⚡ ingeniería eléctrica

Tomographic Reconstruction of Infrared Radiance from Axisymmetric Sprays in a Hot Environment Using Multi-Parameter Regularization

Este estudio propone un algoritmo tomográfico robusto que combina la termografía infrarroja diferencial con la regularización de multiparámetros para reconstruir con precisión el coeficiente de extinción local y el término de fuente radiativa de pulverizaciones de combustible axisimétricas en entornos calientes, superando las limitaciones de las aproximaciones convencionales de placa equivalente y los efectos de autoatenuación.

Autores originales: Min Son, Lars Zigan, Tobias Sander

Publicado 2026-09-22

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Min Son, Lars Zigan, Tobias Sander

Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Dentro de las cámaras de combustión de los motores modernos, desde los cohetes que lanzan satélites hasta los coches de alto rendimiento que circulan por nuestras carreteras, el combustible se inyecta en entornos de calor extremo y presión aplastante. Para que estas máquinas funcionen de manera eficiente, los ingenieros necesitan comprender exactamente cómo ese combustible se descompone y se mezcla con el aire caliente. Sin embargo, mirar dentro de estas cámaras es como intentar ver los detalles de una tormenta a través de una niebla espesa y arremolinada. Los chorros de combustible son densos y el calor es tan intenso que el propio combustible comienza a brillar y a cambiar de estado, pasando de líquido a gas en un instante. Las cámaras tradicionales tienen dificultades aquí porque la pulverización bloquea la luz, y los termómetros estándar no pueden asomarse al interior del núcleo denso para medir la temperatura en diferentes puntos. Sin esta visión interna, los científicos se quedan adivinando sobre la compleja física que ocurre en el corazón del motor.

Un equipo de investigadores de la Universidad de la Bundeswehr de Múnich ha desarrollado una nueva forma de ver a través de esta niebla invisible. Se centraron en un tipo específico de pulverización donde el combustible se inyecta en un entorno caliente, creando una forma que es perfectamente simétrica alrededor de una línea central, muy parecido a un cono de niebla girando sobre su eje. El desafío al que se enfrentaron fue que la pulverización absorbe y emite su propia luz, lo que hace imposible simplemente tomar una foto y leer la temperatura. En su lugar, los investigadores utilizaron un método llamado imagen infrarroja, que detecta la radiación de calor que proviene de la pulverización. Al tomar fotografías de la pulverización contra dos temperaturas de fondo diferentes, pudieron calcular cuánto bloqueaba la luz y cuánto emitía por sí misma. Esto les permitió ir más allá de una simple medición plana de la superficie de la pulverización y, en su lugar, reconstruir un mapa tridimensional de lo que está sucediendo en su interior.

Los investigadores probaron su nuevo método utilizando una simulación por computadora, creando una pulverización virtual con una estructura interna perfecta y conocida. Esta prueba virtual actuó como un experimento controlado donde conocían la respuesta exacta de antemano. Simularon la pulverización bajo condiciones similares a las de un chorro de combustible frío entrando en una cámara caliente, un escenario común en motores avanzados. En esta configuración, el centro de la pulverización permanecía relativamente frío mientras que los bordes exteriores se calentaban rápidamente. El equipo añadió entonces ruido aleatorio a sus mediciones simuladas para imitar las imperfecciones e interferencias que se encuentran en los sensores del mundo real. Descubrieron que los métodos antiguos, que trataban la pulverización como una sola capa delgada, no lograban capturar la verdadera estructura interna. Estas técnicas anteriores podían estimar la temperatura de los bordes exteriores, pero producían una imagen borrosa e inexacta del centro denso, desplazando a menudo la ubicación de las partes más calientes al lugar equivido.

