CN117232395A - 一种压敏漆图像激波位置自动识别方法 - Google Patents
一种压敏漆图像激波位置自动识别方法 Download PDFInfo
- Publication number
- CN117232395A CN117232395A CN202311509941.3A CN202311509941A CN117232395A CN 117232395 A CN117232395 A CN 117232395A CN 202311509941 A CN202311509941 A CN 202311509941A CN 117232395 A CN117232395 A CN 117232395A
- Authority
- CN
- China
- Prior art keywords
- pressure
- shock wave
- matrix
- gradient
- vector
- 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
Links
- 230000035939 shock Effects 0.000 title claims abstract description 128
- 238000000034 method Methods 0.000 title claims abstract description 50
- 239000003973 paint Substances 0.000 title claims abstract description 45
- 238000012360 testing method Methods 0.000 claims abstract description 27
- 239000013598 vector Substances 0.000 claims description 70
- 239000011159 matrix material Substances 0.000 claims description 64
- 238000007667 floating Methods 0.000 claims description 9
- 238000012805 post-processing Methods 0.000 abstract description 7
- 238000011160 research Methods 0.000 abstract description 6
- 238000005516 engineering process Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000009530 blood pressure measurement Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000005284 excitation Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 239000011248 coating agent Substances 0.000 description 2
- 238000000576 coating method Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000010349 pulsation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Classifications
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Image Processing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种压敏漆图像激波位置自动识别方法,涉及风洞试验技术领域,该方法基于压敏漆测压试验结果图像,采用压力梯度方法自动辨识模型表面激波,并绘制激波线与激波位置。本发明提供一种压敏漆图像激波位置自动识别方法,能够拓展压敏漆试验图像后处理功能,提高激波识别精度,并大幅缩减激波位置研判工作量,提高压敏漆结果后处理效率。
Description
技术领域
本发明涉及风洞试验技术领域,具体涉及一种在光学压敏漆测压风洞试验技术中,基于压敏漆试验图像结果的模型激波位置自动识别方法。
背景技术
