能對(duì)故障現(xiàn)象進(jìn)行定性分析，由此提出采用現(xiàn)代紅外圖像識(shí)別技術(shù)對(duì)發(fā)動(dòng)機(jī)噴管燃?xì)饧t外圖像進(jìn)行研究，從燃?xì)饧t外圖像中提取特征參數(shù)為發(fā)動(dòng)機(jī)工作狀態(tài)監(jiān)測(cè)和故障分析提供依據(jù)。

目前，隨著光學(xué)設(shè)備測(cè)量頻率和測(cè)量精度的不斷提升以及圖像分析識(shí)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(shí)別技術(shù)監(jiān)測(cè)機(jī)械設(shè)備工作狀態(tài)。在火箭發(fā)動(dòng)機(jī)方面，Peter等人[14]運(yùn)用數(shù)字圖像技術(shù)對(duì)SSME發(fā)動(dòng)機(jī)燃?xì)饧げńY(jié)構(gòu)和燃?xì)庑螤钸M(jìn)行有效識(shí)別；遲寶華等人[15]利用紅外熱像儀對(duì)液體火箭發(fā)動(dòng)機(jī)壁面溫度進(jìn)行了測(cè)量；梅飛等人[16]開發(fā)了航空發(fā)動(dòng)機(jī)燃?xì)饧t外成像仿真模型，對(duì)噴管不完全膨脹狀態(tài)下膨脹波、壓縮波變化進(jìn)行圖像“捕捉”；張碩等人[17]利用自行開發(fā)的紅外圖像識(shí)別系統(tǒng)對(duì)固體火箭發(fā)動(dòng)機(jī)燃?xì)鈭D像進(jìn)行識(shí)別，提出固體火箭發(fā)動(dòng)機(jī)燃?xì)馓卣鲄?shù)計(jì)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?xì)饬鲌?chǎng)進(jìn)行分區(qū)，對(duì)各區(qū)域的燃?xì)饧t外圖像進(jìn)行邊緣檢測(cè)和連接，計(jì)算分析各區(qū)域面積、周長(zhǎng)、灰度熵、第1馬赫盤位置等特征參數(shù)，以監(jiān)測(cè)發(fā)動(dòng)機(jī)試車狀態(tài)變化，并提出運(yùn)用圖像特征參數(shù)識(shí)別發(fā)動(dòng)機(jī)燃燒工況方法。

1 燃?xì)饧t外圖像邊緣檢測(cè)

發(fā)動(dòng)機(jī)熱試車紅外圖像顯示如圖1所示。

圖1 發(fā)動(dòng)機(jī)熱試車紅外圖像

發(fā)動(dòng)機(jī)熱試車時(shí)分別采用Roberts、Sobel、Prewitt、LOG和Canny 5種檢測(cè)算子對(duì)圖1中3個(gè)區(qū)域的圖像進(jìn)行邊緣檢測(cè)。通過5種檢測(cè)算子的檢測(cè)結(jié)果表明Canny算子邊緣提取較細(xì)，且較為完整，因此采用Canny算子對(duì)發(fā)動(dòng)機(jī)燃?xì)膺吘夁M(jìn)行檢測(cè)。燃?xì)膺吘墮z測(cè)流程如圖2所示。

圖2 燃?xì)膺吘墮z測(cè)流程

1.1 Canny算子檢測(cè)

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

a）圖像平滑處理。

選取高斯函數(shù)：

對(duì)源圖像進(jìn)行平滑處理后的圖像為

（2）

b）像素點(diǎn)強(qiáng)度梯度和方向。

（4）

c）初次判斷邊緣點(diǎn)。

在圖像檢測(cè)中，初次判斷邊緣點(diǎn)算法為：當(dāng)像素點(diǎn)強(qiáng)度梯度為0時(shí)，為非邊緣點(diǎn)；對(duì)于強(qiáng)度梯度非零的像素點(diǎn)，如果沿其梯度方向相鄰像素點(diǎn)的強(qiáng)度值至少存在一個(gè)大于該像素點(diǎn)強(qiáng)度值，則該像素點(diǎn)為非邊緣點(diǎn)，將其強(qiáng)度值設(shè)為0，相反則為邊緣點(diǎn)。

d）雙閾值檢測(cè)剔除背景噪聲。

背景噪聲會(huì)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(gè)閾值，強(qiáng)度大于高閾值的標(biāo)記為邊緣點(diǎn)，梯度強(qiáng)度小于低閾值的視為背景點(diǎn)去除。強(qiáng)度值在高、低閾值之間的邊緣點(diǎn)可以看其相鄰8個(gè)像素點(diǎn)（也稱8鄰域）中是否存在邊緣點(diǎn)，如果存在則該點(diǎn)為邊緣點(diǎn)，否則將其認(rèn)定為背景噪聲。

