CN116046617A - 一种用于高速云雾场的双视场宽域粒径高精度测量装置及方法 - Google Patents
一种用于高速云雾场的双视场宽域粒径高精度测量装置及方法 Download PDFInfo
- Publication number
- CN116046617A CN116046617A CN202310061785.2A CN202310061785A CN116046617A CN 116046617 A CN116046617 A CN 116046617A CN 202310061785 A CN202310061785 A CN 202310061785A CN 116046617 A CN116046617 A CN 116046617A
- Authority
- CN
- China
- Prior art keywords
- magnification
- images
- field
- particle size
- image
- 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
- 239000002245 particle Substances 0.000 title claims abstract description 88
- 238000005259 measurement Methods 0.000 title claims abstract description 46
- 238000000034 method Methods 0.000 title claims abstract description 35
- 239000003595 mist Substances 0.000 title claims description 17
- 239000007788 liquid Substances 0.000 claims abstract description 160
- 230000003287 optical effect Effects 0.000 claims abstract description 75
- 238000003199 nucleic acid amplification method Methods 0.000 claims abstract description 59
- 230000003321 amplification Effects 0.000 claims abstract description 57
- 238000012360 testing method Methods 0.000 claims abstract description 32
- 239000011521 glass Substances 0.000 claims description 33
- 238000006073 displacement reaction Methods 0.000 claims description 13
- 238000005530 etching Methods 0.000 claims description 13
- 238000013528 artificial neural network Methods 0.000 claims description 11
- 238000001514 detection method Methods 0.000 claims description 10
- 230000003068 static effect Effects 0.000 claims description 10
- 230000008054 signal transmission Effects 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 5
- 238000000691 measurement method Methods 0.000 claims description 2
- 238000012549 training Methods 0.000 claims description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 abstract description 15
- 238000004422 calculation algorithm Methods 0.000 abstract description 13
- 230000008878 coupling Effects 0.000 abstract description 10
- 238000010168 coupling process Methods 0.000 abstract description 10
- 238000005859 coupling reaction Methods 0.000 abstract description 10
- 230000001537 neural effect Effects 0.000 abstract description 10
- 230000000007 visual effect Effects 0.000 abstract description 3
- 230000004043 responsiveness Effects 0.000 abstract description 2
- 238000001816 cooling Methods 0.000 description 16
- 238000004088 simulation Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 238000009434 installation Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 3
