CN106679929A - 一种激波串分离点定位方法 - Google Patents

一种激波串分离点定位方法 Download PDF

Info

Publication number
CN106679929A
CN106679929A CN201611090038.8A CN201611090038A CN106679929A CN 106679929 A CN106679929 A CN 106679929A CN 201611090038 A CN201611090038 A CN 201611090038A CN 106679929 A CN106679929 A CN 106679929A
Authority
CN
China
Prior art keywords
point
schlieren
gray scale
vertical coordinate
separation point
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201611090038.8A
Other languages
English (en)
Other versions
CN106679929B (zh
Inventor
王成鹏
薛龙生
程川
焦运
徐培
程克明
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Aeronautics and Astronautics
Original Assignee
Nanjing University of Aeronautics and Astronautics
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing University of Aeronautics and Astronautics filed Critical Nanjing University of Aeronautics and Astronautics
Priority to CN201611090038.8A priority Critical patent/CN106679929B/zh
Publication of CN106679929A publication Critical patent/CN106679929A/zh
Application granted granted Critical
Publication of CN106679929B publication Critical patent/CN106679929B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M9/00—Aerodynamic testing; Arrangements in or on wind tunnels
    • G01M9/06—Measuring arrangements specially adapted for aerodynamic testing

Landscapes

  • Physics & Mathematics (AREA)
  • Fluid Mechanics (AREA)
  • General Physics & Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Geophysics And Detection Of Objects (AREA)

Abstract

本发明公开了一种激波串分离点定位方法，用于超/高超声速流场纹影显示技术；通过提取纹影图像灰度，分析分离点列向量特征，捕捉并定位图像中符合该特征的灰度向量，并确定特征点坐标，将该坐标作为分离点坐标，由此完成分离点的定位。本发明给出了壁面分离点灰度特征的计算模型，能够精确捕捉定位激波串在任一时刻的分离位置，实现了对大批量纹影试验数据的数字化定量处理，大幅提高纹影图像数据在该研究领域中的利用率。

