基于超分辨率重构方法的湍流流场重构

从低分辨率流场数据中获取精细流场信息具有重要的研究意义。基于卷积神经网络的超分辨率重构方法是近年来发展的一种较为有效的精细流场重构方法。本文采用高效亚像素卷积神经网络（Efficient Sub-Pixel Convolutional Neural Network,ESPCN）,对Rayleigh–Bénard（RB）对流的数值模拟数据和湍流边界层（Turbulent Boundary Layer,TBL）的实验测量数据进行了超分辨率重构,并与双三次插值方法（Bicubic Interpolation）的重构结果进行对比。对比结果表明:在较小的下采样比下,ESPCN方法和Bicubic方法的重构精度相当;在较大的下采样比下,ESPCN方法的重构精度明显优于Bicubic方法。此外,ESPCN方法对数据梯度较大区域的超分辨率重构效果优于Bicubic方法。     

粒子像斑三维定位的透视成像原理和方法

在三维粒子成像测速 (PIV)方面 ,可运用体积光照明同时从不同光轴用多个照相机获得PIV图像 ,如何根据这些不同光轴获得的PIV图像确定出粒子物点的空间位置是实现三维粒子成像测速的前提。基于此 ,提出了根据多幅不同光轴的PIV图像的粒子像斑实现粒子物点三维定位的透视成像定位原理和方法。精确确定透视平面与透视中心在空间的位置是实现粒子物点三维定位的关键 ,直接测定透视中心 (照相机的光学中心 )和透视平面在空间的精确位置用常规的测量手段和方法难以奏效 ,因而针对透视图像成像特征及规律进行了较为深入地研究探讨 ,这对于寻求精确计测透视中心和透视平面空间位置的方法有着重要意义。作为实例 ,还给出了两光轴夹角为 90°情况下实现粒子物点三维定位的一系列具体方法和有关算法及定量关系。     

基于双光场相机的高分辨率光场三维PIV技术

光场相机粒子图像测速（Light Field Particle Image Velocimetry,LF-PIV）是一种近几年新发展起来的流动测试手段,能够仅通过单个光场相机测量3D-3C瞬态速度场,简化了三维流场测量的实验复杂度,特别是能实现受限空间的三维速度场测量。然而这一技术尚存在一些不足:由于光场相机沿景深方向的空间分辨率较低,沿该方向的速度测量精度低于垂直于景深方向的测量精度。本文尝试从硬件角度入手,发展一种双光场相机流动测试技术,通过增大对示踪粒子的观察视角,来提高光场三维测量系统沿景深方向的空间分辨率。基于乘积代数迭代技术（Multiplicative Algebraic Reconstruction Technique,MART）,开发了针对双光场相机的粒子三维重构算法。分别利用直接数值模拟（Direct Numerical Simulation,DNS）水射流的数字合成图像与低速水射流涡环的实验图像,将双光场相机的测量结果与单光场相机的测量结果进行对比分析研究。结果表明双光场相机与单光场相机相比显著提高了相机沿景深方向的测量精度。     

面向新世纪的粒子图像测速

一种综述粒子图像测速(Particle Image Velocimetry)的非接触、瞬时、动态、全流场的和本质上是直接的速度场测量技术,成为当今最实用和非常有潜力的流体力学全流场观测(Full Flow Field Observation & Measurement)技术.回顾和展望PIV(包括DPIV,SPIV,HPIV等)及其应用的进展和前景.面临新世纪,PIV技术有望最终攻克一个容积的三维速度场时间历程(3Dt-3C)的观测和推动流体力学进入十分活跃的新时期.     

三维PIV透视成像粒子定位的可确定性

三维粒子成像测速 (PIV)的透视成像分析方法中 ,在运用体积光照明并从多个不同光轴方向用多台照相机或摄像机同时获得PIV图像后 ,根据多幅不同光轴的PIV图像的透视性质 ,运用物点三维定位的透视成像定位原理和方法 ,可通过找出各透视面上像点所对应的透视射线的交点来确定相应粒子的三维位置。问题在于 ,尽管粒子所在位置上必然存在各像点相应的透视射线的交点 ,但反过来 ,相应的透视射线的交点上却未必存在着真实的粒子。换言之 ,示踪粒子与其像点相应的透视射线相交的交点间一般并不存在一一对应的关系。本文讨论了在给定透视中心和透视平面位置的条件下 ,由多幅不同光轴的PIV图像上的粒子的透视像点来确定粒子物点是否存在意义上的可确定性 ,并讨论了PIV图像上粒子像斑密度、尺度及其中心测量精度对粒子物点可确定概率的影响。     

基于低密度粒子图像叠加的Micro-PIV速度场测量

提出了一种基于低密度粒子图像的微流体粒子图像全场测速技术.经过背景噪声去除、阈值过滤、图像增强等图像预处理过程,获得了高质量的低密度荧光示踪粒子图像.对100对图像进行图像叠加处理,得到了满足互相关算法求解二维速度场的高密度叠加粒子图像.针对宽度为250μm,深60μm的长直微通道开展了覆盖全场不同流体层平面的二维速度测量,并利用多个流体平面的二维速度场实现了微通道内全场速度的构建.研究结果表明:由于图像叠加法去除了像径大但灰度低的背景粒子图像,采用互相关分析能够准确获得分层二维速度场,所构建的全场速度场正确反映了长直微通道内流流场特征.     

基于卷积神经网络的近壁流动高分辨率平均速度场预测方法

本文设计并验证了基于卷积神经网络的边界层近壁流动高分辨率平均速度场预测方法:首先采用示踪粒子图像对数据集训练卷积神经网络,通过调整神经网络参数可以预测示踪粒子在数据集上的平均跨帧位移;然后使用该卷积神经网络预测像素空间中各像素位置的单粒子位移,得到高分辨率的平均速度场信息。将该方法用于预测湍流脉动较小的边界层近壁区的平均流动,能够将空间分辨率提高到单像素精度。误差分析发现,该方法获得的测速精度略优于传统单像素系综平均互相关算法,且对粒子浓度和示踪粒子图像对数目的要求明显低于后者。     

基于粒子图像叠加方法的微柱群绕流流场测量

分析了相关深度对Micro-PIV速度场测量的影响,说明采用低密度粒子图像叠加技术能够有效减小相关深度,提高速度测量的准确性。将该方法应用于微柱群绕流流场的分层测量,雷诺数分别取0.8~3.6,在此基础上计算了空间平均速度。将分层速度场和平均速度廓线与采用平均相关技术获得的结果进行了比较。结果表明,采用低密度粒子图像叠加方法获得的全场绕流速度分布更为合理,通道底部和顶部近壁区的平均“伪滑移速度”分别减小了22.7%和17.2%,通道中心平均速度峰值增加了5.2%。     

基于层析PIV的湍流边界层展向涡研究

层析PIV是一种现代激光测速技术,能实现三分量空间体内三分量(3D3C)速度场的测量。应用层析PIV测量Reτ=1768的平板湍流边界层,得到150个瞬时速度场,测量体的大小为80mm×16mm×45mm。旋涡强度λci 准则用来进行涡识别,而旋涡强度在展向的投影λzci 被用来识别展向涡。根据λzci 的连通域得到展向涡位置后,统计了展向涡沿法向的变化规律,并给出了在流向-法向平面内高低速区域和正负展向涡空间位置的关系。统计结果表明:随着法向高度的增加,展向涡的强度逐渐降低;负展向涡的流向平均速度高于正展向涡,且流向速度与法向速度有很强的依赖性;在小尺度范围内,流向-法向平面内的高低速流动区域与正负展向涡的空间位置密切相关。     

基于机器学习的机翼气动载荷重构及传感器优化布置

风洞实验通过在机翼表面布置传感器来测量相应位置的气动载荷,由于传感器布置数量有限,难以直接得到整个机翼全息气动载荷分布。本文采用机器学习方法通过有限传感器数据重构机翼表面全息气动载荷,并提出了利用仿真数据对传感器进行优化布置的方法。从计算流体力学（Computational fluid dynamics,CFD）计算所得的机翼全息气动数据中选取有限位置数据模拟传感器实验数据,对比深度学习模型、高斯过程回归（Gaussian process regression, GPR）、支持向量回归（Support vector regression, SVR）与BP神经网络（Neural network, NN）对气动载荷的重构精度。通过评估由传感器数据重构的全息载荷精度对传感器布置方式进行优化设计。以M6机翼为例在给定的两个工况条件下验证本文所提出的方法。实验结果表明,GPR模型获得了最高气动载荷重构精度;给出了M6机翼在不同传感器总数下最优的截面数和单个截面布点数,最低传感器布置数下的最优布置方式,以及流场变化相对剧烈的前缘区域与展向截面的传感器布置方式。     

光场单相机三维流场测试技术

将光场三维成像技术与实验流体力学相结合,实现单相机对空间三维瞬态流场（3D3C）的精确测量,为流体力学实验研究提供了一种全新的测试技术。详细介绍了具有自主知识产权的光场相机硬件系统、基于乘积代数重建技术（MART）的粒子光场图像重构算法以及基于光线追迹的数字光场图像合成算法。利用DNS数字合成图像以及低速射流实验图像,将所发展的光场单相机三维流场测试技术（Light Field Particle Image Velocimetry,LF-PIV）与目前最成熟的三维流场测试技术层析PIV（Tomographic Particle Image Velocimetry,Tomo-PIV）进行对比研究分析。实验结果表明LF-PIV技术完全能达到与Tomo-PIV同等量级的测量精度。     

层析粒子图像测速技术研究进展

层析粒子图像测速技术(Tomographic Particle Image Velocimetry,Tomo-PIV)作为一种瞬时的三维流场速度测量技术,能够为具有强非定常性及强三维空间性的复杂流动提供详细的数据支撑.对近年来该技术在国内外的发展及应用进行了全面的综述.首先介绍了层析粒子图像测速技术的工作原理和技术特点...     