- 238000012937 correction Methods 0.000 description 2
- 230000009977 dual effect Effects 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000009413 insulation Methods 0.000 description 2
- 239000012071 phase Substances 0.000 description 2
- 239000007921 spray Substances 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 239000007791 liquid phase Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 238000004611 spectroscopical analysis Methods 0.000 description 1
- 230000005514 two-phase flow Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/02—Investigating particle size or size distribution
- G01N15/0205—Investigating particle size or size distribution by optical means
- G01N15/0227—Investigating particle size or size distribution by optical means using imaging; using holography
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Chemical & Material Sciences (AREA)
- Dispersion Chemistry (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种用于高速云雾场的双视场宽域粒径高精度测量装置及方法，属于云雾流场液态水含量测量领域。本发明基于光学异倍放大装置同步获取不同放大倍数的相同视域液滴可视化图像，利用ResNet神经网络‑GAN网络双网络耦合识别实现高速云雾场中液滴粒径的高精度测量，解决了传统风洞云雾场参数测量装置时间响应性差、测量精度低、回溯算法可靠性低等问题；同时，采用光学异倍放大装置捕捉光学图像，能够同时满足液滴粒径与大视域的测试需求；而采用ResNet神经网络‑GAN网络双网络耦合识别进行标定数据的学习以及不同放大倍数液滴图像关联关系的构建，充分提取图像中的潜在特征，提升了测试精度。
Description
技术领域
本发明属于云雾流场液态水含量测量领域，尤其是一种用于高速云雾场的双视场宽域粒径高精度测量装置及方法。
背景技术
两相流场中液相液滴的精确识别与测量对燃烧基础问题研究、流场特性分析、航空发动机研发设计等起着关键的作用。其中，航空发动机进气条件环境模拟和测量，仍面临诸多技术难题亟需突破。国军标和适航条款对于进气模拟参数控制精度有严格要求，特别是进气云雾流场液态水含量(LWC)、水滴尺寸(MVD)等参数的测量精度。然而，对于高空台的进气环境模拟，当前仍缺乏可靠的云雾参数测量技术，制约了我国航空发动机进气试验考核和适航验证能力。
目前，测量液态水含量(LWC)的方法有很多种，主要包括：冰刀法、旋转多圆柱测量法和热线测量法等。冰刀法是国内外常用LWC校测方法，但其总体效率较低，主要用于校测结果间的相互对比验证。旋转多圆柱测量仪是测量水滴参数仪器中最简单、最可靠的仪器，其使用有一定限制：如圆柱表面温度接近或超过0℃时，则无法测量；热线测量法技术成熟，应用最广，其通过水滴与电阻丝发生撞击在其表面蒸发将造成电阻丝温度和阻抗变化，来计算液态水含量的大小，其测量范围通常是10-40μm。
国外用于风洞流场中液滴平均容积粒径(MVD)测量的方法主要有四种：前向散射分光测量仪(FSSP)、光学阵列测量仪(OAP)、相位多谱勒粒子分析仪(PDPA)和马尔文粒径测量仪(MPSA)。前向散射分光测量仪(FSSP)广泛用于地面试验设备和飞行试验云测量，若其探头体积中存在过多的小液滴则会导致计数误差和粒径测量误差。光学阵列测量仪(OAP)是一种常用的云小水滴直径测量仪器，其量程范围广且型号多，常用于测量直径大于100μm的小水滴。相位多谱勒粒子分析仪(PDPA)由美国气动测量有限公司制造，用于风洞和飞行试验小水滴粒径测量，不适合测量数密度较大的喷雾场，系统对于测试环境要求高，且光路调节繁琐。马尔文粒径测量仪(MPSA)被广泛用于燃料雾化液滴粒径的分析，其在密度场过大的喷雾区测试结果偏差较大，光的多次折射、偏转、晕光现象均会影响测试结果。
由于国内飞机研究起步较晚，大多集中在理论研究以及数值模拟方面，到目前为止，国内只有几座风洞，近几年随着我国自主飞行器设计的发展，飞行器的防冰设计需求迅速增长。在云雾场参数测试研究方面，国外专门的光学测试仪器价格昂贵且存在标定困难及测量效率低等问题。国内在高速云雾场LWC、MVD的快速准确测量方面缺乏自主研发的云雾场参数测量方法、仪器装置及测量软件。因此，亟需发展高速云雾场LWC、MVD同步且快速准确测量技术，支撑我国航空发动机进气结冰环境模拟技术开发。
发明内容
本发明的目的在于克服上述现有技术的缺点，提供一种用于高速云雾场的双视场宽域粒径高精度测量装置及方法。
为达到上述目的，本发明采用以下技术方案予以实现：
一种用于高速云雾场的双视场宽域粒径高精度测量装置，包括双视场宽域粒径识别装置；
