基于时间序列学习方法的旋流稳定式环形燃烧器湍流火焰动力学模式识别

环形燃烧器中的热声不稳定现象对于航空发动机和现代燃气轮机的运行至关重要，准确识别和理解各种燃烧模式是掌握和控制燃烧不稳定性的前提。然而，湍流火焰的高维时空动力学通常给模式识别带来严峻挑战。基于双向时序和非线性降维模型，本研究引入了一种双向长短期记忆变分自编码器（Bi-LSTM-VAE），用于有效识别环形燃烧系统中的动力学模式。具体而言，利用来自旋流稳定式环形燃烧器的16个压力信号，该模型通过循环神经网络结构将复杂动力学映射到低维潜在空间，同时保持时序依赖性和非线性行为特征。结果表明，新型Bi-LSTM-VAE方法使我们能够在二维状态空间中清晰地表征燃烧状态。通过分析潜在变量分布，可识别出与广泛等化比和预混燃料与空气质量流率相关的不同模式，为模式分类和转换提供了新的见解，凸显了该模型在解密复杂热声现象方面的潜力。