1.2 邊緣連接

通過Canny算子檢測(cè)可以獲取大部分的燃?xì)膺吘?，但邊緣檢測(cè)結(jié)果往往會(huì)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(duì)各分段邊緣進(jìn)行統(tǒng)計(jì)，并將存在相似性的各段“端點(diǎn)”相連，從而將邊緣“封閉”。邊緣連接具體步驟為：

b）掃描每個(gè)記錄的像素組合，如果有相同像素，則認(rèn)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(diǎn)，并將端點(diǎn)梯度相似的各組合端點(diǎn)相連，使邊緣封閉。

燃?xì)膺吘夁B接后結(jié)果如圖3所示。

圖3 燃?xì)膺吘墮z測(cè)結(jié)果

2 燃?xì)饧t外圖像特征參數(shù)

以燃?xì)庵荛L(zhǎng)、燃?xì)饷娣e、灰度熵和第1馬赫盤位置為圖像特征參數(shù)計(jì)算發(fā)動(dòng)機(jī)燃?xì)膺吘増D像各封閉區(qū)域的特征參數(shù)值（燃?xì)獬隹趨^(qū)、燃?xì)夂诵膮^(qū)、燃?xì)馍淞鲄^(qū)分別對(duì)應(yīng)圖1中的1、2、3區(qū)域）。

2.1 燃?xì)庵荛L(zhǎng)和面積

燃?xì)庵荛L(zhǎng)和面積的定義是指邊緣提取后燃?xì)飧鲄^(qū)域的周長(zhǎng)和面積，表達(dá)式如式（5）、式（6）所示。

（6）

2.2 燃?xì)饣叶褥?/p>

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(fù)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(dá)式如下：

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

圖4 燃?xì)獾?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(diǎn)火瞬間（圖4中著火點(diǎn)）噴管出口壓力較低，第1馬赫盤位置距離較近；點(diǎn)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(dòng)壓力峰出現(xiàn)波動(dòng)，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(jìn)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?xì)獠煌瑓^(qū)域周長(zhǎng)

由圖5可知，燃?xì)馍淞鲄^(qū)周長(zhǎng)和燃?xì)夂诵膮^(qū)域周長(zhǎng)在啟動(dòng)段、穩(wěn)定段變化不大，而燃?xì)獬隹趨^(qū)在啟動(dòng)段周長(zhǎng)逐漸增加，在穩(wěn)定段周長(zhǎng)基本不變。

由圖6可知，燃?xì)馍淞鲄^(qū)面積和燃?xì)獬隹趨^(qū)面積在啟動(dòng)段、穩(wěn)定段變化不大，而燃?xì)夂诵膮^(qū)域在啟動(dòng)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?xì)獠煌瑓^(qū)域面積

圖7 燃?xì)獠煌瑓^(qū)域灰度熵

由圖7中可知，在啟動(dòng)段，整個(gè)燃?xì)馍淞鲄^(qū)和核心區(qū)溫度上升變化較大，造成灰度熵波動(dòng)較大，而燃?xì)獬隹趨^(qū)溫度增加相對(duì)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?xì)獬隹趨^(qū)周長(zhǎng)、核心區(qū)面積和核心區(qū)、射流區(qū)灰度熵對(duì)發(fā)動(dòng)機(jī)的燃燒過程不同時(shí)期比較敏感，利用以上特征參數(shù)可以對(duì)發(fā)動(dòng)機(jī)進(jìn)行燃燒狀態(tài)監(jiān)測(cè)。

3 燃?xì)鈭D像特征對(duì)發(fā)動(dòng)機(jī)燃燒工況的識(shí)別

由于地面熱試車試驗(yàn)次數(shù)有限，不能覆蓋發(fā)動(dòng)機(jī)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(dòng)機(jī)燃燒工況識(shí)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?xì)獬隹趨^(qū)周長(zhǎng)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(biāo)，圖像特征參數(shù)為垂直坐標(biāo)。

圖8 識(shí)別不同燃燒工況第1馬赫盤位置

圖9 識(shí)別不同燃燒工況別燃?xì)獬隹趨^(qū)周長(zhǎng)