Description

一种激波串分离点定位方法
技术领域
本发明属于超/高超声速流场测量显示技术领域，具体指代一种用于超/高超声速流场纹影显示中的激波串分离点定位方法。
背景技术
激波串是超/高超声速气流在减速增压过程中出现的一种以激波/附面层干扰为主要特征的复杂流动现象。激波与附面层相互干扰使得附面层形态发生变化，产生分离和再附，在管道内形成异常复杂的激波串或伪激波结构。这种流动结构广泛存在于吸气式高超声速飞行器进气道/隔离段、超声速风洞扩压器和超声速射流装置等部件中，其流动特性与部件的气动设计及性能密切相关。由于边界层通过激波、膨胀波等与主流之间出现强烈的耦合作用，使得激波串的流动形态十分复杂，并表现出振荡等非定常特性。当上游流场参数改变或下游压力扰动存在时，加剧激波串的振荡现象，甚至导致大尺度的激波串振荡运动，可能会引起结构颤振，产生疲劳和损坏；同时还会造成进气道/隔离段不起动状态，引起燃烧不稳定甚至熄火。因此激波串动态特性研究对于飞行器结构设计和气动性能具有重要意义。
对纹影中激波串的定量计算是该研究领域十分短缺的工具手段，目前纹影中通常只有少部分典型流态特征的图像被用来显示激波串结构及对运动规律的定性分析，大量纹影图像数据没有得到有效的利用。
发明内容
针对于上述现有技术的不足，本发明的目的在于提供一种激波串分离点定位方法，以解决目前纹影中通常只有少部分典型流态特征的图像被用来显示激波串结构及对运动规律的定性分析，大量纹影图像数据没有得到有效的利用等问题，本方法将纹影图像中的分离点位置，通过灰度提取并计算的方式给出精确的坐标，实现大批量纹影数据的定量化数字处理，以提高对纹影图像数据的利用率。
为达到上述目的，本发明的一种激波串分离点定位方法，包括步骤：设定灰度矩阵分析范围，计算分析灰度矩阵列向量特征，建立判据，捕捉并定位图像中符合壁面分离特征的灰度向量，将其特征点坐标作为分离点坐标，实现对分离点的位置定位；具体步骤如下：
1)选定分析窗口并提取该窗口灰度矩阵，保证激波串分离点所能到达的任一位置均在该窗口内；
2)基于上述确定的灰度矩阵，从右向左逐一分析每一列向量，采用光滑插值并重新采样的方法处理列向量，计算灰度突变点纵坐标，并将所有计算的纵坐标生成一维数组；
3)分析上述得到的一维数组，确定跳跃度大小符合附面层厚度值特征的点，将该点横坐标作为分离点横坐标；
4)将上述得到的横坐标代入灰度矩阵，确定该横坐标下列向量的灰度突变点纵坐标，该纵坐标作为分离点纵坐标，由此得到激波串分离点位置的坐标。
本发明的有益效果：
本发明提取纹影图像灰度矩阵并进行列向量的光滑插值和重新采样，能够精确定位任一时间激波串上下分离点的位置，通过批量处理，能够从时域上完成激波串运动位置的分析，实现了海量纹影试验数据的数字化分析处理，大大提高纹影数据的研究利用率。
附图说明
图1为本实施例中纹影图片所确定的流场位置示意图；
图2为实施例中抽取的第一张图片的定位效果示意图；
图3为实施例中抽取的第二张图片的定位效果示意图；
图4为实施例中抽取的第三张图片的定位效果示意图；
图5为实施例中全部纹影图像定位出的上分离点横坐标的时间历程示意图；
图6为实施例中全部纹影图像定位出的下分离点横坐标的时间历程示意图。
具体实施方式
为了便于本领域技术人员的理解，下面结合实施例与附图对本发明作进一步的说明，实施方式提及的内容并非对本发明的限定。
本发明的一种激波串分离点定位方法，包括步骤：设定灰度矩阵分析范围，计算分析灰度矩阵列向量特征，建立判据，捕捉并定位图像中符合壁面分离特征的灰度向量，将其特征点坐标作为分离点坐标，实现对分离点的位置定位；具体步骤如下：
1)选定分析窗口并提取该窗口灰度矩阵，保证激波串分离点所能到达的任一位置均在该窗口内；
2)基于上述确定的灰度矩阵，从右向左逐一分析每一列向量，采用光滑插值并重新采样的方法处理列向量，计算灰度突变点纵坐标，并将所有计算的纵坐标生成一维数组；
3)分析上述得到的一维数组，确定跳跃度大小符合附面层厚度值特征的点，将该点横坐标作为分离点横坐标；
4)将上述得到的横坐标代入灰度矩阵，确定该横坐标下列向量的灰度突变点纵坐标，该纵坐标作为分离点纵坐标，由此得到激波串分离点位置的坐标。
将本发明方法应用于某一超声速试验采集得到的一组纹影图片中，图片数量大于3000张，具体实施步骤如下：
(1)如图1，选定分析窗口W0并提取该窗口灰度矩阵g[M][N]，其中M为窗口长，N为窗口宽，单位均为像素(pixel)，需保证激波串分离点所能到达的任一位置均在该窗口内，图中所标注的1和2分别为激波串的上、下分离点，即实施例所要通过本发明的计算方法进行精确定位的特征；
(2)基于上述确定的灰度矩阵g[M][N]，从右向左逐一分析每一列向量y[x][N]，x为整数，代表任一横坐标位置，x∈[1,M]；对y[x][N]做j次光滑插值，用Nj表示j次插值后的数组容量，则N为0次差值容量，即N0＝N，那么，Nj＝2·Nj-1-1，经j次插值后的新数组yj[x][Nj]由下式计算：
将数组yj[x][Nj]构造为连续函数fx,j(ξ)，其中ξ为0到N的实数，该函数由下式计算：
fx,j(ξ)＝(yj[x][n+1]-yj[x][n])×(ξ-n)+yj[x][n]n≤ξ＜n+1 0≤ξ≤N
用原数组y[x][N]的样本量及数据间隔对fx,j(ξ)进行等距采样生成新数组由下式计算：
设定纹影图像中壁面边界灰度黑与白过度的判断值h(大小与图片质量有关，可根据图片效果给出具体大小值)，中上突变(靠近N的一端)灰度大于h，即所对应的n记为U[x]，下突变(靠近1的一端)大于h所对应的n记为L(x)，生成一维数组U[M]和L[M]；
(3)分析上述得到的一维数组U[M]和L[M]，设定附面层厚度d(大小与流场自身特征及图像与实际模型比例有关，可根据图片效果给出具体大小值)，确定跳跃度大小符合附面层厚度值特征的点，即使得|U[x]-U[x-1]|＞d的x作为上分离点横坐标Xu，使得|L[x]-L[x-1]|＞d的x作为下分离点横坐标Xl；
(4)将上述得到的横坐标Xu、Xl代入灰度矩阵g[M][N]，确定该横坐标下列向量的灰度点纵坐标U[Xu]、L[Xl]，该纵坐标作为分离点纵坐标；由此得到激波串上、下分离点位置的坐标：(Xu,U[Xu])，(Xl,L[Xl])。
图2-图4为该实施例中任意抽取的3张定位图片，代表了3个不同时刻激波串的位置。图中的方框是由程序计算给出，可见计算结果较为精确，其中3、5、7为上分离点，4、6、8为下分离点。图5和图6是全部图片处理结果的上分离点与下分离点各自的横坐标随时间变化的历程，图中9和10的振荡给出了激波串分离点位移在该时域内的运动特征，实现了定量化。以上证实了本发明方法的准确性及实现大批量纹影图像处理的可行性。
本发明具体应用途径很多，以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以作出若干改进，这些改进也应视为本发明的保护范围。