所述双视场宽域粒径高精度测量装置包括激光扩束器、光学异倍放大装置和计算机；所述光学异倍放大装置包括分束器，分束器的进光口上连接有一次放大镜，一次放大镜侧设有一次放大镜调倍旋钮，分束器的一个光路出口通过小放大倍数端二次放大镜连接有第一CCD相机，另一个光路出口通过大放大倍数端二次放大镜连接有第二CCD相机，第一CCD相机和第二CCD相机上均设有信号传输接口和电源线，信号传输接口连接有计算机，所述计算机内设有识别模块；所述激光扩束器入口用于接收激光，所述激光扩束器和一次放大镜相对设置，激光扩束器与一次放大镜的光轴在同一水平面内重合，两者之间的距离为50～80cm；
当进行识别时，待测的云雾场液滴进入到激光扩束器与一次放大镜之间的检测区域；
识别模块用于接收第一CCD相机和第二CCD相机的采集信号，即同一区域不同放大倍数下的两组图像，基于所述两组图像，将小放大倍数图像中与大放大倍数图像重合的检测区域的图像分割提取，作为小放大倍数处理图像；将小放大倍数处理图像与大放大倍数图像进行图像配准，即获取同一时刻的两张图像中相同位置被识别到的液滴，将所述液滴进行在不同图像中分别进行提取并以固定大小进行存储，分别存储在小放大倍数液滴图像组和大放大倍数液滴图像组；基于条件GAN网络，将小放大倍数液滴图像组作为输入，生成逼真放大图像，以大放大倍数液滴图像组作为鉴别对象，判断生成的逼真放大图像与大放大倍数液滴图像组是否一致，不断训练直至建立异倍放大液滴图像间的关联网络模型，使得所述的逼真放大图像与大放大倍数液滴图像组一致；
将小放大倍数组内图像中的所有液滴进行分割提取并保存，输入至建立的异倍放大液滴图像的关联网络模型中，生成逼真的放大液滴图像；
构建ResNet神经网络，将标定数据库中的标定图像输入ResNet神经网络，建立液滴粒径的精确识别网络；
将所述逼真放大液滴图像输入所述精确识别网络中，获得小放大倍数图像组内图像中每个液滴的粒径信息；
基于所述粒径信息计算云雾场来流参数LWC和MVD。
进一步的，所述激光扩束器入口处的激光由Nd:YAG激光器经过两级反射得到。
一种用于高速云雾场的双视场宽域粒径高精度测量方法，包括以下步骤：
(1)将蚀刻圆形标定板安装于激光扩束器与一次放大镜之间，蚀刻圆形标定板所在平面与激光扩束器激光出口截面平行，调整光学异倍放大装置的小放大倍数端二次放大镜和光学异倍放大装置的大放大倍数端二次放大镜，使得两者的测试区域分别在预设区域，固定小放大倍数端二次放大镜和大放大倍数端二次放大镜的放大倍数参数，进行静态标定；
通过三维微位移平台控制蚀刻圆形标定板移动，以获取不同粒径微粒在在焦、正离焦及负离焦三个不同状态下的标定数据库，通过第一CCD相机和第二CCD相机进行图像采集，存储于计算机中；
(2)拆卸蚀刻圆形标定板和三维微位移步进平台，移动上述的用于高速云雾场的双视场宽域粒径高精度测量装置，使待测云雾场液滴分布在激光扩束器与一次放大镜之间的检测区域；
(3)利用第二CCD相机和第一CCD相机分别采集小放大倍数端和大放大倍数端的图像数据，分组保存于计算机；
(4)获取第一CCD相机和第二CCD相机的采集信号，即同一区域不同放大倍数下的两组图像，基于所述两组图像，将小放大倍数图像中与大放大倍数图像重合的检测区域的图像分割提取，作为小放大倍数处理图像；将小放大倍数处理图像与大放大倍数图像进行图像配准，即获取同一时刻的两张图像中相同位置被识别到的液滴，将所述液滴进行在不同图像中分别进行提取并以固定大小进行存储，分别存储在小放大倍数液滴图像组和大放大倍数液滴图像组；基于条件GAN网络，将小放大倍数液滴图像组作为输入，生成逼真放大图像，以大放大倍数液滴图像组作为鉴别对象，判断生成的逼真放大图像与大放大倍数液滴图像组是否一致，最终建立异倍放大液滴图像间的关联网络模型，使得所述的逼真放大图像与大放大倍数液滴图像组一致；
将小放大倍数组内图像中的所有液滴进行分割提取并保存，导入至建立的异倍放大液滴图像的关联网络模型中，生成逼真的放大液滴图像；
构建ResNet神经网络，将标定数据库中的标定图像导入网络，建立液滴粒径的精确识别网络；
将所述逼真放大液滴图像导入所述精确识别网络中，获得小放大倍数图像组内图像中每个液滴的粒径信息；
基于所述粒径信息计算云雾场来流参数LWC和MVD。
进一步的，步骤(4)中，所述粒径信息用于计算云雾场来流参数LWC具体为：
式中，VCSA为相机拍摄区域，
为拍摄区域内第i个被识别到的液滴的体积；
VCSA＝SCSA·Dmax (2)
式中，Dmax为视域内液滴的最大粒径值，SCSA为由相机像素及放大倍数觉得的视域面积；
式中，Di为第i个被识别到的液滴的粒径；
进一步的，步骤(4)中，所述粒径信息用于计算云雾场来流参数MVD，具体为
式中，n为视域内全部液滴的总数目。
进一步的，步骤(1)中，小放大倍数端的测试区域达到1mm3以上。
进一步的，步骤(1)中，大放大倍数端的测试粒径分辨率达到1μm以下。
与现有技术相比，本发明具有以下有益效果：
本发明提供一种用于高速云雾场的双视场宽域粒径高精度测量装置及方法，基于光学异倍放大装置同步获取不同放大倍数的相同视域液滴可视化图像，利用ResNet神经网络-GAN网络双网络耦合识别算法实现高速云雾场中液滴粒径的高精度测量，从而解决传统风洞云雾场参数测量装置时间响应性差、测量精度低、回溯算法可靠性低以及无法快速测量等问题；同时，采用光学异倍放大装置捕捉光学图像，能够同时满足液滴粒径与大视域的测试需求，解决了传统阴影法技术中液滴粒径范围广、测量视域大、空间分辨率高难以兼顾的难题；而采用ResNet神经网络-GAN网络双网络耦合识别进行标定数据的学习以及不同放大倍数液滴图像关联关系的构建，能够利用大规模数据，充分提取图像中的潜在特征，避免传统图像测量技术中对灰度等参数的过度依赖以及限制，从而提升测试精度；本发明采用可视化测量技术，测量结果精度高，测量过程具有明确的物理依据；本发明所提出的装置，结构简单、模块化设计、可搬运，适用于不同气速的气流条件，云雾场宽粒径范围和大视域内LWC、MVD的高精度快速测量。