從圖8和圖9可以看出，在燃燒工況遠(yuǎn)離設(shè)計(jì)工況時(shí)，特征參數(shù)變化呈現(xiàn)單調(diào)性，當(dāng)燃燒工況接近設(shè)計(jì)點(diǎn)時(shí)，會(huì)有局部極值出現(xiàn)。在設(shè)計(jì)點(diǎn)工況，第1馬赫盤位置圖像特征參數(shù)為28.65像素，CFD計(jì)算結(jié)果為28像素；燃?xì)獬隹谥荛L(zhǎng)圖像特征參數(shù)為249像素，CFD計(jì)算結(jié)果為266像素，識(shí)別設(shè)計(jì)點(diǎn)工況特征值與CFD數(shù)值計(jì)算結(jié)果較為接近。

綜上，采用圖像特征識(shí)別燃燒工況方法建立圖像特征與試驗(yàn)燃燒工況之間的映射關(guān)系，通過計(jì)算燃燒過程中圖像特征參數(shù)可以得到所對(duì)應(yīng)的燃燒工況，幫助設(shè)計(jì)人員分析發(fā)動(dòng)機(jī)燃燒狀態(tài)。隨著試驗(yàn)數(shù)據(jù)的不斷豐富，此種識(shí)別方法的精度將進(jìn)一步提升，發(fā)動(dòng)機(jī)燃燒狀態(tài)監(jiān)測(cè)水平也會(huì)加強(qiáng)。

4 結(jié) 論

本文通過對(duì)燃?xì)饧t外圖像邊緣檢測(cè)、特征提取以及特征參數(shù)對(duì)燃燒工況識(shí)別方法的研究，為發(fā)動(dòng)機(jī)燃燒狀態(tài)監(jiān)測(cè)提供了新的測(cè)量手段和思路。主要結(jié)論如下：

a）利用Canny算子檢測(cè)和“邊緣模式”算法連接可以得到清晰完整的燃?xì)饨Y(jié)構(gòu)；

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

c）通過對(duì)設(shè)計(jì)工況點(diǎn)圖像特征和CFD計(jì)算結(jié)果對(duì)比，證明圖像特征識(shí)別燃燒工況方法正確有效；

d）通過計(jì)算第1馬赫盤和燃?xì)獬隹趨^(qū)域周長(zhǎng)可以確定室壓、混合比變化，幫助設(shè)計(jì)人提高發(fā)動(dòng)機(jī)燃燒狀態(tài)監(jiān)測(cè)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(dòng)機(jī)地面試驗(yàn)監(jiān)測(cè)參數(shù)的選取方法研究[J]. 航空動(dòng)力學(xué)報(bào), 2006, 21(3): 615-620.

[2] 王建波, 于達(dá)仁, 王廣雄. 基于K-L信息測(cè)度的液體火箭發(fā)動(dòng)機(jī)的泄露故障檢測(cè)[J]. 航空動(dòng)力學(xué), 1999, 14(4): 429-432.

[3] 朱寧, 馮志剛, 王祈. 基于KPCA和SVM的火箭發(fā)動(dòng)機(jī)試驗(yàn)臺(tái)故障診斷方法[J]. 哈爾濱工業(yè)大學(xué)學(xué)報(bào), 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(dòng)機(jī)啟動(dòng)過程實(shí)時(shí)在線故障診斷方法[J]. 信息與控制, 2010, 39(2): 207-211.

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

[6] 謝延峰, 劉洪剛, 黃強(qiáng), 吳建軍. 液體火箭發(fā)動(dòng)機(jī)地面試車實(shí)時(shí)故障檢測(cè)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(dòng)機(jī)智能監(jiān)測(cè)中的組合應(yīng)用[D]. 南京: 南京航空航天大學(xué), 2009.

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

[9] 華彥平. 基于彩色數(shù)學(xué)形態(tài)學(xué)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(xué), 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(xué)勇, 常勝利, 沈曦, 葉瑞泉. 紫外圖像處理在飛機(jī)引擎故障診斷中的研究[J]. 儀器儀表學(xué)報(bào), 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(dòng)估算豬胴體參數(shù)[J].計(jì)算機(jī)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(dòng)熱試車中的應(yīng)用[J].火箭推進(jìn), 2009, 35(4): 59-62.

[16] 梅飛, 江勇, 陳世國(guó), 孔衛(wèi)東, 文彬. 一種航空發(fā)動(dòng)機(jī)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(cè)與參數(shù)預(yù)估[J]. 導(dǎo)彈與航天運(yùn)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(cè)新算法[J]. 電子學(xué)報(bào), 2006, 34(4): 702-707.

[20] 李海軍, 郭印誠(chéng). 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(guó)工程物理學(xué)會(huì), 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?yàn)橐后w火箭發(fā)動(dòng)機(jī)推力室設(shè)計(jì)及燃燒狀態(tài)監(jiān)測(cè)技術(shù)