Claims (1)

1.一种激波串分离点定位方法，其特征在于，包括步骤：设定灰度矩阵分析范围，计算分析灰度矩阵列向量特征，建立判据，捕捉并定位图像中符合壁面分离特征的灰度向量，将其特征点坐标作为分离点坐标，实现对分离点的位置定位；具体步骤如下：
1）选定分析窗口并提取该窗口灰度矩阵，保证激波串分离点所能到达的任一位置均在该窗口内；
2）基于上述确定的灰度矩阵，从右向左逐一分析每一列向量，采用光滑插值并重新采样的方法处理列向量，计算灰度突变点纵坐标，并将所有计算的纵坐标生成一维数组；
3）分析上述得到的一维数组，确定跳跃度大小符合附面层厚度值特征的点，将该点横坐标作为分离点横坐标；
4）将上述得到的横坐标代入灰度矩阵，确定该横坐标下列向量的灰度突变点纵坐标，该纵坐标作为分离点纵坐标。
CN201611090038.8A 2016-11-28 2016-11-28 一种激波串分离点定位方法 Active CN106679929B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611090038.8A CN106679929B (zh) 2016-11-28 2016-11-28 一种激波串分离点定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611090038.8A CN106679929B (zh) 2016-11-28 2016-11-28 一种激波串分离点定位方法

Publications (2)

Publication Number Publication Date
CN106679929A true CN106679929A (zh) 2017-05-17
CN106679929B CN106679929B (zh) 2019-01-11

Family

ID=58866287

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611090038.8A Active CN106679929B (zh) 2016-11-28 2016-11-28 一种激波串分离点定位方法

Country Status (1)