附图说明
图1为本发明的双视场宽域粒径识别装置的结构图；
图2为本发明的云雾场液滴生成模块的结构图；
图3为本发明的云雾场液滴LWC/MVD测量的具体实施方案图；
图4为光学异倍放大装置的结构图；
图5为本发明的ResNet神经网络-GAN网络双网络耦合识别的流程图。
其中：01-第一反射镜支撑座；02-Nd:YAG激光器；03-三维微位移步进台；04-刻蚀圆形标定板；05-分束器；06-小放大倍数端二次放大镜1；07-第一CCD相机；08-第一反射镜；09-第二反射镜支撑座；10-第二反射镜；11-激光扩束器；12-一次放大镜；13-大放大倍数端二次放大镜；14-第二CCD相机；15-冷却段保温层；16-冷却段；17-供水箱；18-渐缩稳流段；19-第一喷嘴；20-风道；21-鼓风机；22-第二喷嘴；23-鼓风机进风口；24-供水管路；25-第一压缩空气输送管；26-鼓风机出风口；27-第二压缩空气输送管；28-渐扩喷管；29-液滴；30-计算机；31-一次放大镜调倍旋钮；32-二次放大镜调倍旋钮；33-信号传输接口；34-电源线。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
一种用于高速云雾场的双视场宽域粒径高精度测量装置，包括光学异倍放大及信号采集模块、高能激光光源模块、云雾场液滴生成模块、标定装置、粒径精确识别与分析模块。本发明通过云雾场液滴生成模块生成待测LWC/MVD等参数的云雾场环境，基于高能激光光源模块提供的超亮低频光源，光学异倍放大及信号采集模块对云雾场环境进行拍摄，将所得图片传输至粒径精确识别与分析模块，利用该模块内的ResNet神经网络-GAN网络双网络耦合识别算法进行液滴粒径的精确识别以及LWC/MVD等参数的测量。标定装置由蚀刻圆形标定板、三维微位移平台组成，标定板内圆形液滴的粒径分布为0.5μm-3000μm，三维微位移平台在xyz方向上的位移步长均为1μm。风洞云雾场液滴生成模块是由鼓风机、喷嘴、风道及冷却段组合而成的具有生成高速水平运动的微小液滴能力的风洞云雾场模拟装置。高能激光光源模块由短脉宽低频激光和激光扩束器组成，其作用是为光学异倍放大及信号采集模块提供足够亮度的光源(普通连续照明光源的单位照度达200000LUX但仍不能满足测试需求)，同时扩束器使光源能量不至于损坏光学元件。光学异倍放大及信号采集模块由异倍光学放大镜和两台CCD相机组成，云雾场经异倍光学放大镜和两台CCD相机后，将生成两幅不同放大倍数的图像，两幅图像能够捕捉到云雾场中同一区域内的液滴信息。这些图像信息传输至粒径精确识别与分析模块中进行液滴粒径的精确识别及LWC/MVD等参数的测量。在进行测量时，以距离风洞云雾场液滴生成模块的出口截面位置约10cm-100cm位置处为基准，将高能激光光源模块与光学异倍放大及信号采集模块分别置于其两端，且保证二者中心光轴在同一水平面内重合。最终，通过通讯光缆连接光学异倍放大及信号采集模块与粒径精确识别与分析模块。
粒径精确识别与分析模块的主体是一台高性能计算机，该计算机进行LWC参数测量是基于ResNet神经网络-GAN网络双网络耦合识别算法实现的。其详细过程为：首先，经由测试系统(光学异倍放大及信号采集模块、高能激光光源模块及风洞云雾场液滴生成模块组成)进行长时拍摄后，获取的是同一区域不同放大倍数下的两组实验图像。其中，小放大倍数组内的实验图像放大倍数小，拍摄区域更大；大放大倍数组内的实验图像放大倍数大，拍摄区域更小。因此，大放大倍数图像的实际测试区域仅为小放大倍数图像的中心区域。第二步，算法将小放大倍数图像中与大放大倍数图像重合的测试区域分割并提取，作为小放大倍数处理图像存储；第三步，算法将小放大倍数处理图像与大放大倍数图像进行图像配准，即同一时刻的两张图像中相同位置应同时存在可被识别到的液滴，将上述液滴进行提取并以固定大小进行存储，分别存储在小放大倍数液滴图像组和大放大倍数液滴图像组；第四步，算法基于条件GAN网络，将小放大倍数液滴图像组作为输出，生成逼真放大图像，以大放大倍数液滴图像组作为鉴别对象，判断生成的逼真放大图像与大放大倍数液滴图像组是否一致，最终建立异倍放大液滴图像间的关联网络模型，使得所述的逼真放大图像与大放大倍数液滴图像组一致；第五步，将小放大倍数组内实验图像中的所有液滴进行分割提取并保存后，导入至第四步建立的异倍放大液滴图像的关联网络模型，生成逼真的放大液滴图像；第六步，采用静态标定板与第一步中的大放大倍数建立液滴的标定数据库；第七步，构建ResNet神经网络，将标定数据库中的标定图像导入网络，建立液滴粒径的精确识别网络；第八步，将第五步中的逼真放大液滴图像导入第七步建立的精确识别网络，获得小放大倍数图像组内实验图像中每个液滴的粒径信息，进而计算LWC等参数。
这种基于光学异倍放大的粒径精确识别算法，一方面可以解决放大倍数过大时测量区域过小的物理难题；另一方面，由于液滴是圆形或椭圆形的简单几何形状，在神经网络中能够被更简便的提取特征及学习特征，因此构建粒径精确识别算法能够充分发挥神经网络的深度学习能力。
光学异倍放大及信号采集模块是双视场宽域粒径识别装置的关键部件。实现同一区域的异倍放大可通过下述几种不同的技术来实现。在第一种技术方案中，异倍光学放大由一个可调光学放大倍数的放大镜进行实现，通过调整放大倍数对同一视场进行拍摄。该方案具有光学放大装置简单，内部光学系统简便，成像素质好等优点；但由于光学放大倍数需要手动调整，不能同时对视场进行异倍光学放大，因此只适用于静态或稳态对象的拍摄；在第二种技术方案中，异倍光学放大由一个基础放大镜结合一分光镜，将视场内的图像进行初次放大并一分为二。而后，在分光镜的两个出口段分别设置二次放大镜，通过调整二次放大镜的放大倍数，实现同一视场同步异倍光学放大功能。该方案中的光学放大装置复杂，内部光学系统较多，相互之间需要调整匹配，且成像素质较第一种技术方案下降较大；但由于可实现同一视场同步异倍放大功能，可以针对高速非稳态、湍流场等瞬时物理对象进行高精度测量。本发明采用的为第二种技术方案。
