《Fuel》：Dynamic 3D surface reconstruction and instantaneous burning rate quantification in solid propellant via deep learning-driven stereoscopic imaging
编辑推荐：
王宇|张航|杨正辉|张阳|吴世曦|敖文|王芳|吴英春|吴学成浙江大学清洁能源利用国家重点实验室，中国杭州310027摘要传统的测量技术通常将燃烧表面近似为平面，忽略了燃烧过程中其三维（3D）表面的演变。为了解决这一限制，本研究提出了一种高速立体成像方法，用于动态3D燃烧表面的重建
王宇|张航|杨正辉|张阳|吴世曦|敖文|王芳|吴英春|吴学成
浙江大学清洁能源利用国家重点实验室，中国杭州310027
摘要
传统的测量技术通常将燃烧表面近似为平面，忽略了燃烧过程中其三维（3D）表面的演变。为了解决这一限制，本研究提出了一种高速立体成像方法，用于动态3D燃烧表面的重建和固体推进剂中瞬时燃烧速率的量化。该系统能够以高达2 kHz的频率获取立体图像对，空间分辨率为7.4 μm/pixel。然后使用集成多个深度学习模型的重建流程来获得瞬态3D燃烧表面。从重建的3D网格中，可以量化表面积和体积的时间变化，从而确定瞬时燃烧速率。实验结果展示了三个燃烧阶段，包括火焰传播、稳定燃烧和烧尽。在初始阶段，活性燃烧区域在表面扩散，随后转变为向内收缩，这与经典描述固体推进剂中火焰传播的现象一致。这些结果表明，所提出的方法能够在实验室规模的固体推进剂测试中实现燃烧表面演变的时间分辨3D可视化和燃烧速率的定量测量。
引言
固体推进剂在航空航天应用中得到广泛使用，特别是在固体火箭发动机（SRM）中。燃烧速率反映了燃烧强度、能量释放率以及燃烧室内压力、温度和气体流动的耦合效应。作为控制SRM弹道行为的主要因素，燃烧速率被认为是推进剂性能的关键指标[1]。因此，准确测量燃烧速率不仅对工程应用至关重要，也有助于更深入地了解燃烧不稳定性的机制[2]。常用的线性燃烧速率定义为单位时间内燃烧表面的正常后退距离。然而，在实际燃烧过程中，燃烧表面迅速演变，并表现出明显的三维（3D）非均匀性。因此，精确确定3D形态及其时间演变对于准确表征燃烧速率至关重要。
已经开发出多种诊断技术来测量固体推进剂的燃烧速率。例如，由于其简单性和鲁棒性，线状燃烧器技术[2]、[3]被广泛用于工程中，这些技术将燃烧表面近似为平面。这些方法根据已知长度的推进剂样本完全燃烧所需的时间来确定燃烧速率，因此提供了整个燃烧过程的平均值，难以分辨时间变化。为了捕捉动态燃烧行为，已经开发了高时空分辨率的技术，如超声方法[4]、[5]、[6]和高速摄影[7]、[8]。超声方法通过反射声信号的变化来估计表面后退，而高速摄影通过跟踪图像序列中的燃烧前沿来确定表面位移。尽管这些方法能够实现时间分辨测量，但它们仍然依赖于二维（2D）近似，并忽略了燃烧表面的复杂3D结构。近年来，新兴的诊断技术，如太赫兹成像和X射线计算机断层扫描（X-CT）[9]、[10]在3D测量燃烧表面方面显示出巨大潜力。太赫兹成像利用太赫兹波的高穿透性来捕捉瞬态表面演变，并且结合断层重建还可以提供3D测量[11]。X-CT能够在实际操作条件下直接观察3D结构，并允许通过不透明材料（如推进剂样本和铝颗粒）观察燃烧过程中的内部演变[12]、[13]。然而，断层系统的复杂性和与稀疏视图重建相关的有限空间分辨率仍然是重大挑战。总体而言，现有的燃烧速率测量技术正朝着高时空分辨率、时间分辨诊断和3D表征方向发展，而准确的3D燃烧表面测量是其中的基础。
