CN111307669B - 一种稀疏两相流中颗粒局部结构的测量方法 - Google Patents

一种稀疏两相流中颗粒局部结构的测量方法 Download PDF

Info

Publication number
CN111307669B
CN111307669B CN202010132167.9A CN202010132167A CN111307669B CN 111307669 B CN111307669 B CN 111307669B CN 202010132167 A CN202010132167 A CN 202010132167A CN 111307669 B CN111307669 B CN 111307669B
Authority
CN
China
Prior art keywords
particle
particles
local structure
parameter
fluidized
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.)
Active
Application number
CN202010132167.9A
Other languages
English (en)
Other versions
CN111307669A (zh
Inventor
孔平
王蓬
李然
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.)
Shanghai University of Medicine and Health Sciences
Original Assignee
Shanghai University of Medicine and Health Sciences
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 Shanghai University of Medicine and Health Sciences filed Critical Shanghai University of Medicine and Health Sciences
Priority to CN202010132167.9A priority Critical patent/CN111307669B/zh
Publication of CN111307669A publication Critical patent/CN111307669A/zh
Application granted granted Critical
Publication of CN111307669B publication Critical patent/CN111307669B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84Systems specially adapted for particular applications
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/22Matching criteria, e.g. proximity measures
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0004Industrial image inspection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/60Analysis of geometric attributes
    • G06T7/62Analysis of geometric attributes of area, perimeter, diameter or volume
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/40Extraction of image or video features
    • G06V10/44Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/40Extraction of image or video features
    • G06V10/56Extraction of image or video features relating to colour
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N2015/0042Investigating dispersion of solids
    • G01N2015/0053Investigating dispersion of solids in liquids, e.g. trouble
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84Systems specially adapted for particular applications
    • G01N2021/8405Application to two-phase or mixed materials, e.g. gas dissolved in liquids
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10056Microscopic image
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30108Industrial image inspection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • Biochemistry (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Analytical Chemistry (AREA)
  • Dispersion Chemistry (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Geometry (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及一种稀疏两相流中颗粒局部结构的测量方法,包括:获取流化颗粒图像;对背景去噪和二值化处理后的流化颗粒图像进行特征提取和筛选,得到每一个颗粒上白色光点的像素值;对每一个颗粒进行定位,确定每一个颗粒在直角坐标系下的坐标值;根据每一个颗粒的坐标值,构建对应的颗粒系统的Voronoi图,并计算每一个颗粒的局部体积分数;构建包含七个拓扑结构的接触模型;确定每一个颗粒的键取向序参数Qn,结合接触模型,对每一个颗粒进行局部结构匹配及颜色表征,计算颗粒的方位角、建立颗粒局部结构变化曲线,完成对流化颗粒局部结构的测量。与现有技术相比,本发明能够准确测量流化颗粒的局部结构,并实现了对局部结构的可视化处理。