针对本发明所提出的高速云雾场的双视场宽域粒径高精度测量装置，本发明提出了一种采用上述装置进行云雾场来流参数LWC/MVD的测量方法，步骤如下：
测量云雾场来流参数LWC/MVD等参数的主要步骤包括：实验台设置、静态标定、云雾模拟、图像采集、粒径精确识别及LWC/MVD测定等，具体包含以下步骤：
A、实验台设置，根据背光法的测试要求，将高能激光光源模块与光学异倍放大及信号采集模块，采用对向安装的方式放置。其中，为确保激光不反射至激光器谐振腔内导致激光器损坏，短脉宽低频激光出射后应经反射镜进行光路修正并导入至激光扩束器。激光扩束器的激光出口截面应与光学异倍放大装置的入口截面平行对向安装，中间留有50cm-80cm的剩余空间，用于安装标定装置和云雾场液滴生成模块等装置。此外，需要确保激光扩束器与光学异倍放大装置的光轴在同一水平面内重合；
B、静态标定，将标定装置安装于激光扩束器与光学异倍放大装置之间，蚀刻圆形标定板所在平面与激光扩束器激光出口截面平行。通过调整光学异倍放大装置的二次放大镜，确保小放大倍数端的测试区域达到1mm3以上，同时确保大放大倍数端的测试粒径分辨率达到1μm以下，固定异倍光学放大装置的放大倍数参数，并进行静态标定。静态标定通过三维微位移平台控制蚀刻标定板移动，以获取不同粒径微粒在在焦、正离焦及负离焦等三个不同状态下的标定数据库，通过两台CCD相机进行图像的采集及存储；
C、云雾模拟，将标定装置拆卸后，安装风洞云雾场液滴生成模块，该模块的冷却段出口中心截面应与标定板所在平面重合，并根据实际待测区域确定该模块的具体安装位置。打开喷嘴及冷却段，待液滴生成后，打开鼓风机，确保在待测区域内能够稳定产生液滴；
D、图像采集，维持云雾场液滴生成模块的正常工作状态，利用两台CCD相机分别采集小放大倍数端和大放大倍数端的图像数据，并分组保存；
E、粒径精确识别，将所获取的同一区域不同放大倍数下的两组实验图像分别存储为小放大倍数组和大放大倍数组。将小放大倍数图像中与大放大倍数图像重合的测试区域分割并提取，作为小放大倍数处理图像存储；将小放大倍数处理图像与大放大倍数图像进行图像配准，识别一对图像中相同的液滴进行提取并以固定大小进行存储，分别存储在小放大倍数液滴图像组和大放大倍数液滴图像组；基于条件GAN网络，将小放大倍数液滴图像组作为输入，建立异倍放大液滴图像间的关联网络模型，使得所述的逼真放大图像与大放大倍数液滴图像组一致；将小放大倍数组内实验图像中的所有液滴进行分割提取并保存后，导入至异倍放大液滴图像的关联网络模型，生成逼真的放大液滴图像；将标定数据库中的标定图像导入ResNet神经网络，建立液滴粒径的精确识别网络；将逼真放大液滴图像导入液滴粒径的精确识别网络，获得小放大倍数图像组内实验图像中每个液滴的粒径信息Di；
F、LWC/MVD测量，将基于光学异倍放大及ResNet神经网络-GAN网络双网络耦合识别算法获取的液滴粒径统计信息按照式1、式2、式3及式4进行二次处理，完成云雾场的LWC及MVD测量结果，并输出和保存。
式中，VCSA为相机拍摄区域(Camera shooting area)，本方法中可由式2计算得到，
为拍摄区域内每个被识别到的液滴的体积，遵照球形液滴假设，其体积由式3计算得到。
VCSA＝SCSA·Dmax(2)
式中，Dmax为视域内液滴的最大粒径值，SCSA为由相机像素及放大倍数觉得的视域面积。
式中，Di为第i个被识别到的液滴的粒径。
式中，n为视域内全部液滴的总数目。
下面结合附图对本发明做进一步详细描述：
参见图1，图1为本发明的双视场宽域粒径识别装置的结构图，本发明的双视场宽域粒径识别装置，包括第一反射镜支撑座01、Nd:YAG激光器02、三维微位移步进台03、刻蚀圆形标定板04、分束器05、小放大倍数端二次放大镜06、第一CCD相机07、第一反射镜08、第二反射镜支撑座09、第二反射镜10、激光扩束器11、一次放大镜12、大放大倍数端二次放大镜13和第二CCD相机14；其中，Nd:YAG激光器02的光路通过第一反射镜08和第二反射镜10的反射后进入到激光扩束器11内；激光扩束器11和一次放大镜12相对设置，激光扩束器11与一次放大镜12的光轴在同一水平面内重合，两者之间的距离为50～80cm，一次放大镜12的光束出侧设有分束器05，分束器05将进入的光路一分为二，一路连接有光学异倍放大装置的小放大倍数端二次放大镜06，小放大倍数端二次放大镜06连接有第一CCD相机07，另一路连接有光学异倍放大装置的大放大倍数端二次放大镜13，大放大倍数端二次放大镜13连接有第二CCD相机14，第一CCD相机07和第二CCD相机14的数据传输至计算机30；
激光扩束器11与一次放大镜12之间设有刻蚀圆形标定板04，刻蚀圆形标定板04连接有三维微位移步进台03。
参见图2，图2为本发明的云雾场液滴生成模块的结构图；本发明的云雾场液滴生成模块，包括冷却段保温层15、冷却段16、供水箱17、渐缩稳流段18、第一喷嘴19、风道20、鼓风机21、第二喷嘴22、鼓风机进风口23、供水管路24、第一压缩空气输送管25、鼓风机出风口26、第二压缩空气输送管27和渐扩喷管28；鼓风机21上设有鼓风机进风口23，鼓风机21的鼓风机出风口26连接有第一压缩空气输送管25，第一压缩空气输送管25与第二压缩空气输送管27之间连接有渐扩喷管28，第二压缩空气输送管27的末端设有风道20，风道20的两侧壁相对设有第一喷嘴19和第二喷嘴22，第一喷嘴19和第二喷嘴22通过供水管路24连接有供水箱17，风道20的出口依次连接有渐缩稳流段18和冷却段16，冷却段16外侧设有冷却段保温层15，冷却段16的出口产生液滴29。
参见图3，图3为本发明的云雾场液滴LWC/MVD测量的具体实施方案图，风洞云雾场液滴生成模块的冷却段16出口在激光扩束器11与一次放大镜12之间的有效检测区域内。
