CN109459582A - 基于动边界自识别的激光粒子图像测速数据处理方法 - Google Patents
基于动边界自识别的激光粒子图像测速数据处理方法 Download PDFInfo
- Publication number
- CN109459582A CN109459582A CN201811579283.4A CN201811579283A CN109459582A CN 109459582 A CN109459582 A CN 109459582A CN 201811579283 A CN201811579283 A CN 201811579283A CN 109459582 A CN109459582 A CN 109459582A
- Authority
- CN
- China
- Prior art keywords
- boundary
- piv
- coordinate
- picture
- pixel
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
- G01P5/00—Measuring speed of fluids, e.g. of air stream; Measuring speed of bodies relative to fluids, e.g. of ship, of aircraft
- G01P5/18—Measuring speed of fluids, e.g. of air stream; Measuring speed of bodies relative to fluids, e.g. of ship, of aircraft by measuring the time taken to traverse a fixed distance
- G01P5/22—Measuring speed of fluids, e.g. of air stream; Measuring speed of bodies relative to fluids, e.g. of ship, of aircraft by measuring the time taken to traverse a fixed distance using auto-correlation or cross-correlation detection means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Aviation & Aerospace Engineering (AREA)
- Image Analysis (AREA)
Abstract
基于动边界自识别的激光粒子图像测速数据处理方法,属于流体力学实验技术领域。本发明通过PIV相机拍摄获取含有激光粒子的PIV图片,获取图片灰度值,将PIV图片的灰度值建立数据矩阵;根据边界判断准则判定识别所述PIV图片中的边界像素点,将边界像素点连接获得被测对象在运动状态下的边界;根据边界以及垂直所述边界的法向建立新的SN坐标系;将PIV图片进行坐标变换获取PIV图片的坐标变换后的数据,实现坐标变换后的数据进行相关计算时的捕捉窗口始终紧贴于运动的边界布置,进而再将坐标变换后的数据采用标准相关计算算法获取速度矢量,将速度矢量进行坐标反变换获取被测对象的速度流场。本发明提高动边界速度流场测量精度。
Description
技术领域
本发明涉及基于动边界自识别的激光粒子图像测速数据处理方法,属于流体力学实验技术领域。
背景技术
在航空航天领域,为了避免动力失速、结构上颤振和共振,振荡翼型的动态特性受到越来越多的重视。在水力机械研究中,旋转产生的附加作用力以及动静部件的扰动对湍流过程、边界层的发展、流动结构的时空分布有着重要的影响,非转动/转动部件的流场相互干扰的物理机制一直是研究的重点和难点。在螺旋桨、涡轮泵、水轮机启停机、飞逸、增减负荷等瞬态过程中,暂态过程瞬变流动会使升力面的有效攻角发生改变,其内部流动复杂多变,呈现出强烈的不稳定性。因此,了解物体在动态变化下非稳态水动力载荷和振动的变化,对了解水力机械瞬态过程非定常流动机理及动力特性,优化水力机械的设计,提高水力性能有着重要的意义。
水翼作为水力机械结构的基本单元,对于运动边界绕流问题研究往往被作为基本对象。实验研究是探寻物理机制的基础方法,激光粒子图像测速技术(PIV)由于具有全场、非接触测量等特点,被广泛应用于流场实验测量研究中。将PIV技术应用于运动边界的流固耦合流场测量实验研究中,即可以得到固体结构边界运动信息,还可以获取瞬时全场速度矢量,克服了单点测量的局限性。同步采集得到的固体运动规律、速度场、涡量场等信息,可以帮助深入研究流固耦合这类复杂问题的瞬态耦合过程。然而,将传统的激光粒子图像测速技术用于存在运动边界问题的流场测试时,互相关计算窗口中包含流固耦合交界面,会导致不正确甚至错误的速度矢量测量结果。因此急需提供一种基于动边界自识别的激光粒子图像测速数据处理方法。
发明内容
为了解决现有技术存在动边界速度流场测量不够精确的问题,本发明公开的基于动边界自识别的激光粒子图像测速(PIV)数据处理方法要解决的技术问题是:提高动边界速度流场测量精度。
本发明目的是通过下述技术方案实现的。
本发明公开的基于动边界自识别的激光粒子图像测速数据处理方法,包括以下步骤:通过PIV相机拍摄获取含有激光粒子的PIV图片,获取所述PIV图片的灰度值,建立所述PIV图片的笛卡尔坐标系XOY,将所述PIV图片的灰度值建立数据矩阵;根据边界判断准则判定识别所述PIV图片中的边界像素点,将所述边界像素点连接获得被测对象在运动状态下的边界;根据所述边界以及垂直所述边界的法向建立新的SN坐标系,所述SN坐标系的S坐标为所述边界方向,N坐标为所述边界的法向;将所述PIV图片进行坐标变换获取所述PIV图片的坐标变换后的数据,实现所述坐标变换后的数据进行相关计算时的捕捉窗口始终紧贴于运动的边界布置,进而再将坐标变换后的数据采用标准相关计算算法获取速度矢量,将所述速度矢量进行坐标反变换获取被测对象的速度流场。
优先地,所述边界像素点的判断准则为,沿Y坐标方向上灰度值的二阶导数为零,且越过边界像素点后灰度值一阶导数恒为零。
进一步优先,所述边界像素点中X坐标值最小的像素点为前缘像素点,X坐标值最大的像素点为尾缘像素点。将所述前缘像素点以及尾缘像素点分别记为A(x1,y1)、B(x2,y2);根据所述前缘像素点以及所述尾缘像素点的坐标计算翼型攻角,所述翼型攻角记为α。所述翼型攻角计算公式为α=β*arctan((y2-y1)/(x2-x1)),β为像素点修正系数;所述像素点修正系数取值范围为0.95~1。
优先地,激光无法透射被测对象,因此,所述PIV图片中运动的边界上方无激光照亮,为无激光粒子,进而便于所述边界像素点的判断准则应用。
优先地,所述PIV图片的灰度值建立的数据矩阵包括坐标及灰度值数据。
本发明公开的基于动边界自识别的激光粒子图像测速数据处理方法,还包括如下步骤:应用上述步骤辨识的被测对象的速度流场以及翼型攻角α参数指导水动力学领域的流动分析与结构设计,解决水动力学领域相关工程技术问题。
根据上述步骤辨识的被测对象的速度流场以及翼型攻角α参数,能得到翼型攻角的变化范围以及速度矢量信息,进一步观察在每个攻角α下对应的翼型流场结构,分析翼型所受的动力特性是否满足技术要求,能够指导工程结构的优化设计。另外,得到的翼型速度流场以及攻角参数还能为动态变化下的健康监测、结构故障诊断、结构振动控制等方面的应用提供有力的支持,具有广泛的应用前景与效益。
有益效果:
1、本发明公开的基于动边界自识别的激光粒子图像测速数据处理方法,激光无法透射被测对象,因此PIV图片中运动的边界上方无激光照亮,为无激光粒子,进而便于边界像素点的判断准则应用,通过边界像素点的判定能够实现对运动的边界的实时识别。
2、本发明公开的基于动边界自识别的激光粒子图像测速数据处理方法,通过基于运动的边界建立SN坐标系,将PIV图片进行坐标变换获取PIV图片的坐标变换后的数据,实现坐标变换后的数据进行相关计算时的捕捉窗口始终紧贴运动的边界布置,而非采用传统相关捕捉窗口,避免在边界处相关捕捉窗口包含流固边界,进而有效地提高对边界处速度场的计算精度,然后将坐标变换后的数据采用标准相关计算算法获取速度矢量,最后速度矢量进行坐标反变换获取被测对象的速度流场。
3、本发明公开的基于动边界自识别的激光粒子图像测速数据处理方法,通过边界像素点的判定能够实现对运动的边界的实时识别,同时识别水翼前缘像素点以及尾缘像素点进而实现翼型攻角的快速计算,能够显著提高工作效率且攻角测量精度高。
4、本发明公开的基于动边界自识别的激光粒子图像测速数据处理方法,通过远距离PIV相机获取PIV图片,不影响实验过程,可适用于各种动边界绕流激光粒子图像测速实验。
5、本发明公开的基于动边界自识别的激光粒子图像测速数据处理方法,能够应用辨识的被测对象的速度流场以及翼型攻角α参数指导水动力学领域的流动分析与结构设计,解决水动力学领域相关工程技术问题。
附图说明
图1是本发明公开的基于动边界自识别的激光粒子图像测速数据处理方法的流程图;
图2是本发明公开的基于动边界自识别的激光粒子图像测速数据处理方法的边界像素点判定识别的流程图;
图3是本发明公开的基于动边界自识别的激光粒子图像测速数据处理方法的PIV图片;
图4是本发明公开的基于动边界自识别的激光粒子图像测速数据处理方法的PIV图片中的边界识别;
图5是本发明公开的基于动边界自识别的激光粒子图像测速数据处理方法的传统相关捕捉窗口;
图6是本发明公开的基于动边界自识别的激光粒子图像测速数据处理方法的相关计算窗口的变换图;
图7是本发明公开的基于动边界自识别的激光粒子图像测速数据处理方法的基于SN坐标系的相关计算窗口;
其中,1-边界,2-边界像素点,3-SN坐标系,4-传统相关捕捉窗口,5-变换相关捕捉窗口。
具体实施方式
下面结合附图,具体说明本发明的具体实施方式。
实施例1
如图1、图2、图3、图4所示,本实施公开的基于动边界自识别的激光粒子图像测速数据处理方法,包括以下步骤:通过PIV相机拍摄获取含有激光粒子的PIV图片,获取PIV图片的灰度值,建立PIV图片的笛卡尔坐标系XOY,将PIV图片的灰度值建立数据矩阵;根据边界判断准则判定识别PIV图片中的边界像素点2,将边界像素点2连接获得被测对象在运动状态下的边界1;根据边界1以及垂直边界1的法向建立新的SN坐标系3,SN坐标系3的S坐标为边界方向,N坐标为边界1的法向;然后将PIV图片进行坐标变换获取PIV图片的坐标变换后的数据,实现坐标变换后的数据进行相关计算时的捕捉窗口始终紧贴于运动的边界1布置,进而再将坐标变换后的数据采用标准相关计算算法获取速度矢量,将速度矢量进行坐标反变换获取被测对象的速度流场。
如图2所示,边界像素点2的判断准则为,沿Y坐标方向上灰度值的二阶导数为零,且越过边界像素点后灰度值一阶导数恒为零。边界像素点2中X坐标值最小的像素点为前缘像素点,X坐标值最大的像素点为尾缘像素点。将前缘像素点以及尾缘像素点分别记为A(x1,y1)、B(x2,y2);根据前缘像素点以及尾缘像素点的坐标计算翼型攻角,翼型攻角记为α。翼型攻角计算公式为α=β*arctan((y2-y1)/(x2-x1)),β为像素点修正系数;像素点修正系数取值范围为0.95~1。
如图3所示,激光无法透射被测对象,因此PIV图片中运动的边界1上方无激光照亮,为无激光粒子,进而便于边界像素点2的判断准则应用。PIV图片的灰度值建立的数据矩阵包括坐标及灰度值数据。
如图3、图5、图6、图7所示,对于PIV图片采用传统相关捕捉窗口4,在边界1处传统相关捕捉窗口4往往包含流固边界,随着边界1的运动进而导致速度场的计算误差。本实施例公开的基于动边界自识别的激光粒子图像测速数据处理方法具体实现步骤如下:获取PIV图片的灰度值,并将PIV图片的每个像素点的坐标值和灰度值建立数据矩阵;因运动的边界1上方无激光照亮,处于无粒子状态,故为沿Y坐标方向上灰度值的二阶导数为零且越过边界像素点后灰度值一阶导数恒为零。如图2、图4所示,依据该判定准则对PIV图片中的像素点进行一一识别,进而可获取边界像素点2,连接边界像素点2即获取运动过程中的边界1。随后以识别的边界1为横坐标,垂直边界1的法向为纵坐标建立SN坐标系3;然后将基于笛卡尔坐标系XOY的数据矩阵进行坐标变换得到坐标变换后的数据;随着边界1的运动,坐标变换后的数据始终位于SN坐标系中。如图7所示,采用变换相关捕捉窗口5进行速度场的计算,变换相关捕捉窗口5始终紧贴于运动的边界1,故有效地避免传统相关捕捉窗口4包含流固边界的问题,进而提高对速度流场的精确测量。最后将在SN坐标系3获取的速度矢量进行反坐标变换,即获取在基于笛卡尔坐标系XOY的速度矢量信息。
基于边界1能够识别前缘像素点以及尾缘像素点A(x1,y1)、B(x2,y2),根据前缘像素点以及尾缘像素点的坐标计算翼型攻角α。翼型攻角计算公式为α=β*arctan((y2-y1)/(x2-x1)),β为像素点修正系数;像素点修正系数取值范围为0.96。
根据上述步骤辨识的被测对象的速度流场以及翼型攻角参数,能得到翼型攻角的变化范围以及速度矢量信息,进一步观察在每个攻角下对应的翼型流场结构,分析翼型所受的动力特性是否满足技术要求,能够指导工程结构的优化设计。另外,得到的翼型速度流场以及攻角参数还能为动态变化下的健康监测、结构故障诊断、结构振动控制等方面的应用提供有力的支持,具有广泛的应用前景与效益。
以上所述的具体描述,对发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.基于动边界自识别的激光粒子图像测速数据处理方法,其特征在于:包括以下步骤:通过PIV相机拍摄获取含有激光粒子的PIV图片,获取所述PIV图片的灰度值,建立所述PIV图片的笛卡尔坐标系XOY,将所述PIV图片的灰度值建立数据矩阵;根据边界判断准则判定识别所述PIV图片中的边界像素点,将所述边界像素点连接获得被测对象在运动状态下的边界;根据所述边界以及垂直所述边界的法向建立新的SN坐标系,所述SN坐标系的S坐标为所述边界方向,N坐标为所述边界的法向;将所述PIV图片进行坐标变换获取所述PIV图片的坐标变换后的数据,实现所述坐标变换后的数据进行相关计算时的捕捉窗口始终紧贴于运动的边界布置,进而再将坐标变换后的数据采用标准相关计算算法获取速度矢量,将所述速度矢量进行坐标反变换获取被测对象的速度流场。根据所述边界像素点可获取前缘像素点、尾缘像素点,再根据所述前缘像素点以及所述尾缘像素点的坐标可计算翼型攻角α。
2.如权利要求1所述的基于动边界自识别的激光粒子图像测速数据处理方法,其特征在于:还包括如下步骤,应用上述步骤辨识的被测对象的速度流场以及翼型攻角α参数指导水动力学领域的流动分析与结构设计,解决水动力学领域相关工程技术问题。
3.如权利要求2所述的基于动边界自识别的激光粒子图像测速数据处理方法,其特征在于:根据上述步骤辨识的被测对象的速度流场以及翼型攻角α参数,能得到翼型攻角的变化范围以及速度矢量信息,进一步观察在每个攻角α下对应的翼型流场结构,分析翼型所受的动力特性是否满足技术要求,能够指导工程结构的优化设计;另外,得到的翼型速度流场以及攻角参数还能为动态变化下的健康监测、结构故障诊断、结构振动控制等方面的应用提供有力的支持,具有广泛的应用前景与效益。