Description

一种稀疏两相流中颗粒局部结构的测量方法
技术领域
本发明涉及颗粒流局部结构测量技术领域,尤其是涉及一种稀疏两相流中颗粒局部结构的测量方法。
背景技术
在石油、化工、能源、冶金、材料、环保等领域中,存在大量黏性颗粒流态化过程。由于黏性颗粒间存在液桥,使得颗粒与邻近颗粒产生粘连形成不同的局部结构体。在流化过程中容易产生团聚结块现象,这将会减弱反应器内的气固接触,降低生产效率。在黏性颗粒流化过程的研究中,最根本、最直接的是对稀疏两相流中黏性颗粒局部结构进行研究,因此测量黏性颗粒在流化团聚过程中局部结构的变化,对预测滑坡和泥石流等自然灾害以及增强工业过程的效率具有重要意义。
目前,在颗粒流结构描述方面,有采用统计物理学分布函数来描述颗粒流的大致局部结构,比如径向分布函数法,采用径向分布曲线来表征以颗粒为同心圆随半径增加时颗粒的密度分布,但是该方法只能判断颗粒流局部结构的疏密,无法对颗粒的拓扑结构进行测量;另外比较常用的是利用颗粒配位数或颗粒局部面积分数来测量颗粒流中的局部结构,但是这种方法需要对图像中颗粒系统进行区域划分,这就难免会有部分颗粒位于区域边缘上,进而导致配位不准或误配位的现象;并且,目前的测量方法均无法对颗粒流化过程中局部结构进行可视化处理。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种稀疏两相流中颗粒局部结构的测量方法。
在材料相变领域中,为研究二维晶体熔化,建立了KTHNY理论,利用键取向序Q6来表示二维系统熔化相变过程中的六角相(Hexatic),因此很多研究者采用这种六角相来对颗粒流的结构进行描述,但目前还没有一个完整的结构模型能够对二维平面内所有的结构进行测量。本发明从相变领域中六角相结构受到启发,引入键取向序参数(bondorientation order parameter)Qn来表示任一颗粒与邻近颗粒相接触的个数,通过构建接触模型,并计算接触颗粒的方位角和相接触颗粒的总数,以确定二维硫化颗粒的拓扑结构,最终实现对二维流化颗粒系统中颗粒局部结构的准确测量。
本发明的目的可以通过以下技术方案来实现:一种稀疏两相流中颗粒局部结构的测量方法,包括以下步骤:
S1、获取流化颗粒图像,并对流化颗粒图像进行背景去噪和二值化处理,得到处理后的流化颗粒图像;
S2、对处理后的流化颗粒图像进行特征提取和筛选,以得到流化颗粒图像中每一个颗粒上白色光点的像素值;
S3、根据每一个颗粒上白色光点的像素值,对每一个颗粒进行定位,确定每一个颗粒在直角坐标系下的坐标值;
S4、根据每一个颗粒在直角坐标系下的坐标值,构建对应的颗粒系统的Voronoi图,并以此计算每一个颗粒的局部体积分数;
S5、构建接触模型,其中,接触模型包括与键取向序参数对应的七个拓扑结构;
S6、确定每一个颗粒的键取向序参数Qn,结合接触模型,以对每一个颗粒进行局部结构匹配及颜色表征,同时计算每一个颗粒的邻近颗粒方位角、建立颗粒局部结构变化曲线,即完成对流化颗粒局部结构的测量。
进一步地,所述步骤S3具体包括以下步骤:
S31、将每一个颗粒上白色光点进行连通域标识,以识别每一个颗粒;
S32、选取流化颗粒图像的左下角为坐标原点,以建立直角坐标系;
S33、根据连通域标识顺序,依次对每一个颗粒进行定位,即得到每一个颗粒在直角坐标系下的坐标值。
进一步地,所述步骤S4具体包括以下步骤:
S41、根据每一个颗粒在直角坐标系下的坐标值,基于Delaunay三角剖分算法,得到空间离散点,以生成对偶元Delaunay三角网;
S42、确定Delaunay三角网中每个三角形的外接圆圆心,通过连接相邻三角形的外接圆圆心,形成以每个三角形顶点为生成元的多边形网,即为颗粒系统Voronoi图,其中,Voronoi图中每个多边形对应于一个颗粒;
