液体火箭发动机喷管燃气外流场红外图像研究

王大锐，张 楠，葛明和



液体火箭发动机喷管燃气外流场红外图像研究

王大锐，张 楠，葛明和

（北京航天动力研究所，北京，100076）

针对液体火箭发动机燃烧状态监测，采用基于Matlab平台开发的红外图像特征参数计算程序进行分析。通过Canny算子和边缘模式算法对燃气红外图像进行边缘检测、连接，利用选取特定区域的燃气面积、周长、灰度熵及第1马赫盘位置等特征参数来监测发动机燃烧状态，最后提出一种图像特征参数对燃烧工况的识别方法，为发动机燃烧状态监测提供新的测量手段和思路。

液体火箭发动机；燃烧状态监测；红外图像；边缘检测；特征参数

0 引 言

设计人员主要依靠压力、温度、流量、转速、振动等信号获取发动机试车过程信息，监测液体火箭发动机工作状态，进行故障诊断。首先将测试信息导入发动机试车数据库，然后根据模式识别理论对发动机工作状态进行分析[1～5]。发动机试车过程中多数情况下，燃气形状、亮度变化要先于压力、温度或者流量变化，因此，在发动机试车出现故障时，往往把喷管出口燃气的变化作为故障征兆进行分析。但是，仅凭眼睛观察获取图像信息只能对故障现象进行定性分析，由此提出采用现代红外图像识别技术对发动机喷管燃气红外图像进行研究，从燃气红外图像中提取特征参数为发动机工作状态监测和故障分析提供依据。

目前，随着光学设备测量频率和测量精度的不断提升以及图像分析识别技术的逐渐成熟，军工、医疗、工业、农业等领域[6～13]越来越重视采用图像识别技术监测机械设备工作状态。在火箭发动机方面，Peter等人[14]运用数字图像技术对SSME发动机燃气激波结构和燃气形状进行有效识别；迟宝华等人[15]利用红外热像仪对液体火箭发动机壁面温度进行了测量；梅飞等人[16]开发了航空发动机燃气红外成像仿真模型，对喷管不完全膨胀状态下膨胀波、压缩波变化进行图像“捕捉”；张硕等人[17]利用自行开发的红外图像识别系统对固体火箭发动机燃气图像进行识别，提出固体火箭发动机燃气特征参数计算方法和特征参数。

本文采用Canny算子和“边缘模式”算法把燃气流场进行分区，对各区域的燃气红外图像进行边缘检测和连接，计算分析各区域面积、周长、灰度熵、第1马赫盘位置等特征参数，以监测发动机试车状态变化，并提出运用图像特征参数识别发动机燃烧工况方法。

1 燃气红外图像边缘检测

发动机热试车红外图像显示如图1所示。

图1 发动机热试车红外图像

发动机热试车时分别采用Roberts、Sobel、Prewitt、LOG和Canny 5种检测算子对图1中3个区域的图像进行边缘检测。通过5种检测算子的检测结果表明Canny算子边缘提取较细，且较为完整，因此采用Canny算子对发动机燃气边缘进行检测。燃气边缘检测流程如图2所示。

图2 燃气边缘检测流程

1.1 Canny算子检测

Canny算子[18]于 1968年由Canny率先提出，因其具有低错误率、定位准确、同一边缘响应次数低等特点，成为当今最重要的边缘检测算子之一。Canny边缘检测一般分为以下几个步骤：

a）图像平滑处理。

选取高斯函数：

对源图像进行平滑处理后的图像为

（2）

b）像素点强度梯度和方向。

（4）

c）初次判断边缘点。

在图像检测中，初次判断边缘点算法为：当像素点强度梯度为0时，为非边缘点；对于强度梯度非零的像素点，如果沿其梯度方向相邻像素点的强度值至少存在一个大于该像素点强度值，则该像素点为非边缘点，将其强度值设为0，相反则为边缘点。

d）双阈值检测剔除背景噪声。

背景噪声会使初次判断边缘所建立的边缘阵列存在假边缘。为此，设置高、低两个阈值，强度大于高阈值的标记为边缘点，梯度强度小于低阈值的视为背景点去除。强度值在高、低阈值之间的边缘点可以看其相邻8个像素点（也称8邻域）中是否存在边缘点，如果存在则该点为边缘点，否则将其认定为背景噪声。

1.2 边缘连接

通过Canny算子检测可以获取大部分的燃气边缘，但边缘检测结果往往会出现孤立或分段连续。将不同区域分开，构成具有封闭边界的区域，就需要把孤立或者分段边缘连接起来。本文利用“边缘模式”算法[19]对各分段边缘进行统计，并将存在相似性的各段“端点”相连，从而将边缘“封闭”。边缘连接具体步骤为：

b）扫描每个记录的像素组合，如果有相同像素，则认为是同一边缘，将像素组合合并。

c）寻找合并后像素组合的端点，并将端点梯度相似的各组合端点相连，使边缘封闭。

燃气边缘连接后结果如图3所示。

图3 燃气边缘检测结果

2 燃气红外图像特征参数

以燃气周长、燃气面积、灰度熵和第1马赫盘位置为图像特征参数计算发动机燃气边缘图像各封闭区域的特征参数值（燃气出口区、燃气核心区、燃气射流区分别对应图1中的1、2、3区域）。

2.1 燃气周长和面积

燃气周长和面积的定义是指边缘提取后燃气各区域的周长和面积，表达式如式（5）、式（6）所示。

（6）

2.2 燃气灰度熵

灰度熵是图像分割中常用的特征参数，它表示图像中像素灰度的不均匀程度或者复杂程度。在燃烧图像中，灰度熵与燃烧温度的均匀性呈正相关，灰度熵越小，表明其温度均匀性越好。图像灰度熵定义为

2.3 第1马赫盘位置

第1马赫盘为最靠近喷口处且平行于喷口的边缘线，即第1马赫盘边缘线到喷口的平均距离为第1马赫盘位置。具体表达式如下：

以室压1.8 MPa，混合比1.64工况为例，分析发动机0.3 s启动段和后续稳定段的特征参数监测结果如图4~7所示。

图4 燃气第1马赫盘位置

由图4可知，第1马赫盘位置主要受喷管出口压力与环境压力的比值影响[20]，在点火瞬间（图4中着火点）喷管出口压力较低，第1马赫盘位置距离较近；点火后喷管出口压力迅速升高，第1马赫盘位置随之增大；随着启动压力峰出现波动，第1马赫盘跟喷管出口距离亦呈现由小增大的起伏规律。进入稳定工作段，燃烧压力和混合比基本不变，第1马赫盘位置也基本不变。

图5 燃气不同区域周长

由图5可知，燃气射流区周长和燃气核心区域周长在启动段、稳定段变化不大，而燃气出口区在启动段周长逐渐增加，在稳定段周长基本不变。

由图6可知，燃气射流区面积和燃气出口区面积在启动段、稳定段变化不大，而燃气核心区域在启动段面积逐渐减小，稳定段内核心区面积基本不变。

图6 燃气不同区域面积

图7 燃气不同区域灰度熵

由图7中可知，在启动段，整个燃气射流区和核心区温度上升变化较大，造成灰度熵波动较大，而燃气出口区温度增加相对均匀，造成灰度熵基本不变；稳定段各区域灰度熵变化均匀。

由此可见，第1马赫盘的位置、燃气出口区周长、核心区面积和核心区、射流区灰度熵对发动机的燃烧过程不同时期比较敏感，利用以上特征参数可以对发动机进行燃烧状态监测。

3 燃气图像特征对发动机燃烧工况的识别

由于地面热试车试验次数有限，不能覆盖发动机全部工况，因此提出一种基于有限次试车图像数据的发动机燃烧工况识别方法。

本文根据7次试车数据图像分析结果，通过三维插值得到室压、混合比与图像中的第1马赫盘位置及燃气出口区周长之间的三维曲面图，如图8、图9所示，其中室压和混合比为底面坐标，图像特征参数为垂直坐标。

图8 识别不同燃烧工况第1马赫盘位置

图9 识别不同燃烧工况别燃气出口区周长

从图8和图9可以看出，在燃烧工况远离设计工况时，特征参数变化呈现单调性，当燃烧工况接近设计点时，会有局部极值出现。在设计点工况，第1马赫盘位置图像特征参数为28.65像素，CFD计算结果为28像素；燃气出口周长图像特征参数为249像素，CFD计算结果为266像素，识别设计点工况特征值与CFD数值计算结果较为接近。