Country Link
CN (1) CN106679929B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112067239A (zh) * 2020-07-27 2020-12-11 中国航天空气动力技术研究院 一种基于纹影视频自动判断超声速风洞流场建立的方法
CN114383668A (zh) * 2022-03-24 2022-04-22 北京航空航天大学 一种基于可变背景的流场测量装置及方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS62108125A (ja) * 1985-11-06 1987-05-19 Mitsubishi Electric Corp 風洞試験装置
JP3970263B2 (ja) * 2004-05-10 2007-09-05 財団法人鉄道総合技術研究所 空力音源探査システム及び空力音源探査方法
CN102706529A (zh) * 2012-06-08 2012-10-03 中国人民解放军国防科学技术大学 超声速流场密度场的校准以及测量超声速密度场的方法
CN103983419A (zh) * 2014-05-27 2014-08-13 大连理工大学 风洞运动模型视觉测量图像采集方法
CN104297794A (zh) * 2014-07-23 2015-01-21 中国石油化工股份有限公司 地震数据成图方法及系统
CN105841882A (zh) * 2016-03-17 2016-08-10 中国人民解放军国防科学技术大学 一种隔离段内激波串前缘探测装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS62108125A (ja) * 1985-11-06 1987-05-19 Mitsubishi Electric Corp 風洞試験装置
JP3970263B2 (ja) * 2004-05-10 2007-09-05 財団法人鉄道総合技術研究所 空力音源探査システム及び空力音源探査方法
CN102706529A (zh) * 2012-06-08 2012-10-03 中国人民解放军国防科学技术大学 超声速流场密度场的校准以及测量超声速密度场的方法
CN103983419A (zh) * 2014-05-27 2014-08-13 大连理工大学 风洞运动模型视觉测量图像采集方法
CN104297794A (zh) * 2014-07-23 2015-01-21 中国石油化工股份有限公司 地震数据成图方法及系统
CN105841882A (zh) * 2016-03-17 2016-08-10 中国人民解放军国防科学技术大学 一种隔离段内激波串前缘探测装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
易仕和: "隔离段激波串流场特征的试验研究进展", 《物理学报》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112067239A (zh) * 2020-07-27 2020-12-11 中国航天空气动力技术研究院 一种基于纹影视频自动判断超声速风洞流场建立的方法
CN112067239B (zh) * 2020-07-27 2022-06-03 中国航天空气动力技术研究院 一种基于纹影视频自动判断超声速风洞流场建立的方法
CN114383668A (zh) * 2022-03-24 2022-04-22 北京航空航天大学 一种基于可变背景的流场测量装置及方法

Also Published As

Publication number Publication date
CN106679929B (zh) 2019-01-11

Similar Documents

Publication Publication Date Title
CN108960135B (zh) 基于高分辨遥感图像的密集舰船目标精确检测方法
CN104050681B (zh) 一种基于视频图像的道路消失点检测方法
CN107423760A (zh) 基于预分割和回归的深度学习目标检测方法
CN110222769A (zh) 一种基于YOLOV3-tiny的改进目标检测方法
CN110232379A (zh) 一种车辆姿态检测方法及系统
CN113610778B (zh) 一种基于语义分割的桥梁表面裂纹检测方法与系统
CN109408985A (zh) 基于计算机视觉的桥梁钢结构裂缝精准识别方法
CN110348059A (zh) 一种基于结构化网格的通道内流场重构方法
CN110751606B (zh) 一种基于神经网络算法的泡沫图像处理方法及系统
CN110490842A (zh) 一种基于深度学习的带钢表面缺陷检测方法
CN110909623B (zh) 三维目标检测方法及三维目标检测器
CN106679929A (zh) 一种激波串分离点定位方法
CN109272060A (zh) 一种基于改进的darknet神经网络进行目标检测的方法和系统
CN103208125B (zh) 视频帧图像中颜色和运动全局对比度的视觉显著性算法
CN109635629A (zh) 一种基于深度学习的公交站台人群密度检测方法及装置
CN112907614A (zh) 基于深度特征融合的yolov5-segnet绝缘子串轮廓提取方法
Yao et al. Statistical analysis of the organized turbulence structure in the inertial and roughness sublayers over real urban area by building-resolved large-eddy simulation
CN108509953A (zh) 一种电视台标检测识别方法
CN113781528A (zh) 一种基于光流计算的河流表面流速测算方法
CN109615594B (zh) 一种激光点云空洞修补着色方法
CN105139433B (zh) 基于均值模型的红外弱小目标图像序列仿真方法
CN110660048A (zh) 一种基于形状特征的皮革表面缺陷检测算法
CN110580701A (zh) 一种基于计算机视觉的成衣测量和缺陷检测的方法
CN110837782B (zh) 一种根据材料拉伸过程监控视频识别断裂信息的方法
CN107292275A (zh) 一种频域划分的人脸特征识别方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant