研究目的
介绍非接触式TDLAS方法,并提出一种改进的室内环境气体分布测量层析算法。
研究成果
新的LSTR算法通过引入正则化约束和先验估计,能显著提升解算结果的精度与平滑度,平均RRMSE值可降低约52%。由于LEM位置传感器在特定浓度分布中处于具有较大标准差值的相对位置,其始终能获得更优的层析性能。较高的路径密度对应更低的条件数,通常能实现更精确的重建地图,建议采用网格单元数量两倍对应的路径密度。
研究不足
该研究基于模拟数据开展,未考虑TDLAS传感器的扫描时间和误差。实际测量误差对重建结果的影响需通过进一步实验研究验证。
1:实验设计与方法选择:
本研究采用计算流体动力学(CFD)模拟预测置换通风与混合通风两种典型房间内的气流及污染物分布,气流模拟使用RNG k-ε模型。
2:样本选择与数据来源:
采用四组经验证的CFD模拟浓度数据集评估层析算法。
3:实验设备与材料清单:
以TDLAS传感器作为光学遥感器,研究了三种层析算法(LSQR、LSNC和LSTR)。
4:实验流程与操作步骤:
先模拟并冻结污染物分布,计算浓度场,再通过浓度向量计算路径积分浓度。
5:数据分析方法:
采用相对均方根误差(RRMSE)作为层析误差量度指标,比较各层析算法性能。
独家科研数据包,助您复现前沿成果,加速创新突破
获取完整内容