应用图像法诊断霍尔推力器等离子体参数的实验研究

目录

第1 章 绪 论

1.1 课题来源及研究的目的和意义

1.2 国内外的研究现状及分析

1.2.1 霍尔推力器诊断方法研究现状

1.2.2 霍尔推力器图像法研究现状

1.2.3 深度学习技术在图像处理上的研究现状

1.3本文主要内容及章节安排

第2 章 等离子体图像诊断数据处理方法

2.1 引言

2.2 实验装置

2.2.1 真空设备

2.2.2 霍尔推力器

2.2.3 数码相机

2.2.4 测量设备

2.2.5 朗缪尔探针

2.3 卷积神经网络

2.3.1 普通网络结构

2.3.2 特殊卷积结构

2.4 数据处理方法

2.4.1软件平台搭建

2.4.2等离子体参数探针测量与处理

2.4.3等离子体羽流图像数据预处理方法

2.5 本章小结

第3 章 基于深度学习技术等离子体参数诊断

3.1 引言

3.2 霍尔推力器图像诊断神经网络模型研究

3.2.1 不同网络层数对网络性能的影响

3.2.2 神经网络超参数对网络性能的影响

3.3 变工况等离子体参数图像诊断

3.3.1 放电电压对羽流等离子体参数分布的影响分析

3.3.2 质量流量对羽流等离子体参数分布的影响分析

3.4 本章小结

第4 章 基于深度学习技术的计算模型误差影响分析

4.1 引言

4.2 稳态等离子体参数计算模型误差分析

4.2.1 拍摄角度对模型计算结果的影响分析

4.2.2 拍摄距离对模型计算结果的影响分析

4.3 光干扰情况误差分析

4.3.1 光干扰情况羽流不同径向位置误差影响分析

4.3.2 光干扰情况羽流不同轴向位置误差影响分析

4.5 本章小结

第5 章 基于图像法的霍尔推力器诊断应用探索

5.1 引言

5.2 霍尔推力器熄火过程图像诊断方法

5.3 基于图像诊断的霍尔推力器推力测量方法

5.4 本章小结

结 论

参考文献

攻读学位期间发表的学术论文及其他成果

声明

致 谢