飞行器以亚声速飞行时,扰动传播速度比飞行器飞行速度大,不会产生扰动集中,飞行器表面流场的流动参数(如速度、压力、密度等)分布是连续的。而当飞行器以超音速飞行时,扰动速度小于飞行速度,气体受到飞行器突越式的压缩,形成集中强扰动,会在飞行器周围流场局部产生压缩界面,称为激波。
激波会产生流场压力、温度、密度的强间断,影响飞行器机体内外表面的压力与温度分布,同时激波/附面层、激波/湍流等耦合影响会较大改变飞行器扰流形态,影响飞行器气动特性。如,飞行器跨超声速飞行时激波波阻占总阻的比重较大,影响飞行器的升阻比和航程,高超声速飞行器激波强加热造成的局部热防护问题,进气道隔离段复杂波系引起的进气启动与内流脉动问题等等。基于上述激波可能导致的飞行器内外流气动、结构、热防护等诸多影响,激波位置研判一直是航空航天业界的关注热点之一。
传统的激波位置诊判有数值模拟和风洞试验两种方法。常用的数值模拟方法包括激波捕捉法和激波装配法,激波捕捉法通过在N-S方程差分格式中直接或间接加入粘性项使间断光滑,一般采用Lax格式、TVD法、Godunov法等,激波位置计算模拟精度受流场与边界设置、网格细化程度和算法适用性影响较大。激波装配法把激波当作未知的运动边界,按照激波间断条件计算激波位置,具有精度高、物理意义明确等优点,但计算复杂度较高,仅适用于简单流动现象中的激波捕捉。高速风洞中常采用纹影法和压敏漆法测量激波位置,纹影法是风洞试验中常用的一种光学测量方法,原理是利用光在被测流场中的折射率梯度正比于流场的气流密度测量激波、膨胀波形态和位置,可以获得空间三维激波形态与位置,但因为纹影图是沿光路积分成像的结果,无法判断激波沿光路分布的位置。压敏漆法基于模型表面压敏涂层激发光强度与表面压力反比的关系,通过相机采集表面涂层光强可以获得模型表面的压力分布图谱,然后通过激波前后表面压力突变的特点可以准确获取模型表面激波分布形态与位置。目前,压敏漆试验技术已较为成熟,通过压敏漆测压试验获取模型表面激波位置的方法已大量在风洞测试中采用,但基于压敏漆压力分布结果图像判断激波位置一般还采用人眼辨识的方法,没能实现机器自动研判方法,后处理效率较低,同时,人眼识别随意性较大,没有统一的研判标准,处理结果误差较大。
发明内容
本发明的一个目的是解决至少上述问题和/或缺陷,并提供至少后面将说明的优点。
为了实现本发明的这些目的和其它优点,提供了一种压敏漆图像激波位置自动识别方法,包括:
S1、基于压敏漆试验获得的模型表面压力或压力系数结果图像,获得对应的矩阵,矩阵中横轴为图像像素点的x方向坐标,纵轴为图像像素点的y方向坐标;
S2、基于S1中得到的矩阵,按照流向方向计算模型表面的压力梯度矩阵;
S3、按流向的法向将S2中得到的压力梯度矩阵拆解为压力梯度向量组,采用比对法获得每个梯度向量中最大值的坐标位置,依次赋值给一个新设置的空向量Iy中,以向量Iy的数据长度,再设置一个相同数据长度的向量Ix,向量Ix从第一个数值到最后一个数值依次为整数序列1~n,n为向量长度,通过[Ix Iy]构成初始激波位置点集合;
S4、将Iy的平均值设为I_meany,计算向量中每个数值Iyi与I_mean差量的绝对值,将绝对值最小的[Ixi Iyi]设置为激波线的初始像素点[Ix0 Iy0];
S5、设置激波线绘制连线相邻像素距离阈值,提取[Ix Iy]中与[Ix0 Iy0]相邻的像素点坐标[Ix1 Iy1],将[Ix1 Iy1]与[Ix0 Iy0]之间的距离与阈值进行比对,以根据判断结果确定是将[Ix1 Iy1]设置为新的初始点[Ix0 Iy0],还是设置为[0 0];
S6、重复S5直到将所有间距大于阈值的初始激波位置点赋为0值为止,最后再将值为[0 0]的像素点从[Ix Iy]中去除,获得最终激波位置点集合[Ix_f Iy_f],完成激波位置点识别。
优选的是,还包括:
S7、将最终激波位置点[Ix_f Iy_f]依次连接,完成模型表面的激波线绘制。
优选的是,还包括:
S8、基于矩阵中的压力矩阵计算流向方向的模型长度L1,基于最终激波位置点[Ix_f Iy_f]计算激波像素点距离模型前缘的距离L2,则激波相对模型的相对位置L3通过下式获得:
L3=L2/L1。
优选的是,在S1中,所述矩阵为m×n的浮点型数据矩阵,其中m为模型表面压力/压力系数结果图像在y轴上的像素个数,n为压力/压力系数结果图像在x轴上的像素个数,矩阵中对应[i j]像素点位置处的数值Pi,j为该像素坐标处的模型表面压力/压力系数值。
优选的是,在S2中,压力梯度矩阵的获取方式为:
若流向方向为y轴方向,则像素[i j]点处的梯度值gradienti,j通过下式得到:
gradienti,j=(Pi,j+m-Pi,j-m)/(2×m1)
若流向方向为x轴方向,则像素[i j]点处的梯度值gradienti,j通过下式得到:
gradienti,j=(Pi+m,j-Pi-m,j)/(2×m1)
上式中,m1为求导梯度像素间隔,Pi,j为像素坐标处的模型表面压力/压力系数值;
压力梯度矩阵的具体结构与矩阵中的压力矩阵一致,矩阵中对应[i j]像素点位置处的数值gradienti,j为该像素坐标处的模型表面压力梯度值。
优选的是,在S3中,压力梯度向量组的获取方式为:
在压力梯度矩阵中,若流向方向为y轴方向,流向的法向为x轴方向,则压力梯度向量组中的向量共n个,且每个向量为1×m的浮点型数据向量;
在压力梯度矩阵中,若流向方向为x轴方向,流向的法向为y轴方向,则压力梯度向量组中向量共m个,且每个向量为1×n的浮点型数据向量;
其中,m为压敏漆试验获得的模型表面压力结果图像的y轴像素个数,n为压力结果图像的x轴像素个数。
优选的是,在S8中,若流向为y方向,按照流向方向遍历搜索压力矩阵中非空的第一个像素点坐标y0和最后一个像素点坐标yn,流向方向模型长度为yn-y0,基于最终激波位置点[Ix_f Iy_f],则激波距离模型前缘的距离为Iy_f- y0,激波相对模型的相对位置为(Iy_f- y0)/(yn-y0);
若流向为x方向,按照流向方向遍历搜索压力矩阵中非空的第一个像素点坐标x0和最后一个像素点坐标xn,流向方向模型长度为xn-x0,基于最终激波位置点[Ix_f Iy_f],则激波距离模型前缘的距离为Ix_f- x0,激波相对模型的相对位置为(Ix_f- x0)/(xn-x0)。
本发明至少包括以下有益效果:本发明公开了一种压敏漆图像激波位置自动识别方法,通过该方法,可以机器自动准确辨识模型表面激波位置,拓展了压敏漆试验图像后处理功能,提高激波位置识别精度,并大幅缩减激波位置研判工作量,具体来说,本发明的识别方法采用标准化判定准则识别模型表面激波位置,避免了传统上人眼识别随意性强的问题,提高了激波位置识别精度;进一步地,本发明的识别方法可以采用机器自动识别进行图像处理,实现了海量试验图像激波位置自动化批处理能力,大幅缩减了激波位置研判工作量,提高了图像后处理效率,进一步提升了压敏漆技术的工程实用性。
本发明的其它优点、目标和特征将部分通过下面的说明体现,部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。
附图说明
图1为本发明提供的一种压敏漆图像激波位置自动识别方法流程图;
图2为本发明的实施例1在流向为x方向上,采用的模型表面压力系数图像;
图3为本发明实施例1在流向为x方向上的模型表面压力梯度图像;
图4为本发明实施例1在流向为x方向上的模型表面激波位置识别图像;
图5为本发明的实施例1在流向为y方向上,采用的模型表面压力系数图像;
图6为本发明实施例1在流向为y方向上的模型表面压力梯度图像;
图7为本发明实施例1在流向为y方向上的模型表面激波位置识别图像。
具体实施方式
下面结合附图对本发明做进一步的详细说明,以令本领域技术人员参照说明书文字能够据以实施。
一种压敏漆图像激波位置自动识别方法,该方法可以基于压敏漆测压试验结果图像,采用压力梯度方法自动辨识模型表面激波,并绘制激波线与激波位置,采用该方法能够拓展压敏漆试验图像后处理功能,提高激波识别精度,并大幅缩减激波位置研判工作量,提高后处理效率。
本发明通过如下技术方案解决其技术问题: 一种压敏漆图像激波位置自动识别方法,包括以下步骤:
S1、机器读入压敏漆试验获得的模型表面压力/压力系数结果图像,获得压力/压力系数矩阵数据,矩阵中横轴为图像像素点的x方向坐标,纵轴为图像像素点的y方向坐标;
S2、基于压力/压力系数矩阵数据,按照流向方向计算模型表面压力梯度矩阵数据;
S3、按流向的法向将压力梯度矩阵拆解为压力梯度向量组,向量组中每个向量的数据长度即为压力梯度矩阵流向方向长度,向量组个数即为压力梯度矩阵法向方向长度;
S4、采用比对法获得每个梯度向量中最大值的坐标位置,依次赋值给一个新设置的空向量中(新设置向量为Iy),根据向量Iy的数据长度(数据长度假设为n),再设置一个相同数据长度的空向量Ix,向量Ix从第一个数值到最后一个数值依次为1~n,[Ix Iy]构成初始激波位置点集合;
S5、计算Iy的平均值(平均值假设为I_mean),计算Iy向量中每个数值Iyi与平均值I_mean的差量绝对值,其中绝对值最小的[Ixi Iyi]设置为绘制激波线的初始点[Ix0Iy0];