4.如权利要求1或2所述的基于动边界自识别的激光粒子图像测速数据处理方法,其特征在于:所述边界像素点的判断准则为,沿Y坐标方向上灰度值的二阶导数为零,且越过边界像素点后灰度值一阶导数恒为零。
5.如权利要求4所述的基于动边界自识别的激光粒子图像测速数据处理方法,其特征在于:所述边界像素点中X坐标值最小的像素点为前缘像素点,X坐标值最大的像素点为尾缘像素点;将所述前缘像素点以及尾缘像素点分别记为A(x1,y1)、B(x2,y2);根据所述前缘像素点以及所述尾缘像素点的坐标计算翼型攻角α;所述翼型攻角计算公式为α=β*arctan((y2-y1)/(x2-x1)),β为像素点修正系数;所述像素点修正系数取值范围为0.95~1。
6.如权利要求1或2所述的基于动边界自识别的激光粒子图像测速数据处理方法,其特征在于:所述PIV图片的灰度值建立的数据矩阵包括坐标及灰度值数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811579283.4A CN109459582A (zh) | 2018-12-24 | 2018-12-24 | 基于动边界自识别的激光粒子图像测速数据处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811579283.4A CN109459582A (zh) | 2018-12-24 | 2018-12-24 | 基于动边界自识别的激光粒子图像测速数据处理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109459582A true CN109459582A (zh) | 2019-03-12 |
Family
ID=65614380
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811579283.4A Pending CN109459582A (zh) | 2018-12-24 | 2018-12-24 | 基于动边界自识别的激光粒子图像测速数据处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109459582A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110286072A (zh) * | 2019-06-25 | 2019-09-27 | 华北水利水电大学 | 一种基于模式识别的风沙输移动态量测方法 |
CN110308302A (zh) * | 2019-07-01 | 2019-10-08 | 北京大学 | 一种近壁面流速测量方法及装置 |
CN111024980A (zh) * | 2019-12-18 | 2020-04-17 | 北京大学 | 自由界面附近层析粒子图像测速方法 |
CN111241667A (zh) * | 2020-01-06 | 2020-06-05 | 西安电子科技大学 | 一种基于图像处理和探针数据处理识别等离子体位形方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7054768B2 (en) * | 2004-06-22 | 2006-05-30 | Woods Hole Oceanographic Institution | Method and system for shear flow profiling |
CN204535953U (zh) * | 2015-03-17 | 2015-08-05 | 北京理工大学 | 一种用于观测通气空化流场规律的装置 |
-
2018
- 2018-12-24 CN CN201811579283.4A patent/CN109459582A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7054768B2 (en) * | 2004-06-22 | 2006-05-30 | Woods Hole Oceanographic Institution | Method and system for shear flow profiling |
CN204535953U (zh) * | 2015-03-17 | 2015-08-05 | 北京理工大学 | 一种用于观测通气空化流场规律的装置 |
Non-Patent Citations (1)
Title |
---|
曹洪才: "任意运动变形边界流场测量 PIV 算法的研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110286072A (zh) * | 2019-06-25 | 2019-09-27 | 华北水利水电大学 | 一种基于模式识别的风沙输移动态量测方法 |