Para resolver esto, el equipo introdujo una estrategia matemática que actúa como un filtro para los datos. Combinaron dos reglas diferentes para guiar la reconstrucción. La primera regla aseguraba que la solución fuera suave y estuviera libre de los saltos aleatorios causados por el ruido del sensor. La segunda regla imponía una verdad física específica: debido a que la pulverización es simétrica, la temperatura y la densidad deben cambiar de forma suave a medida que te mueves hacia el centro mismo, sin saltos repentinos o picos bruscos justo en el medio. Al aplicar ambas reglas juntas, su algoritmo pudo separar la señal del ruido y revelar la verdadera estructura interna. Los resultados mostraron que su nuevo método podía recuperar con precisión la temperatura y la densidad locales en cada punto del interior de la pulverización, coincidiendo casi perfectamente con la verdad virtual conocida, incluso cuando los datos tenían ruido.

El estudio también exploró qué sucede cuando el nivel de ruido es muy alto, simulando condiciones difíciles del mundo real. Descubrieron que, sin una atención adicional, el proceso matemático podía volverse inestable y producir resultados erróneos y salvajes. Para solucionar esto, introdujeron un paso para suavizar los datos brutos antes de procesarlos, lo que evitó que los pequeños errores se convirtieran en errores grandes. También probaron su enfoque en un tipo diferente de configuración de pulverización, donde el calor se concentra en el centro en lugar de en los bordes, y el método se mantuvo bien en este escenario también. Los investigadores concluyeron que, si bien su técnica no es una solución perfecta para todas las situaciones posibles, proporciona un marco robusto y fiable para ver dentro de pulverizaciones densas y calientes. Este avance significa que los ingenieros ahora pueden ir más allá de las simples mediciones superficiales y comenzar a comprender la compleja danza tridimensional del calor y la materia que ocurre en lo profundo de los motores del futuro.

Resumen Técnico: Reconstrucción Tomográfica de la Radiancia Infrarroja de Pulverizaciones Axisimétricas

Definición del Problema
La investigación cuantitativa de las pulverizaciones de combustible bajo condiciones termodinámicas extremas, como la inyección transcrítica y la ebullición por destello (flash boiling), es crítica para optimizar los sistemas de combustión de alto rendimiento. Aunque los diagnósticos ópticos como la extinción de luz y la fluorescencia inducida por láser son comunes, enfrentan limitaciones en pulverizaciones densas debido a las múltiples interacciones de la luz, la dispersión y la necesidad de trazadores. La termografía infrarroja (IR) ofrece una alternativa no intrusiva, pero tradicionalmente depende de la Termografía Infrarroja Diferencial (DIT). La DIT convencional trata la pulverización como una placa delgada equivalente, lo que genera una "temperatura aparente efectiva" en lugar de un campo de temperatura interno con resolución espacial. Este enfoque no logra contabilizar la autoatenuación dentro de las pulverizaciones ópticamente gruesas y no puede recuperar el término de fuente radiativa local o la distribución de la radiancia interna. Además, resolver la Ecuación de Transferencia Radiativa (RTE) para estas pulverizaciones presenta un problema inverso mal planteado, donde la inversión directa es inestable y los métodos iterativos sufren de semiconvergencia y amplificación de ruido, particularmente cerca del eje de simetría.

Metodología
El estudio propone un marco tomográfico robusto de dos pasos que resuelve directamente la RTE para pulverizaciones axisimétricas en entornos calientes, yendo más allá de la aproximación de placa.

