PIV基准流场的评估分析

PIV基准流场是规范PIV流场测试技术和校验流场测试数据的统一标准。文章通过分析PIV流场测试技术的发展及其基准流场技术的发展状况,对PIV基准流场建设方法进行初步研究。应用CFD方法初步评估了HTA及ITTC的建议模型,给出了基准模型周围流场结果,并与HTA提供的SPIV试验测试结果进行比较分析,对PIV基准流场的方案设计和不确定度分析进行了进一步思考。分析结果为模型标准与测试标准的建设提供了基础。     

垂直及斜出水流场的二维及三维TR-PIV试验

本文对钝头回转体垂直及斜出水流场采用TR-(Time-Resolved)PIV技术进行测量,并对斜出水流场进行3D-Stereo PIV(三维体视 PIV)测量.文中介绍了测试技术及测量结果,揭示了出水过程中流动结构及其演变,展示了TR-PIV技术对具有瞬态历程特征的出水流场研究的适应性.     

楔形体入水初期流场的数值模拟

本文应用VOF方法对楔形体入水初期流场进行了数值计算与分析，并与楔形体入水初期流场PIV试验结果及高速摄影流态显示试验结果做了比较。结果表明，水下流场的流态与PIV试验结果一致，自由面形状与高速摄影试验结果一致，贴近物面有一股向上的射流，速度很高。本数值计算方法可以较好地模拟水下速度场、捕捉自由面形状，并能模拟入水喷溅现象。     

PIV与BEM相结合的流场研究法

本文介绍一种PIV与BEM相结合的流场研究方法，PIV（Particle Image Velocimetry)是一种现代流场测试技术，BEM（Boundary Element Method)是一种流行的CFD方法，所谓PIV和BEM相结合的方法，是利用流域内PIV测量的结果和BEM法的反过程估计出边界上洲际流场相关量的值，进而估计出流域内其它点的速度值，这种方法可以很好地修正PIV的测量结果，减小它们的误差，同时还可以对测量失效区域的流场进行估计，增加流场信息，在文中它被应用到楔形体入水的PIV测量后处理中，取得了很好的效果。     

PIV的原理与应用

PIV是一种无扰动的二维流场测试技术。随着计算机技术、图像处理技术的快速发展 ,该技术近10年来有了长足的发展。详细阐述了PIV系统的结构与互相关分析原理 ,不但提供了在单向流实验中ADV与PIV的对比结果 ,而且提供了桩基码头模型时的涡流场分布 ,充分体现了PIV的实用价值。     

一套非接触式的明渠非恒定流测量技术

本文建立了一套自动控制的非接触式明渠非恒定流测量系统,开发了水位、流量及PIV的同步触发控制程序,由电磁流量计、超声水位计实时监测流量和水位变化过程,通过PIV流场仪进行流场测量,突破了以前非恒定流试验测量仪器反应速度慢、对水流有干扰的限制。     

三维PIV应用于船舶精细流场测试研究进展

精细流场作用现象和流动细节对解决船舶与海洋工程领域的疑难问题有重要影响,粒子图像测速(PIV)技术实现了在同一瞬态时刻记录大量空间点上的速度分布信息,可提供丰富的流场空间信息及流动特性。三维粒子图像测速(SPIV)技术在国外已被成功用于研究水面舰船和潜艇在高海况下与船体大幅运动有关的复杂粘性现象及壳体大规模流体分离现象,取得了一定的研究成果;在国内,SPIV技术也已应用于船舶尾流场测量及舰船噪声测量中,试验结果能够真实反映流场特征。未来SPIV试验将与CFD方法相结合,向实船试验研究方向发展。随着计算机技术、激光技术、CCD性能的发展,多方位测量的SPIV系统将是未来重要的研究方向。     

二维PIV测速方向二义性的数值解决方法

PIV是近二十年发展起来的一种瞬时、全场的现代流场测试手段,已经在各行各业的流场测量中被广泛应用.对于早期发展的使用自相相关算法的PIV系统,由于其先天的不足,在速度方向上存在180°不确定性.本文提出了一种基于连续性方程解决二维流动PIV测速方向二义性的方法,并使用模拟流场对它进行了检验,同时分析了在实际测量中应用的可行性,分析得出在测量误差小于10%时,本方法是可行的.这为那些存在速度方向二义性问题的PIV系统,在进行二维测量时,解决二义性困难提供了一种经济有效的手段.     

表面PIV在潜航体兴波伴流场测量中的应用

介绍潜航体兴波伴流场的表面PIV测量方法,对表面PIV的标定,示踪粒子的选择,背景干扰流场的消除方法以及表面PIV测量精度等问题开展分析讨论。实验表明:运用表面PIV技术可灵敏地探测到潜航体微弱的V型兴波伴流场,该兴波伴流场可以用潜航体的‘源-汇’效应解释。本文采用普通CCD数码摄像机以及普通光源摄取表面粒子图像,与传统的激光PIV设备相比,不仅经济而且使用方便,测量结果精确可靠,运用表面PIV技术测量表面微弱流场的精度可达0.01 pixel。     

基于光流卷积网络的粒子图像测速自动掩模及速度场计算

粒子图像测速（PIV）技术是一种定量的非接触式全局速度场测量技术。在船舶与海洋工程领域,PIV实验中拍摄的粒子图像常出现结构物遮挡或自由液面等干扰现象,需要对其进行掩模后计算液相区域速度场。因此,实现PIV图像中干扰区域自动掩模及液相区域速度场高精度计算具有重要的意义。本文基于光流卷积神经网络LiteFlowNet,设计了一种可实现自动掩模及速度场计算的深度学习模型Mask-PIV-LiteFlowNet,并使用基于物体入水PIV实验图像掩模数据集和PIV速度场计算数据集制作的数据集对其进行训练和测试。测试结果表明,该模型能够有效减少临近掩模边界区域的速度场计算错误并能够精细地提取流场小尺度流动信息,相比于当前先进的PIV深度学习模型PIV-LiteFlowNet-en,本文提出的模型在对带结构物的合成粒子图像进行流场计算时精度获得了至少14.5%的提升,计算速度上获得了5.7%的提升。最后,使用楔形体入水PIV图像对提出的模型进行了测试,验证了模型的泛化能力。