CN110308302A (zh) * | 2019-07-01 | 2019-10-08 | 北京大学 | 一种近壁面流速测量方法及装置 |
CN111024980A (zh) * | 2019-12-18 | 2020-04-17 | 北京大学 | 自由界面附近层析粒子图像测速方法 |
CN111241667A (zh) * | 2020-01-06 | 2020-06-05 | 西安电子科技大学 | 一种基于图像处理和探针数据处理识别等离子体位形方法 |
CN111241667B (zh) * | 2020-01-06 | 2023-05-16 | 西安电子科技大学 | 一种基于图像处理和探针数据处理识别等离子体位形方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109459582A (zh) | 基于动边界自识别的激光粒子图像测速数据处理方法 | |
Posa et al. | Wake structure of a single vertical axis wind turbine | |
CN107152295B (zh) | 一种盾构管片拼装机用视觉平台自动抓取方法及系统 | |
CN111798386B (zh) | 一种基于边缘识别与最大序列密度估计的河道流速测量方法 | |
CN109580167A (zh) | 一种适用于动边界流场的高速摄像与piv同步测量系统 | |
CN111693999B (zh) | 基于雷达测风组合策略的多传感器融合风速风向估计方法 | |
CN109100112B (zh) | 一种基于计算机视觉的气弹模型风洞试验平面风振响应测试方法 | |
CN109255815B (zh) | 一种基于零阶球谐函数的物体检测与识别方法 | |
CN109765026A (zh) | 一种低速动态试验洞壁干扰修正方法 | |
Song et al. | Investigation on wind-induced aero-elastic effects of tall buildings by wind tunnel test using a bi-axial forced vibration device | |
CN110207688A (zh) | 一种基于特征矢量的磁信标快速定向方法与系统 | |
Manolesos et al. | An experimental and numerical investigation on the formation of stall-cells on airfoils | |
CN109262652A (zh) | 一种用于多杆件多关节机构的干涉检测预警方法 | |
Wang et al. | Target-less approach of vibration measurement with virtual points constructed with cross ratios | |
Gnatowska | Aerodynamic characteristics of three-dimensional surface-mounted objects in tandem arrangement | |
CN109190232B (zh) | 一种飞机平尾区动能损失计算评估方法 | |
CN107462394A (zh) | 基于平滑预测策略的多传感器风洞支杆抑振方法 | |
CN114595643B (zh) | 耦合多点测风仪和微尺度稳态模拟的高分辨率山地风场测量方法 | |
Casteleim et al. | Creating a benchmark of Vertical Axis Wind Turbines in Dynamic Stall for validating numerical models | |
CN116804587A (zh) | 多物理场同步测量风洞试验系统 | |
CN108961305B (zh) | 一种基于图像识别的海浪爬坡监测方法 | |
CN112284681B (zh) | 一种空泡水筒桨模试验用伴流场模拟方法 | |
CN109726462A (zh) | 一种适用于翼型的攻角快速识别方法 | |
TW202141066A (zh) | 光達點雲資料之處理方法及其用於風場分析之用途 | |
Xie | Wind Speed Prediction System based on Kalman Filter for Offshore Blade Hoisting |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190312 |
|
WD01 | Invention patent application deemed withdrawn after publication |