Reconstrucción del Coeficiente de Extinción: El método utiliza la DIT para determinar la emisividad integrada de la pulverización ( $\varepsilon_{DIT}$ ) a partir de mediciones tomadas contra dos temperaturas de fondo diferentes. Esta emisividad se convierte en la Profundidad Óptica Total (TOD). Asumiendo la axisimetría, el coeficiente de extinción local ( $\alpha(r)$ ) se reconstruye a partir de la TOD utilizando una inversión de tipo Abel.
Reconstrucción del Término de Fuente: Con el campo de extinción local ya conocido, se recupera el término de fuente radiativa local ( $j(r)$ ) mediante la resolución de la integral de línea de visión atenuada. La señal medida se separa en un término de atenuación de fondo conocido y un término integral desconocido que representa la fuente.
Estrategia de Inversión Regularizada: Para abordar la naturaleza mal planteada de la inversión, los autores emplean un enfoque de regularización de múltiples parámetros.
- Suavidad Global: Se aplica un término de regularización de Tikhonov de segundo orden para suprimir el ruido de alta frecuencia y la curvatura excesiva.
- Restricción del Eje Central: Se introduce un término de penalización adicional para imponer el requisito físico de un gradiente cero en el eje de simetría ( $\partial x / \partial r |_{r=0} = 0$ ). Esto apunta específicamente a los artefactos numéricos comunes en las inversiones de tipo Abel cerca de la línea central.
- Supresión de Ruido: Para escenarios con altos niveles de ruido, se evalúa una estrategia de supresión de ruido que implica el suavizado del perfil de emisividad antes de la conversión logarítmica a profundidad óptica.

Resultos Clave
Se realizó un estudio de fantoma numérico utilizando datos sintéticos que representan una pulverización fría en evaporación en un entorno caliente (perfil de extinción gaussiano con una distribución de fuente de cono hueco) y una configuración de chorro con destello (fuente con pico central).

Precisión vs. DIT: El método propuesto reconstruyó con éxito el coeficiente de extinción local y el término de fuente radiativa, mostrando una buena concordancia con la verdad de campo (ground truth) en la región principal de la pulverización. En contraste, se encontró que la radiancia de la DIT convencional se desplazaba hacia la línea central y se sobreestimaba cerca del eje, confirmando su incapacidad para resolver estructuras internas en pulverizaciones ópticamente gruesas.
Estabilidad de la Inversión: La inversión directa y los métodos iterativos estándar (por ejemplo, SIRT) fallaron al reconstruir perfiles precisos en presencia incluso de un 0.3% de ruido de medición, exhibiendo oscilaciones y divergencia. La inversión regularizada de múltiples parámetros estabilizó la solución, suprimiendo eficazmente el ruido mientras preservaba el perfil físico.
Desempeño en el Eje Central: La adición de la restricción del eje central mejoró significamente la precisión de la reconstrucción cerca del eje de simetría en comparación con la regularización de Tikhonov de un solo parámetro, eliminando saltos no físicos y asegurando la condición de gradiente cero.
Robustez: El método se mantuvo estable para niveles de ruido de hasta el 1.0%. Para niveles de ruido superiores (3.0%), la aplicación de suavizado a los datos de emisividad antes de calcular la profundidad óptica mejoró significativamente la calidad de la reconstrucción, aunque el desempeño se degradó ante niveles de ruido extremos debido a la sensibilidad logarítmica de la profundidad óptica.

Significancia y Reivindicaciones
El artículo afirma establecer un nuevo marco tomográfico de IR que extiende la DIT de ser una técnica para la termometría aparente a un método para recuperar la radiancia interna y, potencialmente, el campo de temperatura de las pulverizaciones axisimétricas. La contribución primaria es la integración de los datos de atenuación derivados de la DIT con una inversión regularizada de múltiples parámetros que incorpora una restricción de eje central informada por la física. Este enfoque permite la resolución de la emisividad integrada en la línea de visión en un campo de extinción local y la subsecuente recuperación del término de fuente radiativa local, contabilizando la autoatenuación.

Los autores señalan modestamente que, si bien el método proporciona una buena concordancia con la verdad de campo en la región principal de la pulverización, no produce una reconstrucción perfecta. Persisten sesgos sistemáticos (subestimación ligera de la extinción y sobreestimación de la fuente cerca del eje) debido al cálculo basado en la razón de la radiancia local ( $I = j/\alpha$ ). Además, el método requiere calibración radiométrica para convertir la señal radiométrica reconstruida en temperatura absoluta. El marco se presenta como aplicable a otras materias radiantes y atenuantes aximétricas, como las llamas, siempre que se cumplan los supuestos de transferencia radiativa. Se identifica como trabajo futuro la aplicación de este marco a mediciones experimentales con calibración precisa.

Más como este