综上，采用图像特征识别燃烧工况方法建立图像特征与试验燃烧工况之间的映射关系，通过计算燃烧过程中图像特征参数可以得到所对应的燃烧工况，帮助设计人员分析发动机燃烧状态。随着试验数据的不断丰富，此种识别方法的精度将进一步提升，发动机燃烧状态监测水平也会加强。

4 结 论

本文通过对燃气红外图像边缘检测、特征提取以及特征参数对燃烧工况识别方法的研究，为发动机燃烧状态监测提供了新的测量手段和思路。主要结论如下：

a）利用Canny算子检测和“边缘模式”算法连接可以得到清晰完整的燃气结构；

b）利用第1马赫盘位置、面积、周长等特征参数对燃烧启动段和稳定段的敏感性，可以较好地区分不同燃烧时期；

c）通过对设计工况点图像特征和CFD计算结果对比，证明图像特征识别燃烧工况方法正确有效；

d）通过计算第1马赫盘和燃气出口区域周长可以确定室压、混合比变化，帮助设计人提高发动机燃烧状态监测和分析能力。

[1] 杨雪, 张振鹏, 杨思锋. 基于AHP的液体火箭发动机地面试验监测参数的选取方法研究[J]. 航空动力学报, 2006, 21(3): 615-620.

[2] 王建波, 于达仁, 王广雄. 基于K-L信息测度的液体火箭发动机的泄露故障检测[J]. 航空动力学, 1999, 14(4): 429-432.

[3] 朱宁, 冯志刚, 王祈. 基于KPCA和SVM的火箭发动机试验台故障诊断方法[J]. 哈尔滨工业大学学报, 2009, 41(3): 81-84.

[4] 郑永煌, 田锋, 李人厚, 刑科义. 基于Petri网的液体火箭发动机启动过程实时在线故障诊断方法[J]. 信息与控制, 2010, 39(2): 207-211.

[5] 费成巍, 白广忱, 李晓颖. 基于过程功率谱熵SVM的转子振动故障诊断方法[J]. 推进技术, 2012, 33(2): 293-298.

[6] 谢延峰, 刘洪刚, 黄强, 吴建军. 液体火箭发动机地面试车实时故障检测参数的选取[J]. 航天控制, 2008, 26(6): 77-81.

[7] 罗锋. XRF和显微图像技术在航空发动机智能监测中的组合应用[D]. 南京: 南京航空航天大学, 2009.

[8] 丛焕武, 郭福娟, 吕飞, 王倩. 基于CCD图像处理的焊缝识别技术研究[J]. 电子测量技术, 2012, 35(3): 73-76.

[9] 华彦平. 基于彩色数学形态学和模糊神经网络的过滤燃烧诊断研究[D].南京: 东南大学, 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] 邰学勇, 常胜利, 沈曦, 叶瑞泉. 紫外图像处理在飞机引擎故障诊断中的研究[J]. 仪器仪表学报, 2006, 27(6): 410-412.

[13] 郑丽敏, 于铂, 唐毅, 等. 利用图像处理技术自动估算猪胴体参数[J].计算机应用研究, 2007(1): 203-205.

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

[15] 迟宝华, 洪流,孙, 王玫. 红外热像仪在液体火箭发动热试车中的应用[J].火箭推进, 2009, 35(4): 59-62.

[16] 梅飞, 江勇, 陈世国, 孔卫东, 文彬. 一种航空发动机喷流红外成像仿真模型[J]. 激光与红外, 2012, 42(8): 909-913.

[17] 张硕, 王宁飞, 张平. SRM羽焰图像的检测与参数预估[J]. 导弹与航天运载技术, 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] 张光玉, 龚光珍, 朱维乐. 基于克隆算法的彩色图像边缘检测新算法[J]. 电子学报, 2006, 34(4): 702-707.

[20] 李海军, 郭印诚. 基于燃烧加热的弱过膨胀超声速射流结构的研究[C]. 合肥: 中国工程物理学会, 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

王大锐（1986-），男，博士，工程师，主要研究方向为液体火箭发动机推力室设计及燃烧状态监测技术