第４３卷，第３期光谱学与光谱分析Ｖｏｌ．４３，Ｎｏ．３，ｐｐ７０５－７１１２０２３年３月ＳｐｅｃｔｒｏｓｃｏｐｙａｎｄＳｐｅｃｔｒａｌＡｎａｌｙｓｉｓＭａｒｃｈ，２０２３基于多元极值优化的多光谱温度测量方法张璇１，曾朝斌１，刘娴雅１，陈平１，２，３＊，韩焱２，３１．中北大学信息与通信工程学院，山西太原０３００５１２．山西省信息探测与处理重点实验室，山西太原０３００５１３．动态测试省部共建国家重点实验室，山西太原０３００５１摘要多光谱测温依据黑体辐射定律，通过辐射光强、多组波长即能推测出温度值，克服了比色测温要求光谱单一和比色光谱相近的约束，在工程实际中得到了广泛的应用。在多光谱温度反演的过程中，光谱发射率的求解及多光谱数据处理是精确测温的关键。目前，光谱发射率的求解大多以光谱发射率假设模型为主要的方法，当假设模型与实际情况接近时，反演的温度与光谱发射率精度很高，当二者不相符时，反演的结果与实际情况相差甚大，对于复杂材料和燃烧过程中材料性能动态变化情况下的测温，以光谱发射率假设模型的方法存在盲目性；近年来，基于神经网络的深度学习的方法应用于多光谱测温，避免了光谱发射率假设模型，可建立温度与多光谱的非线性统计规律关系，但需要海量数据与超强算力支撑，且建模过程复杂。针对上述问题，提出了一种基于多元极值优化的多光谱温度测量方法（ＭＥＶＯ），该方法利用不同温度下多光谱信号之间的关联性，通过分析在多光谱温度反演过程中各通道测量温度之间的联系，基于多光谱辐射测温原理以及温度反演过程中各通道数据之间的信息关联，建立多元温差关联函数，通过关联函数的寻优，建立高精度测温模型。该方法将建模过程简化为多元温差函数的寻优问题，避免了光谱发射率与其他物理量的关系假设，降低了深度学习方法对数据样本量的要求，简化了多光谱温度测量的过程。为了验证该方法的可行性与可靠性，利用一套简单的８通道多谱测温装置进行实验验证，实验中认定黑体炉发射的温度是标准值，在１９２３．１５～２２７３．１５Ｋ温区内对４６８～６０３ｎｍ波段的光谱数据进行标定，实现了基于多元极值优化的多光谱温度测量，其测温精度在０．５％左右，温度反演时间在２．５ｓ以内。与二次测量法（ＳＭＭ）、神经网络方法相比反演精度有所提高；反演速度与ＳＭＭ法相比有大幅度提升。关键词多光谱测温；光谱发射率；极值优化中图分类号：Ｏ４３３．１文献标识码：ＡＤＯ...
