基于人工智能的火焰喷涂热解火焰稳定性分析

火焰喷涂热解（FSP）是一种通过雾化前驱体溶液的燃烧来合成纳米颗粒的工艺；该工艺在催化剂、电池材料与颜料中有应用。当前的局限在于理解如何持续获得稳定火焰以及可靠生产纳米颗粒。能够实时检测不稳定火焰状况的机器学习与人工智能算法，或可作为简化合成流程并提升FSP效率的手段。本研究中，首先通过分析火焰锚定点的亮度对FSP火焰稳定性进行量化。该分析随后用于为无监督与有监督机器学习方法标注数据。无监督学习方法通过在降维空间中表示数据并识别最有效聚类数据的特征组合，实现新数据的自主标注与分类。另一方面，有监督学习方法需人工标注训练与测试数据，但能够在视频流中分类多个关注对象（如燃烧器与引燃火焰）。将各技术的准确度与人工专家评估进行比较。无监督与有监督方法均能实时追踪并分类FSP火焰状况，以警示用户不稳定火焰条件。本研究有望通过监测与分类火焰稳定性，自主追踪并管理火焰喷涂热解及其他火焰技术。