参见图4，图4为光学异倍放大装置的结构图，可以看出，光学异倍放大装置包括分束器05，分束器05的进光口上连接有一次放大镜12，一次放大镜12侧设有一次放大镜调倍旋钮31，分束器05的一个光路出口通过小放大倍数端二次放大镜06连接有第一CCD相机07，另一个光路出口通过大放大倍数端二次放大镜13连接有第二CCD相机14，第一CCD相机07和第二CCD相机14上均设有信号传输接口33和电源线34。
本发明的一种高速云雾场中双视场宽域粒径识别装置包括Nd:YAG激光器2、激光扩束器11、一次放大镜12、小放大倍数端二次放大镜6、大放大倍数端二次放大镜13、第一CCD相机7和第二CCD相机14。
液滴29由第一喷嘴19和第二喷嘴22生成的微小液滴经冷却段16生成，鼓风机21提供的气流经鼓风机出风口26、压缩空气输送管25、渐扩喷管28、压缩空气输送管27、风道20、渐缩稳流段18及冷却段16，将液滴29吹送至激光扩束器11与一次放大镜12之间的有效检测区域内。
液滴信息由一次放大镜捕捉后，由其后端的分束器5将信号分为两份，第一CCD相机7和第二CCD相机14分别安装在小放大倍数端二次放大镜6和大放大倍数端二次放大镜13后，用于分别捕捉异倍放大的液滴图像，所获得的图像由信号传输接口33导入至计算机30中，采用ResNet神经网络-GAN网络双网络耦合识别算法进行液滴精确计算。
具体的，如图1所示，本发明提出的用于高速云雾场中双视场宽域粒径识别装置，以实验室内风洞模拟装置内产生的液滴为例，该装置使用时，进行LWC及MVD测量包括如下具体步骤：
(1)根据背光法的测试要求，将高能激光光源模块中的激光扩束器11与光学异倍放大及信号采集模块中的一次放大镜12，采用对向安装的方式放置。其中，为确保激光不反射至激光器2谐振腔内导致激光器2损坏，短脉宽低频激光出射后应经反射镜8和反射镜9进行光路修正并导入至激光扩束器11。激光扩束器11的激光出口截面应与一次放大镜12的入口截面平行对向安装，中间留有50～80cm的距离，用于安装蚀刻圆形标定板4和云雾场液滴生成模块等装置。此外，需要确保激光扩束器11与一次放大镜12的光轴在同一水平面内重合；
(2)将蚀刻圆形标定板4安装于激光扩束器11与一次放大镜12之间，蚀刻圆形标定板4所在平面与激光扩束器11激光出口截面平行。调整光学异倍放大装置的小放大倍数端二次放大镜6，确保小放大倍数端的测试区域达到1mm3以上，调整光学异倍放大装置的大放大倍数端二次放大镜13，确保大放大倍数端的测试粒径分辨率达到1μm以下，固定小放大倍数端二次放大镜6和大放大倍数端二次放大镜13的放大倍数参数，并进行静态标定。静态标定通过三维微位移平台3控制蚀刻圆形标定板4移动，以获取不同粒径微粒(0.5μm-200μm)在在焦、正离焦及负离焦三个不同状态下的标定数据库，通过第一CCD相机7和第二CCD相机14进行图像的采集，并存储于计算机30中；
(3)将蚀刻圆形标定板4和三维微位移步进平台3拆卸后，安装云雾场液滴生成模块，该模块的冷却段16出口中心截面与蚀刻圆形标定板4所在平面重合，并根据实际待测区域确定该模块的具体安装位置。打开第一喷嘴19、第二喷嘴22及冷却段16，待液滴29生成后，打开鼓风机21，确保在待测区域内能够稳定产生液滴29；
(4)维持云雾场液滴生成模块的工作状态，利用第二CCD相机14和第一CCD相机7分别采集小放大倍数端和大放大倍数端的图像数据，分组保存于计算机30；
(5)将所获取的同一区域不同放大倍数下的两组实验图像分别存储为小放大倍数组和大放大倍数组。将小放大倍数图像中与大放大倍数图像重合的测试区域分割并提取，作为小放大倍数处理图像存储；将小放大倍数处理图像与大放大倍数图像进行图像配准，识别一对图像中相同的液滴进行提取并以固定大小进行存储，分别存储在小放大倍数液滴图像组和大放大倍数液滴图像组；基于条件GAN网络，将小放大倍数液滴图像组作为输入，建立异倍放大液滴图像间的关联网络模型，使得所述的逼真放大图像与大放大倍数液滴图像组一致；将小放大倍数组内实验图像中的所有液滴进行分割提取并保存后，导入至异倍放大液滴图像的关联网络模型，生成逼真的放大液滴图像；将标定数据库中的标定图像导入ResNet神经网络，建立液滴粒径的精确识别网络；将逼真放大液滴图像导入液滴粒径的精确识别网络，获得小放大倍数图像组内实验图像中每个液滴的粒径信息Di；
(6)将基于光学异倍放大及ResNet神经网络-GAN网络双网络耦合识别算法获取的液滴粒径统计信息按照式1、式2、式3及式4进行二次处理，完成云雾场的LWC测量结果，并输出和保存；
式中，VCSA为相机拍摄区域(Camera shooting area)，本发明中式2计算得到，
为拍摄区域内第i个被识别到的液滴的体积，遵照球形液滴假设，其体积由式3计算得到；
VCSA＝SCSA·Dmax (2)
式中，Dmax为视域内液滴的最大粒径值，SCSA为由相机像素及放大倍数觉得的视域面积。
式中，Di为第i个被识别到的液滴的粒径；
式中，n为视域内全部液滴的总数目。
(7)关闭鼓风机21、第二CCD相机14、第一CCD相机7和Nd:YAG激光器2，将反射镜8、反射镜9、激光扩束器11、一次放大镜12、分束器5、小放大倍数端二次放大镜6及大放大倍数端二次放大镜13等光学元件拆卸后，放置于防尘间内，并清洁实验室内环境。
以上内容仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明权利要求书的保护范围之内。
Claims (7)
1.一种用于高速云雾场的双视场宽域粒径高精度测量装置，其特征在于，包括双视场宽域粒径识别装置；
