【Energy and AI】基于生成对抗网络(GAN)方法从实验数据创建合成火焰图像

文摘   2024-08-01 10:52   天津  


https://doi.org/10.1016/j.egyai.2023.100238


  第一作者: Anthony Carreon, Department of Aerospace, University of Michigan, USA

❖  通讯作者: Anthony Carreon, Department of Aerospace, University of Michigan, USA

  作者邮箱: acarreon@umich.edu


摘要

现代诊断工具在湍流燃烧中可以实现反应流的高分辨率测量;然而,它们往往会产生大量的数据集,使传统的分析变得棘手和低效。为了缓解这个问题,可以使用机器学习工具,例如,从数据中发现下游建模和预测任务的特征。为此,本工作应用生成对抗网络(GAN)来生成真实的火焰图像,该图像基于从模型燃烧室的平面激光诱导荧光测量获得的氢氧化物浓度快照的时间分辨数据集。生成模型能够生成火焰在附加,解除,并由用户指定的中间形状。通过𝑘-means聚类和适当的正交分解,GAN生成的合成图像集在视觉上与真实图像集相似,具有清晰的循环区域和 燃烧/未燃烧区域,表明GAN在捕获实验数据统计结构方面具有良好的性能。结合控制生成焰形的技术,这项工作为火焰行为的易于处理的统计分析和建模,以及快速和廉价的火焰数据生成开辟了新的途径。



详情可点击下方“阅读原文

Energy and AI是天津大学与Elsevier共同创办的国际学术期刊,内容涵盖人工智能技术应用于能源领域所取得的最新、最重要的研究进展。期刊最新的影响因子(IF)为9.6,CiteScore为16.5。欢迎广大学者踊跃投稿。我们的网址是:www.journals.elsevier.com/energy-and-ai


EAI能源与人工智能
天津大学官方期刊:Energy and AI
 最新文章