S43、基于凸多边形的性质,得到Voronoi图中每个多边形的面积,以计算每一个颗粒的局部体积分数。
进一步地,所述局部体积分数具体为:
Figure BDA0002396090870000031
其中,Fi为颗粒i的局部体积分数,d为颗粒i的直径,Ai为颗粒i对应多边形的面积。
进一步地,所述步骤S5中接触模型具体包括:
自由颗粒拓扑结构,对应键取向序参数Q0,即接触颗粒个数为0;
点颗粒拓扑结构,对应键取向序参数Q1,即接触颗粒个数为1;
线性拓扑结构,对应键取向序参数Q2,即接触颗粒个数为2;
三角形拓扑结构,对应键取向序参数Q3,即接触颗粒个数为3;
正方形拓扑结构,对应键取向序参数Q4,即接触颗粒个数为4;
五边形拓扑结构,对应键取向序参数Q5,即接触颗粒个数为5;
六边形拓扑结构,对应键取向序参数Q6,即接触颗粒个数为6。
进一步地,所述步骤S6具体包括以下步骤:
S61、按照步骤S3的颗粒定位顺序,依次对每一个颗粒划分最小局部结构体积元,以计算每一个颗粒与其邻近颗粒之间的距离,确定颗粒系统中的每一个颗粒与邻近颗粒接触的个数n,即得到每一个颗粒的键取向序参数Qn
S62、依次将每一个颗粒的键取向序参数Qn分别与接触模型的七个拓扑结构进行匹配,并进行颜色表征:
当键取向序参数Qn为数为Q0时,该颗粒填充为蓝色;
当键取向序参数Qn为Q1时,该颗粒填充为浅蓝色;
当键取向序参数Qn为Q2时,该颗粒填充为绿色;
当键取向序参数Qn为Q3时,该颗粒填充为浅绿色;
当键取向序参数Qn为Q4时,该颗粒填充为黄色;
当键取向序参数Qn为Q5时,该颗粒填充为橙色;
当键取向序参数Qn为Q6时,该颗粒填充为红色;
在进行匹配时,具体过程为:首先对应于键取向序参数Qn的值,构建局部体积分数的七个区间;之后判断每一个颗粒的键取向序参数Qn所对应的局部体积分数是否位于对应的区间内,若位于对应的区间,则匹配准确,否则匹配不准确,需返回步骤S61,以进行再次测量与匹配;
S63、计算所测量的每一个颗粒与其邻近颗粒之间的夹角,即该颗粒拓扑结构中邻近颗粒的方位角;
S64、实时统计键取向序参数为Q6的颗粒个数,通过曲线拟合键取向序参数为Q6的颗粒个数与时间的关系,得到颗粒局部结构变化曲线。
进一步地,所述步骤S61中颗粒与其邻近颗粒之间的距离为:
Figure BDA0002396090870000041
其中,rij为颗粒i与颗粒j之间的距离,xi和yi分别为颗粒i的横坐标与纵坐标,xj和yj分别为颗粒j的横坐标与纵坐标;
当|rij|≤rc,则颗粒j为颗粒i的接触颗粒,若颗粒i的接触颗粒个数为n,即得到颗粒i的键取向序参数Qn,其中,rc为预设距离阈值。
进一步地,所述步骤S63中邻近颗粒的方位角具体为:
Figure BDA0002396090870000042
其中,
Figure BDA0002396090870000043
为颗粒i与颗粒j之间的夹角。
与现有技术相比,本发明具有以下优点:
一、本发明基于键取向序参数,构建包括稀疏流化颗粒七种拓扑结构的接触模型,避免了传统只针对团簇六角相结构进行测量的局限性,能够对颗粒的局部拓扑结构进行准确测量,此外,通过构建Voronoi图,以计算颗粒的局部体积分数,从而保证颗粒与接触模型中拓扑结构能够准确匹配,克服了区域划分对颗粒局部结构的配位不准或误配位现象。
二、本发明在准确匹配的基础上,采用颜色表征的方式,能够有效实现对颗粒局部结构的可视化处理,通过计算邻近颗粒的方位角、并根据流化颗粒中颗粒为Q6的个数建立与时间的函数关系,以测量流化颗粒局部结构的变化,进一步保证了颗粒局部结构测量的准确性。
附图说明
图1为本发明的方法流程示意图;
图2为局部结构接触模型七个拓扑结构示意图;
图3为单个颗粒局部结构示意图;
图4为实施例中基于振动台上二维圆盘内湿颗粒局部结构测量装置示意图;
图5为实施例的应用过程示意图;
图6为实施例中基于震动台上二维圆盘内湿颗粒局部结构测量结果示意图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。
实施例
如图1所示,一种稀疏两相流中颗粒局部结构的测量方法,包括以下步骤:
S1、获取流化颗粒图像,并对流化颗粒图像进行背景去噪和二值化处理,得到处理后的流化颗粒图像;
S2、对处理后的流化颗粒图像进行特征提取和筛选,以得到流化颗粒图像中每一个颗粒上白色光点的像素值;
S3、根据每一个颗粒上白色光点的像素值,对每一个颗粒进行定位,确定每一个颗粒在直角坐标系下的坐标值;
S4、根据每一个颗粒在直角坐标系下的坐标值,构建对应的颗粒系统的Voronoi图,并以此计算每一个颗粒的局部体积分数;
S5、构建接触模型,其中,接触模型包括与键取向序参数对应的七个拓扑结构;
S6、确定每一个颗粒的键取向序参数Qn,结合接触模型,以对每一个颗粒进行局部结构匹配及颜色表征,同时计算每一个颗粒的方位角、建立颗粒局部结构变化曲线,即完成对流化颗粒局部结构的测量。
其中,接触模型的七个拓扑结构如图2所示,包括:
自由颗粒拓扑结构,对应键取向序参数Q0,即接触颗粒个数为0;
点颗粒拓扑结构,对应键取向序参数Q1,即接触颗粒个数为1;
线性拓扑结构,对应键取向序参数Q2,即接触颗粒个数为2;
三角形拓扑结构,对应键取向序参数Q3,即接触颗粒个数为3;
正方形拓扑结构,对应键取向序参数Q4,即接触颗粒个数为4;
五边形拓扑结构,对应键取向序参数Q5,即接触颗粒个数为5;
六边形拓扑结构,对应键取向序参数Q6,即接触颗粒个数为6。
图3所示为单个颗粒的局部结构示意图,图3中,d为颗粒的直径,rij为颗粒i与颗粒j之间的距离,
Figure BDA0002396090870000061
为颗粒i与颗粒j之间的夹角,ri为颗粒i与直角坐标系原点之间的距离,rj为颗粒j与直角坐标系原点之间的距离。
为了进一步阐明本发明的技术方案和原理,本实施例以测量基于振动台上二维圆盘内湿颗粒的局部结构为例,本实施例所用的基于振动台上二维圆盘内湿颗粒的局部结构装置,如图4所示,包括振动台、白色LED光源、高速CCD相机、二维圆盘和计算机,其中,二维圆盘(厚度4mm)内放置单层湿颗粒(含水率5%)、填充率为45%、颗粒直径d=2.5mm,将其固定在振动台上(垂直振动、频率15HZ、振幅0.38mm),白色LED光源均匀照射在二维圆盘内颗粒表面,将高速CCD相机(面阵CCD使用Teledyne公司的Spyder系列镜头,拥有1024像素,单个像素尺寸为14μm,行频输入范围最大为36kHz,镜头焦距35mm)固定于支架上,并与计算机相连,用来处理CCD相机采集到的图像。
根据上述装置获取流化颗粒的图像,然后采用图像处理的方法对流化湿颗粒的局部结构进行测量,具体步骤如图5所示:
步骤1:对CCD采集的图像进行预处理。采用图像处理的方法对CCD所获取的图像I进行背景去噪、二值化处理,得到图像I1
步骤2:对图像I1进行特征提取和筛选,获取图像I中每一个颗粒上白色光点的像素;
步骤3:对流化湿颗粒系统内每个颗粒进行定位;
步骤3-1:对步骤1、2所提取每个颗粒的白色光点进行连通域标识,识别每一个颗粒;
步骤3-2:选图像的左下角为坐标原点o,建立直角坐标系xoy;
步骤3-3:对每一个颗粒在直角坐标系xoy进行定位,根据步骤3-1所标识的顺序,确定其流化系统内颗粒坐标为{(x1,y1),(x2,y2),(x3,y3),…,(xl,yl)};
步骤4:构建Voronoi图,计算每个颗粒的局部体积分数;
步骤4-1:根据步骤3所定位的颗粒点坐标,令X={x1,x2,x3,…,xl,},Y={y1,y2,y3,…,yl,},采用Delaunay三角剖分算法,根据空间离散点生成对偶元Delaunay三角网;
步骤4-2:确定三角网中每个三角形的外接圆圆心,连接相邻三角形的外接圆圆心,形成以每个三角形顶点为生成元的多边形网Q={q1,q2,q3,…,ql},即为颗粒系统的Voronoi图;
步骤4-3:在Voronoi图中,每个多边形qi对应于一个颗粒i,通过凸多边形的性质可以求得每个多边形的面积A={A1,A2,A3,…,Al,},则颗粒i的局部体积分数
Figure BDA0002396090870000071
其中d=2.5mm;根据Fi值的大小可以确定每一个颗粒在对应多边形中的自由空间,进而可以得到每个颗粒在空间中的密度分布;
步骤5:构建接触模型,根据键取向序参数Qn建立规范的拓扑结构模型;
步骤5-1:选定任一颗粒i,计算该颗粒与所有邻近颗粒的距离:
Figure BDA0002396090870000072
当|rij|≤rc时(rc≈1.15d),则表明颗粒i与颗粒j接触,若与颗粒i相接触颗粒的总个数为n,即有颗粒i的键取向序参数为Qn
步骤5-2:根据步骤5-1所测得的Qn的大小,分别构建对应的拓扑结构模型,根据二维单层湿颗粒的空间结构排列,Qn共七种,为了实现对局部结构的可视化处理,根据Qn的七个数值,按照伪彩图的渐变色等分为七色,分别为蓝色、浅蓝色、绿色、浅绿色、黄色、橙色、红色;
步骤6:对流化颗粒系统内每个颗粒局部结构进行测量与匹配;
步骤6-1:根据步骤3所定位并标识的颗粒顺序依次对每一个颗粒i进行划分最小局部结构体积元Vi,并计算与颗粒i相接触的个数,确定其键取向序参数Qn
步骤6-2:把所测得的Qn与步骤5所建好的拓扑结构模型相匹配,当键取向序参数为Q0时,颗粒填充为蓝色,即为自由颗粒;当键取向序参数为Q1时,颗粒填充为浅蓝色;当键取向序参数为Q2时,颗粒填充为绿色;当键取向序参数为Q3时,颗粒填充为浅绿色;当键取向序参数为Q4时,颗粒填充为黄色;当键取向序参数为Q5时,颗粒填充为橙色;当键取向序参数为Q6时,颗粒填充为红色,此时颗粒团聚在一起,结构稳定;
步骤6-3:在进行匹配时,为了确保匹配的准确性,根据键取向序参数Qn的大小对步骤4所测得的局部体积分数Fi划分7个区间,具体可根据Qn每个值所对应的临界Fi划分,Qn越大Fi越大。在匹配时,具体是判断每一个颗粒的键取向序参数Qn所对应的局部体积分数是否位于对应的区间内,若位于对应的区间,则匹配准确,否则匹配不准确。
步骤6-4:为了更准确的确定每个接触颗粒的具体位置,可计算接触的邻近颗粒的方位角
Figure BDA0002396090870000081
从而准确测量该颗粒的局部结构;
步骤6-5:根据所标识颗粒的顺序按照步骤6-1到6-4以此循环,直到所有的颗粒匹配完毕,这样,就实现了对流化颗粒局部结构的准确测量,并通过颜色表征实现对局部结构的可视化处理,得到如图6所示的颗粒局部结构图;
步骤7:根据Voronoi图多边形的变化,测量局部结构的变化,在黏性颗粒的流化过程中,当颗粒团聚在一起,即键序参数为Q6时,发现任意一颗粒的接触个数与对应Voronoi图中该颗粒的多边形的边数相一致,因此可以根据流化颗粒中颗粒为Q6的个数建立与时间t的函数关系来测量流化颗粒局部结构的变化。
综上所述,本发明根据黏性颗粒的粘接性构建接触模型,由构建的接触模型确定每个颗粒的最小局部结构体积元,通过最小局部体积元来测量每一个颗粒在局部结构体积元中与邻近颗粒相接触的个数,即键取向序参数Qn,进而建立了颗粒的七种拓扑结构的标准;然后根据流化颗粒系统内每个颗粒的Qn来对颗粒的局部结构进行匹配与测量,根据匹配与测量的结果对不同结构的颗粒填充不同的颜色,实现了对测量结果的可视化处理;为了配对的准确性和更方便地测量颗粒在流化过程中局部结构的变化,本发明构建Voronoi图来测量每个颗粒的局部体积分数和每个多边形的边数,通过多边形和局部结构为Q6的颗粒个数的变化,以测量颗粒流化过程中局部结构的变化。

Claims (8)

1.一种稀疏两相流中颗粒局部结构的测量方法,其特征在于,包括以下步骤:
S1、获取流化颗粒图像,并对流化颗粒图像进行背景去噪和二值化处理,得到处理后的流化颗粒图像;
S2、对处理后的流化颗粒图像进行特征提取和筛选,以得到流化颗粒图像中每一个颗粒上白色光点的像素值;
S3、根据每一个颗粒上白色光点的像素值,对每一个颗粒进行定位,确定每一个颗粒在直角坐标系下的坐标值,并记录颗粒定位顺序,其中,直角坐标系的原点为流化颗粒图像的左下角;
S4、根据每一个颗粒在直角坐标系下的坐标值,构建对应的颗粒系统的Voronoi图,并以此计算每一个颗粒的局部体积分数;
S5、构建接触模型,其中,接触模型包括与键取向序参数对应的七个拓扑结构,即有键取向序参数为Q0~Q6
S6、确定每一个颗粒的键取向序参数Qn,结合接触模型,以对每一个颗粒进行局部结构匹配及颜色表征,同时计算每一个颗粒的方位角、建立颗粒局部结构变化曲线,即完成对流化颗粒局部结构的测量;
所述步骤S6具体包括以下步骤:
S61、按照步骤S3的颗粒定位顺序,依次对每一个颗粒划分最小局部结构体积元,以计算每一个颗粒与其邻近颗粒之间的距离,确定颗粒系统中的每一个颗粒与邻近颗粒接触的个数n,即得到每一个颗粒的键取向序参数Qn
S62、依次将每一个颗粒的键取向序参数Qn分别与接触模型的七个拓扑结构进行匹配,并进行颜色表征,在进行匹配时,具体过程为:首先对应于键取向序参数Qn的值,构建局部体积分数的七个区间;之后判断每一个颗粒的键取向序参数Qn所对应的局部体积分数是否位于对应的区间内,若位于对应的区间,则匹配准确,否则匹配不准确,需返回步骤S61,以进行再次测量与匹配;
S63、计算所测量的每一个颗粒与其邻近颗粒之间的夹角,即该颗粒拓扑结构中邻近颗粒的方位角;
S64、实时统计键取向序参数为Q6的颗粒个数,通过曲线拟合键取向序参数为Q6的颗粒个数与时间的关系,得到颗粒局部结构变化曲线。
2.根据权利要求1所述的一种稀疏两相流中颗粒局部结构的测量方法,其特征在于,所述步骤S3具体包括以下步骤:
S31、将每一个颗粒上白色光点进行连通域标识,以识别每一个颗粒;
S32、选取流化颗粒图像的左下角为坐标原点,以建立直角坐标系;
S33、根据连通域标识顺序,依次对每一个颗粒进行定位,即得到每一个颗粒在直角坐标系下的坐标值,并记录颗粒定位顺序。
3.根据权利要求1所述的一种稀疏两相流中颗粒局部结构的测量方法,其特征在于,所述步骤S4具体包括以下步骤:
S41、根据每一个颗粒在直角坐标系下的坐标值,基于Delaunay三角剖分算法,得到空间离散点,以生成对偶元Delaunay三角网;
S42、确定Delaunay三角网中每个三角形的外接圆圆心,通过连接相邻三角形的外接圆圆心,形成以每个三角形顶点为生成元的多边形网,即为颗粒系统的Voronoi图,其中,Voronoi图中每个多边形对应于一个颗粒;
S43、基于凸多边形的性质,得到Voronoi图中每个多边形的面积,以计算每一个颗粒的局部体积分数。