所述双视场宽域粒径高精度测量装置包括激光扩束器(11)、光学异倍放大装置和计算机(13)；所述光学异倍放大装置包括分束器(05)，分束器(05)的进光口上连接有一次放大镜(12)，一次放大镜(12)侧设有一次放大镜调倍旋钮(31)，分束器(05)的一个光路出口通过小放大倍数端二次放大镜(06)连接有第一CCD相机(07)，另一个光路出口通过大放大倍数端二次放大镜(13)连接有第二CCD相机(14)，第一CCD相机(07)和第二CCD相机(14)上均设有信号传输接口(33)和电源线(34)，信号传输接口(33)连接有计算机(30)，所述计算机(30)内设有识别模块；所述激光扩束器(11)入口用于接收激光，所述激光扩束器(11)和一次放大镜(12)相对设置，激光扩束器(11)与一次放大镜(12)的光轴在同一水平面内重合，两者之间的距离为50～80cm；
当进行识别时，待测的云雾场液滴进入到激光扩束器(11)与一次放大镜(12)之间的检测区域；
识别模块用于接收第一CCD相机(07)和第二CCD相机(14)的采集信号，即同一区域不同放大倍数下的两组图像，基于所述两组图像，将小放大倍数图像中与大放大倍数图像重合的检测区域的图像分割提取，作为小放大倍数处理图像；将小放大倍数处理图像与大放大倍数图像进行图像配准，即获取同一时刻的两张图像中相同位置被识别到的液滴，将所述液滴在不同图像中分别进行提取并以固定大小进行存储，分别存储在小放大倍数液滴图像组和大放大倍数液滴图像组；基于条件GAN网络，将小放大倍数液滴图像组作为输入，生成逼真放大图像，以大放大倍数液滴图像组作为鉴别对象，判断生成的逼真放大图像与大放大倍数液滴图像组是否一致，不断训练直至建立异倍放大液滴图像间的关联网络模型，使得所述的逼真放大图像与大放大倍数液滴图像组一致；
将小放大倍数组内图像中的所有液滴进行分割提取并保存，输入至建立的异倍放大液滴图像的关联网络模型中，生成逼真的放大液滴图像；
构建ResNet神经网络，将标定数据库中的标定图像输入ResNet神经网络，建立液滴粒径的精确识别网络；
将所述逼真放大液滴图像输入所述精确识别网络中，获得小放大倍数图像组内图像中每个液滴的粒径信息；
基于所述粒径信息计算云雾场来流参数LWC和MVD。
2.根据权利要求1所述的用于高速云雾场的双视场宽域粒径高精度测量装置，其特征在于，所述激光扩束器(11)入口处的激光由Nd:YAG激光器(02)经过两级反射得到。
3.一种用于高速云雾场的双视场宽域粒径高精度测量方法，其特征在于，包括以下步骤：
(1)将蚀刻圆形标定板(4)安装于激光扩束器(11)与一次放大镜(12)之间，蚀刻圆形标定板(4)所在平面与激光扩束器(11)激光出口截面平行，调整光学异倍放大装置的小放大倍数端二次放大镜(6)和光学异倍放大装置的大放大倍数端二次放大镜(13)，使得两者的测试区域分别在预设区域，固定小放大倍数端二次放大镜(6)和大放大倍数端二次放大镜(13)的放大倍数参数，进行静态标定；
通过三维微位移平台(3)控制蚀刻圆形标定板(4)移动，以获取不同粒径微粒在在焦、正离焦及负离焦三个不同状态下的标定数据库，通过第一CCD相机(7)和第二CCD相机(14)进行图像采集，存储于计算机(30)中；
(2)拆卸蚀刻圆形标定板(4)和三维微位移步进平台(3)，移动权利要求1或2所述的用于高速云雾场的双视场宽域粒径高精度测量装置，使待测云雾场液滴分布在激光扩束器(11)与一次放大镜(12)之间的检测区域；
(3)利用第二CCD相机(14)和第一CCD相机(7)分别采集小放大倍数端和大放大倍数端的图像数据，分组保存于计算机(30)；
(4)获取第一CCD相机(07)和第二CCD相机(14)的采集信号，即同一区域不同放大倍数下的两组图像，基于所述两组图像，将小放大倍数图像中与大放大倍数图像重合的检测区域的图像分割提取，作为小放大倍数处理图像；将小放大倍数处理图像与大放大倍数图像进行图像配准，即获取同一时刻的两张图像中相同位置被识别到的液滴，将所述液滴进行在不同图像中分别进行提取并以固定大小进行存储，分别存储在小放大倍数液滴图像组和大放大倍数液滴图像组；基于条件GAN网络，将小放大倍数液滴图像组作为输入，生成逼真放大图像，以大放大倍数液滴图像组作为鉴别对象，判断生成的逼真放大图像与大放大倍数液滴图像组是否一致，最终建立异倍放大液滴图像间的关联网络模型，使得所述的逼真放大图像与大放大倍数液滴图像组一致；
将小放大倍数组内图像中的所有液滴进行分割提取并保存，导入至建立的异倍放大液滴图像的关联网络模型中，生成逼真的放大液滴图像；
构建ResNet神经网络，将标定数据库中的标定图像导入网络，建立液滴粒径的精确识别网络；
将所述逼真放大液滴图像导入所述精确识别网络中，获得小放大倍数图像组内图像中每个液滴的粒径信息；
基于所述粒径信息计算云雾场来流参数LWC和MVD。
4.根据权利要求3所述的用于高速云雾场的双视场宽域粒径高精度测量方法，其特征在于，步骤(4)中，所述粒径信息用于计算云雾场来流参数LWC具体为：
式中，VCSA为相机拍摄区域，Vd i roplet为拍摄区域内第i个被识别到的液滴的体积；
VCSA＝SCSA·Dmax (2)
式中，Dmax为视域内液滴的最大粒径值，SCSA为由相机像素及放大倍数觉得的视域面积；
式中，Di为第i个被识别到的液滴的粒径。
5.根据权利要求3所述的用于高速云雾场的双视场宽域粒径高精度测量方法，其特征在于，步骤(4)中，所述粒径信息用于计算云雾场来流参数MVD具体为
式中，n为视域内全部液滴的总数目。
6.根据权利要求3所述的用于高速云雾场的双视场宽域粒径高精度测量方法，其特征在于，步骤(1)中，小放大倍数端的测试区域达到1mm3以上。
7.根据权利要求3所述的用于高速云雾场的双视场宽域粒径高精度测量方法，其特征在于，步骤(1)中，大放大倍数端的测试粒径分辨率达到1μm以下。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310061785.2A CN116046617A (zh) | 2023-01-17 | 2023-01-17 | 一种用于高速云雾场的双视场宽域粒径高精度测量装置及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310061785.2A CN116046617A (zh) | 2023-01-17 | 2023-01-17 | 一种用于高速云雾场的双视场宽域粒径高精度测量装置及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116046617A true CN116046617A (zh) | 2023-05-02 |
