在多光谱辐射温度计 (MRT) 中,使用改进的CABCSMA和目标至最佳DE算法处理数据,同时逆转发射率和温度

科学领域:

• 热力学和热转移热力学
• 计算智能和优化算法计算智能和优化算法
• 材料科学与工程 材料科学与工程

背景情况:

• 精确的温度测量在各种科学和工程应用中至关重要.
• 传统方法在精度或适用于复杂材料和环境方面可能存在局限性.
• 普朗克的辐射定律和参考温度模型为非接触温度的确定提供了基础.

研究的目的:

• 为温度测量提出和评估一种新的组合算法 (CABCSMA) 和差异演变 (DE) 算法.
• 评估这些算法在基于普朗克辐射定律和参考温度模型的数据处理中的性能.
• 验证算法的有效性在不同的材料 (碳化,) 和在一个苛刻的场景 (火箭发动机喷嘴).

主要方法:

• 开发一个结合人工蜂群和粘液模具算法 (CABCSMA).
• 实现差异演变 (DE) 算法,使用目标到最佳的变化策略.
• 模拟六种不同的排放性趋势的材料模型.
• 在碳化,和火箭发动机喷嘴样本上的实验验证.

主要成果:

• 在CABCSMA实现的平均相对误差低于0.68%,平均计算时间为0.44s.
• DE算法表现出卓越的性能,平均相对误差低于0.43%,计算时间仅为0.06s.
• 实验结果显示,碳化 (<0.41%,<0.28%), (<0.31%,<0.3%) 和火箭发动机喷嘴 (<0.68%,<0.52%) 的相对误差很低.

结论:

• 在温度测量应用中,CABCSMA和DE算法都显示出高精度和高效率.
• DE算法提供了一个更快的计算时间与可比的准确性.
• 这些算法显示出在现实世界测量场景中实际实施的巨大潜力.