多视图立体（MVS）是一种广泛采用的计算机视觉技术，用于3D表面重建[14]。它通过在校准的成像几何条件下建立特征对应关系，从多个视角捕获的图像重建3D几何结构。立体成像可以被视为MVS的一种特定配置，使用两个相隔固定基线的相机。通过估计成对图像之间的视差，立体成像可以恢复场景深度并实现高精度3D重建。由于其相对简单的配置、直接的校准能力以及提供可靠空间信息的能力，立体成像已广泛应用于文化遗产[15]、地形测绘[16]、颗粒形态测量[17]和多相流诊断[18]等领域。例如，当与数字图像相关联时，立体成像可以同时测量3D表面形态和应变场[19]。与阴影图结合使用时，MVS可以重建多相流中的3D液滴轨迹[20]，而与粒子图像测速结合使用时，可以实现3D流场速度测量[21]。MVS还被引入到推进剂燃烧诊断中，用于3D重建颗粒轨迹[22]、方向[23]和演变[24]。这些特性使得MVS成为连接传统2D燃烧速率测量和更复杂的断层3D技术之间的一个有前景的选择。然而，将MVS应用于推进剂燃烧表面形态和燃烧速率的定量测量的研究仍然很少。
在固体推进剂燃烧过程中，燃烧表面通常具有较弱的纹理和低信噪比，特别是在暗区域。此外，表面形态变化迅速，并伴有表面附近明亮颗粒的运动。在图像质量低、纹理弱或形状和照明变化显著的情况下，使用MVS准确测量推进剂燃烧表面仍然具有挑战性。然而，深度学习的最新进展显著提高了MVS中特征匹配的鲁棒性和泛化能力[25]。基于卷积和变换器的特征检测和匹配架构，如LoFTR[26]、DKM[27]和SuperGlue[28]，通过利用大规模训练数据实现了高精度配准。最新的先进方法进一步证明了在具有挑战性的条件下的可靠匹配，包括大的外观变化和跨模态图像对[29]。这些进展使得MVS成为固体推进剂燃烧表面3D测量的一个可行且有前景的解决方案。
在这项工作中，采用了一种精心设计的高速立体成像系统来捕获燃烧表面的动态立体图像对，并开发了一个集成多个深度学习模型的综合重建流程来获得瞬态3D表面网格。基于重建的3D几何结构，从表面积和体积的耦合演变中量化燃烧速率，从而将传统分析从平面表面扩展到非平面、时间演变的燃烧表面。此外，还结合了基于深度学习的技术来提高在具有挑战性的燃烧条件下的特征匹配和分割的鲁棒性，例如弱纹理、强烈的亮度变化和颗粒干扰。此外，在将推进剂表面划分为小块后，分析了经典的火焰传播行为和燃烧速率的局部变化。总体而言，所提出的方法实现了燃烧表面动态演变的3D可视化和推进剂测试中燃烧行为的瞬时量化。
章节片段
实验设置
如图1所示，高速立体成像系统由两个高速相机（Revealer X150）组成。为了准确测量小尺寸的推进剂样本，系统需要足够短的基线以最大化两个相机的视野重叠。然而，当相机并排排列时，它们的外壳会机械干涉，从而无法进一步减小基线。为了解决这个问题，使用了一个厚度为1毫米的分束器
3D燃烧表面的重建
图4(a)比较了原始图像和经过SCI算法增强后的图像。在原始图像中，暗区域的信号强度低，表面纹理不明显，如绿色圆圈所示。经过SCI增强后，推进剂表面暗区域的对比度显著提高，而高照明区域则没有过度曝光。与传统线性调整方法相比，SCI不仅增强了局部对比度，还
结论
本研究提出了一种高速立体成像方法，用于重建固体推进剂的动态3D燃烧表面并量化燃烧速率。开发了一个集成多个深度学习模型的处理流程，用于3D重建和提取表面积和体积的时间变化。在此基础上，从重建的几何演变中确定线性燃烧速率。本研究的主要贡献总结如下。
•精心设计的
CRediT作者贡献声明
王宇：撰写——原始草稿、正式分析、数据管理。张航：撰写——审阅与编辑、可视化。杨正辉：撰写——审阅与编辑、可视化。张阳：撰写——审阅与编辑、可视化。吴世曦：资源提供。敖文：监督。王芳：撰写——审阅与编辑、监督。吴英春：撰写——审阅与编辑、监督、概念化。吴学成：监督。
利益冲突声明
作者声明他们没有已知的可能会影响本文报告工作的竞争性财务利益或个人关系。
致谢
作者衷心感谢国家自然科学基金（52276166）和NSAF联合基金（U2330204）的支持。
