基于深度学习的火花放电等离子体反应器电压波形优化设计

等离子体点火助燃在近些年来受到了国际众多学者的广泛关注,传统的火花放电等离子体反应器基于重复性实验设计,但随着飞行高度升高,气压降低和燃烧室流速增大,单纯的热效应无法适应逐渐恶劣的燃烧室环境,限制了燃烧室的安全工作边界。为了维持火花放电,更合理更高效地控制等离子体放电反应,产生所需的活性物质和能量,为此对电源电压进行优化设计。利用二维模型、零维模型以及深度学习模型计算分析了放电频率和电子密度增长方式对火花放电的影响,通过神经网络模型计算得到电压幅值的增长率与初始电子密度的增长率成负线性关系,电子密度增长方式中先慢后快和分段增长更省能,而电子密度分段式增长所对应的电压放电所产生的O原子和O(1D)粒子数更多,更有利于助燃。综合考虑能耗和助燃组分粒子数,分段式增长的电子密度所对应的电压波形是火花放电点火助燃最佳的选择。