基于注意力机制的改进残差网络火焰温度场重建

作     者：单良 周荣幸 洪波 仰文淇 孔明 SHAN Liang;ZHOU Rongxing;HONG Bo;YANG Wenqi;KONG Ming

作者机构：中国计量大学信息工程学院浙江省电磁波信息技术与计量检测重点实验室浙江杭州310018 中国计量大学计量测试工程学院浙江杭州310018 

出 版 物：《化工进展》 (Chemical Industry and Engineering Progress)

年 卷 期：2024年第43卷第2期

页      面：688-695页

核心收录：

学科分类：080702[工学-热能工程] 08[工学] 0807[工学-动力工程及工程热物理] 

基　　金：国家自然科学基金(51874264 52076200) 

主　　题：温度场 残差网络 注意力机制 池化 

摘      要：基于卷积神经网络重建火焰温度场的方法近年来已被广泛采用,但是传统卷积神经网络模型随着其网络层数的增加极易出现过拟合或者模型退化的现象,导致重建误差较大。本文提出一种改进的方法,使用ResNet18网络进行火焰温度场重建,并引入注意力机制和局部重要性池化,优化提取内容,实现已知信息的充分利用,减少重建误差。实验结果表明,同时引入局部重要性池化和注意力机制后,温度场重建的平均相对误差为0.13%,最大相对误差为0.75%;相较于初始ResNet18网络,平均相对误差减少了31.58%,最大相对误差减少了34.21%。通过消融实验验证了两种因素对重建精度的影响,结果表明:同时加入两个改进模块后的温度场重建精度要优于加入单个改进模块后的精度,局部重要性池化模块对精度提升的作用更大。