粒子图像测速技术在马赫数4.O流场测试中的应用

介绍了上海交通大学多马赫数高速风洞中应用PIV测试技术开展马赫数4.0流场测试的情况.为满足超声速流场高速瞬时的测试要求,实验中选择了合适的示踪粒子和布撒技术.首先介绍了马赫数4.0来流条件下自由来流流场PIV测试情况,实验结果表明喷管出口处速度矢量场平行喷管轴线方向且分布均匀.其次对尖劈斜激波流场进行了PIV测量并讨论了示踪粒子跨越激波的迟滞特性,结果均符合斜激波理论.研究中还测试了拐角模型流场,从PIV图像中可清晰看到激波边界层干扰等复杂流场结构.因此,PIV技术可成为一种有效的超声速流场测试技术.     

基于光流算法的粒子图像测速技术研究

光流测量技术作为一种新的空气动力学实验技术,以其像素级分辨率的矢量场测量优势获得广泛的应用。光流测量技术使用光流约束方程,配合平滑限定条件,可以进行速度场测量,获得高分辨率的全局矢量场。首先通过研究积分最小化光流测速理论和算法,采用C++编写光流速度测量程序,然后通过3种典型人工位移图像对光流计算程序进行验证,并将结果和标准位移分布进行比对分析,以指导如何在实际应用中获得高精度光流速度场,最后进行小型风洞后向台阶实验,利用高速相机拍摄示踪粒子图像,使用光流计算程序获得速度矢量场,同采用互相关算法的粒子图像测速计算结果进行比较,体现出光流计算方法像素级分辨率的矢量场测量优势。     

关于粒子图像测速仪精度的数值测试

利用数值模拟的方法对粒子图像测速仪的精度问题进行了数值实验。速度场是通过对一个片光源上两次曝光的图像进行互相关处理来得到的。为了研究流体运动的不均匀性对于一个诊断区内速度矢量测量结果的影响，针对五种典型的不均匀性进行讨论。数值实验的结果表明有几种流体运动不均匀性会显著地影响这种粒子图像测速方法的精度。     

导管螺旋桨内流场的PIV测量

内流场对于导管螺旋桨的设计和性能分析是至关重要的,利用随车式PIV在中国船舶科学研究中心拖曳水池进行了导管螺旋桨的内流场测量.使用标靶技术建立了物像对应关系,从而修正导管曲率和厚度产生的图象畸变.使用同步控制器实现螺旋桨相位、CCD摄像和激光器的精确同步控制.试验分别在三个不同进速系数J=1.2,1.0 和0.8下进行.试验结果很好地反映了螺旋桨梢涡、毂部涡、以及螺旋桨上下表面脱落的旋向相反的尾涡,以及近导管内壁、桨毂壁面涡层等流动特征.试验表明,涡强都随着进速系数的减小而增加.与螺旋桨前流动相比,导管内螺旋桨后轴向速度沿径向分布的不均匀性明显增强.试验结果表明,对于导管厚度与曲率都空间变化的导管螺旋桨,应用PIV技术进行内流场测量在技术上是可行的.     

PIV技术在涡轮叶栅内流场试验中的应用

对三种高环流系数叶片叶型和五种相对节距的涡轮叶栅进行内流场试验研究,在研究中采用粒子成像测试技术(PIV),获得叶栅内S1m流面的全流场流动信息,并采用拓扑图论原理经计算机进行图像处理,获得S1m流面的速度矢量场和旋度场。对所获得的叶栅内流场分析表明,随着涡轮环流系数的增加,液体流经叶栅的能量损失增大;随着叶栅相对节距的增大,叶栅内脱流区增大、漩涡区的旋度值随之增大。该研究结果将给涡轮叶型的设计提供有价值的参考。     

疏透型防护林绕林流场的PIV实验研究

利用粒子图像测速仪(PIV),采用2帧 互相关的分析方法,对疏透型防护林流场的流动特征在风洞中进行实验研究,获得绕林流场的速度矢量图、速度等势线图和涡量场图。实验中选用的防护林疏透度分别为0%,30%,40%,60%。在各种疏透度下的防护林中,疏透度为0%的防护林近尾流区平均沿流速度衰减幅度大,但恢复也快,且有最高的平均垂直速度。疏透度为30%和40%的防护林绕林流场非常相似,其中疏透度为30%的林带,林后平均沿流速度恢复较慢,且气流扰动较小,具有良好的防风固沙作用。     

粒子运动轨迹的图像处理及流场重构算法研究

为了高效获得颗粒的速度分布,提出一种针对单帧单曝光图像的图像处理方法和流场重构方法。图像处理过程包含去噪、锐化、自适应阈值分割、闭运算、去除小颗粒、骨架提取、速度提取、二义性判断、求切线等步骤和方法,对该处理过程的主要误差也进行了分析与修正。流场重构使用了基于RBF（Radial Basis Function）插值且采用迎风插值进行优化的算法,插值结果以速度云图及矢量图的形式展示,对该过程的主要误差也进行了分析与验证。最后的处理结果显示,针对单帧单曝光图像的图像处理方法和流场重构方法具有可行性。