4.根据权利要求3所述的一种稀疏两相流中颗粒局部结构的测量方法,其特征在于,所述局部体积分数具体为:
Figure FDA0003574226320000021
其中,Fi为颗粒i的局部体积分数,d为颗粒i的直径,Ai为颗粒i对应多边形的面积。
5.根据权利要求1所述的一种稀疏两相流中颗粒局部结构的测量方法,其特征在于,所述步骤S5中接触模型具体包括:
自由颗粒拓扑结构,对应键取向序参数Q0,即接触颗粒个数为0;
点颗粒拓扑结构,对应键取向序参数Q1,即接触颗粒个数为1;
线性拓扑结构,对应键取向序参数Q2,即接触颗粒个数为2;
三角形拓扑结构,对应键取向序参数Q3,即接触颗粒个数为3;
正方形拓扑结构,对应键取向序参数Q4,即接触颗粒个数为4;
五边形拓扑结构,对应键取向序参数Q5,即接触颗粒个数为5;
六边形拓扑结构,对应键取向序参数Q6,即接触颗粒个数为6。
6.根据权利要求5所述的一种稀疏两相流中颗粒局部结构的测量方法,其特征在于,所述步骤S62中颜色表征具体为:
当键取向序参数Qn为数为Q0时,该颗粒填充为蓝色;
当键取向序参数Qn为Q1时,该颗粒填充为浅蓝色;
当键取向序参数Qn为Q2时,该颗粒填充为绿色;
当键取向序参数Qn为Q3时,该颗粒填充为浅绿色;
当键取向序参数Qn为Q4时,该颗粒填充为黄色;
当键取向序参数Qn为Q5时,该颗粒填充为橙色;
当键取向序参数Qn为Q6时,该颗粒填充为红色。
7.根据权利要求6所述的一种稀疏两相流中颗粒局部结构的测量方法,其特征在于,所述步骤S61中颗粒与其邻近颗粒之间的距离为:
Figure FDA0003574226320000031
其中,rij为颗粒i与颗粒j之间的距离,xi和yi分别为颗粒i的横坐标与纵坐标,xj和yj分别为颗粒j的横坐标与纵坐标;
当|rij|≤rc,则颗粒j为颗粒i的接触颗粒,若颗粒i的接触颗粒个数为n,即得到颗粒i的键取向序参数Qn,其中,rc为预设距离阈值。
8.根据权利要求7所述的一种稀疏两相流中颗粒局部结构的测量方法,其特征在于,所述步骤S63中邻近颗粒的方位角具体为:
Figure FDA0003574226320000032
其中,
Figure FDA0003574226320000033
为颗粒i与颗粒j之间的夹角。
CN202010132167.9A 2020-02-29 2020-02-29 一种稀疏两相流中颗粒局部结构的测量方法 Active CN111307669B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010132167.9A CN111307669B (zh) 2020-02-29 2020-02-29 一种稀疏两相流中颗粒局部结构的测量方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010132167.9A CN111307669B (zh) 2020-02-29 2020-02-29 一种稀疏两相流中颗粒局部结构的测量方法