Family
ID=86132873
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310061785.2A Pending CN116046617A (zh) | 2023-01-17 | 2023-01-17 | 一种用于高速云雾场的双视场宽域粒径高精度测量装置及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116046617A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116895039A (zh) * | 2023-09-11 | 2023-10-17 | 中国空气动力研究与发展中心低速空气动力研究所 | 一种结冰云雾伪颗粒图像识别及特征参数测量方法 |
| CN117890068A (zh) * | 2024-03-14 | 2024-04-16 | 中国空气动力研究与发展中心低速空气动力研究所 | 一种结冰云雾颗粒尺寸重构方法及计算机可读存储介质 |
-
2023
- 2023-01-17 CN CN202310061785.2A patent/CN116046617A/zh active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116895039A (zh) * | 2023-09-11 | 2023-10-17 | 中国空气动力研究与发展中心低速空气动力研究所 | 一种结冰云雾伪颗粒图像识别及特征参数测量方法 |
| CN116895039B (zh) * | 2023-09-11 | 2023-11-17 | 中国空气动力研究与发展中心低速空气动力研究所 | 一种结冰云雾伪颗粒图像识别及特征参数测量方法 |
| CN117890068A (zh) * | 2024-03-14 | 2024-04-16 | 中国空气动力研究与发展中心低速空气动力研究所 | 一种结冰云雾颗粒尺寸重构方法及计算机可读存储介质 |
| CN117890068B (zh) * | 2024-03-14 | 2024-05-24 | 中国空气动力研究与发展中心低速空气动力研究所 | 一种结冰云雾颗粒尺寸重构方法及计算机可读存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116046617A (zh) | 一种用于高速云雾场的双视场宽域粒径高精度测量装置及方法 | |
| CN108535321B (zh) | 一种基于三维红外热成像技术的建筑热工性能检测方法 | |
| CN104976960B (zh) | 一种雨滴物理特性观测方法 | |
| US7826653B2 (en) | Fluid measuring system and long focal point optical system | |
| CN104316443B (zh) | 一种基于ccd后向散射的pm 2.5浓度监测方法 | |
| TWI409452B (zh) | 一種光學式超音波觀測裝置及其延遲同步控制的方法 | |
| CN104596645B (zh) | 复杂环境全偏振多角度散射模拟及测试系统 | |
| CN1464288A (zh) | 基于激光片光成像的粒子场全场测量方法及其装置 | |
| CN101922895A (zh) | 小靶面立靶密集度光电测量装置 | |
| CN204831196U (zh) | 一种便携式宽光谱多光轴平行检校装置 | |
| CN102382918B (zh) | 一种在线测量高炉料面的系统和方法 | |
| CN107146223B (zh) | 一种输电塔及输电线位移耦合的分析系统及方法 | |
| CN106840011A (zh) | 铁塔变形测量装置及其方法 | |
| CN111811776B (zh) | 一种喷雾流场的测量方法和系统 | |
| CN112683494A (zh) | 一种光学镜头综合性能参数测试装置及方法 | |
| CN107589551A (zh) | 一种多孔径偏振成像装置及系统 | |
| CN106198325A (zh) | 一种在线检测悬浮液中微小颗粒大小分布的背向弹性散射光谱测量分析系统及分析方法 | |
| JP2007033306A (ja) | 流体の流動計測システム及びその計測方法 | |
| CN108830840A (zh) | 一种电路板缺陷的主动智能检测方法及其应用 | |
| CN109307809B (zh) | 一种采用粒子图像测速的电场测量设备及方法 | |
| CN114898238A (zh) | 一种野生动物遥感识别方法及装置 | |
| CN108802035A (zh) | 一种基于弥散光纤和视觉测量的发动机叶片气孔检测系统 | |
| CN117928875A (zh) | 一种风洞流场的时间分辨偏振成像装置及方法 | |
| CN106525239B (zh) | 光栅式成像光谱仪空间光谱辐射亮度响应度定标装置及方法 | |
| CN111442898A (zh) | 一种用于测试农药雾滴空间运行特征与飘移沉积的中小型低速风洞试验装置 |
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 |