Publications (2)

Publication Number Publication Date
CN111307669A CN111307669A (zh) 2020-06-19
CN111307669B true CN111307669B (zh) 2022-07-05

Family

ID=71149349

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010132167.9A Active CN111307669B (zh) 2020-02-29 2020-02-29 一种稀疏两相流中颗粒局部结构的测量方法

Country Status (1)

Country Link
CN (1) CN111307669B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113899661B (zh) * 2021-11-08 2022-12-27 北京科技大学 基于矿岩颗粒体系结构特征的细小颗粒穿流特性研究方法
CN117451584B (zh) * 2023-12-25 2024-04-05 大连高佳化工有限公司 一种结晶颗粒在线监测系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108398572A (zh) * 2018-02-08 2018-08-14 上海理工大学 基于维诺图的粒子图像测速方法及装置
CN110069844A (zh) * 2019-04-15 2019-07-30 武汉大学 一种考虑岩石结构特征和矿物组成的细观数值模型生成方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6053418B2 (ja) * 2012-09-21 2016-12-27 住友重機械工業株式会社 解析方法および解析装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108398572A (zh) * 2018-02-08 2018-08-14 上海理工大学 基于维诺图的粒子图像测速方法及装置
CN110069844A (zh) * 2019-04-15 2019-07-30 武汉大学 一种考虑岩石结构特征和矿物组成的细观数值模型生成方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
流化床气固稀相流动体积空隙率的图像检测方法;周云龙等;《化学反应工程与工艺》;20091031;第25卷(第05期);全文 *
熔体局部结构的分子动力学模拟研究;程兆年;《物理》;19970228(第02期);全文 *
熔融LiCl及其急冷非晶键取向序的分子动力学模拟研究;程兆年等;《中国科学A辑》;19910430(第04期);全文 *
颗粒尺寸分散度对颗粒体系力学和几何结构特性的影响;冯旭等;《物理学报》;20131231;第62卷(第18期);全文 *

Also Published As

Publication number Publication date
CN111307669A (zh) 2020-06-19

Similar Documents

Publication Publication Date Title
Zhang et al. A kinect-based approach for 3D pavement surface reconstruction and cracking recognition
CN111307669B (zh) 一种稀疏两相流中颗粒局部结构的测量方法
CN109658398B (zh) 一种基于三维测量点云的零件表面缺陷识别与评估方法
US8249304B2 (en) System and method for measuring gaps between object parts
Tafesse et al. Evaluation of image analysis methods used for quantification of particle angularity
Shirowzhan et al. Spatial compactness metrics and Constrained Voxel Automata development for analyzing 3D densification and applying to point clouds: A synthetic review
CN103743452B (zh) 非接触式液位测量系统
CN102147250A (zh) 一种数字线划图测图方法
CN107796325B (zh) 一种路面纹理构造深度的测量方法与测量系统
Kalantarian et al. Accuracy of surface tension measurement from drop shapes: The role of image analysis
CN109341626A (zh) 直线度计算方法、截面最大直径与最小直径之差计算方法
US20240054766A1 (en) Rock identification method, system and apparatus, terminal, and readable storage medium
Liu et al. Concrete surface damage volume measurement based on three-dimensional reconstruction by smartphones
CN1224938C (zh) 由单幅图像测量场景及场景内物体几何信息的方法
Yu et al. Structural state estimation of earthquake-damaged building structures by using UAV photogrammetry and point cloud segmentation
CN106403818A (zh) 多规格大型方矩形管在线尺寸参数检测用的系统及方法
Kargah-Ostadi et al. Evaluation framework for automated pavement distress identification and quantification applications
Zhou et al. Land deformation prediction via slope-aware graph neural networks
Abdul Rahman et al. Deterioration Mapping of RC Bridge Elements Based on Automated Analysis of GPR Images
CN107268400B (zh) 一种路面施工质量检测方法及系统
Rufei et al. Research on a pavement pothole extraction method based on vehicle-borne continuous laser scanning point cloud
Lyu et al. An image processing approach to measuring the sphericity and roundness of fracturing proppants
Estrada Perez Analysis, comparison and modification of various particle image velocimetry (PIV) algorithms
CN113375644A (zh) 一种边坡产状高精度测量方法
Yang et al. Effect of 3D laser point spacing on cement concrete crack width measurement

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