S6、设置激波线绘制连线相邻像素距离阈值,提取初始激波位置点集合[Ix Iy]中与初始像素点[Ix0 Iy0]相邻的像素点坐标[Ix1 Iy1],计算点对[Ix1 Iy1]与[Ix0 Iy0]的距离,若距离小于阈值,则设相邻像素点[Ix1 Iy1]为新的初始点[Ix0 Iy0],若距离大于阈值,则设相邻像素点[Ix1 Iy1]值为[0 0],重复上述步骤,直到将所有间距大于阈值的初始激波位置点赋为0值为止,最后再将值为[0 0]的像素点从[Ix Iy]中去除,获得最终激波位置点集合[Ix_f Iy_f],完成激波位置点识别计算;
S7、依次连接最终激波位置点[Ix_f Iy_f],完成模型表面激波线绘制;
S8、基于S1获得的压力矩阵计算流向方向模型长度,基于S7获得的最终激波位置点[Ix_f Iy_f]计算激波像素点距离模型前缘的距离,通过激波距前缘的距离除模型流向长度获得激波相对模型的相对位置;
进一步地,所述S1步骤所述的压力/压力系数矩阵数据具体结构为:
为m×n的浮点型数据矩阵,其中m为压敏漆试验获得的模型表面压力/压力系数结果图像的y轴像素个数,n为压力/压力系数结果图像的x轴像素个数,矩阵中对应[i j]像素点位置处的数值Pi,j为该像素坐标处的模型表面压力/压力系数值;
进一步地,所述S2步骤具体为:
S21、所述计算模型表面压力梯度矩阵的具体方法为:若流向方向为y轴方向,首先设置求导梯度像素间隔m,则像素[i j]点处的梯度值gradienti,j=(Pi,j+m-Pi,j-m)/(2×m),m一般设为2;若流向方向为x轴方向,首先设置求导梯度像素间隔m,则像素[i j]点处的梯度值gradienti,j=(Pi+m,j-Pi-m,j)/(2×m),m一般设为2;
S22、所述压力梯度矩阵具体结构与S1中的压力矩阵一致,即:为m×n的浮点型数据矩阵,其中m为压敏漆试验获得的模型表面压力结果图像的y轴像素个数,n为压力结果图像的x轴像素个数,矩阵中对应[i j]像素点位置处的数值gradienti,j为该像素坐标处的模型表面压力梯度值。
进一步地,所述S3步骤具体为:
S31、若流向方向为y轴方向,则流向的法向为x轴方向,所述压力梯度向量组中每个向量为1×m的浮点型数据向量,向量组中的向量共n个。若流向方向为x轴方向,则流向的法向为y轴方向,所述压力梯度向量组中每个向量为1×n的浮点型数据向量,向量组中的向量共m个。其中m为压敏漆试验获得的模型表面压力结果图像的y轴像素个数,n为压力结果图像的x轴像素个数。
进一步地,所述S4步骤具体为:
S41、所述的对比法具体步骤为:首先,对比搜寻压力梯度向量组中第一个向量中的最大值,并将最大值所处的序号作为该向量中的梯度最大位置坐标赋值给向量Iy的序号1位置,采用上述方法循环搜寻所有向量的最大值及最大值所处序号并赋值给向量Iy的相应序号位置。
进一步地,所述的相邻像素距离阈值用于比较初始激波位置点集合中相邻像素点位置,大于阈值的判定为错误识别的噪点,一般设为5。
进一步地,所述S8步骤具体为:
S81、若流向为y方向,按照流向方向遍历搜索S1获得的压力矩阵中非空的第一个像素点坐标y0和最后一个像素点坐标yn,流向方向模型长度为yn-y0,基于S7获得的最终激波位置点[Ix_f Iy_f],则激波距离模型前缘的距离为Iy_f- y0,激波相对模型的相对位置为(Iy_f- y0)/(yn-y0)。若流向为x方向,按照流向方向遍历搜索S1获得的压力矩阵中非空的第一个像素点坐标x0和最后一个像素点坐标xn,流向方向模型长度为xn-x0,基于S7获得的最终激波位置点[Ix_f Iy_f],则激波距离模型前缘的距离为Ix_f- x0,激波相对模型的相对位置为(Ix_f- x0)/(xn-x0)。
本发明的一种压敏漆图像激波位置自动识别方法的特点是:①基于压敏漆测压试验结果图像,依据压力梯度最大的判别方法辨识模型表面激波位置,辨识标准统一化,避免了人眼识别随意性强的问题,提高了激波位置识别精度。②该方法可以采用机器自动识别进行图像处理,实现了海量试验状态图像激波位置自动化批处理能力,大幅缩减了激波位置研判工作量,提高了图像后处理效率,进一步提升了压敏漆技术的工程实用性。
实施例1
本实施例的试验模型为自然层流翼型模型,试验马赫数0.75,迎角0°,在模型上表面,从下至上依次覆盖压敏涂料底漆和压敏涂料面漆。压敏漆风洞试验测量装置包括压敏涂料、科学级相机、激发光源、同步触发器和数据处理工控机。
采用本发明的一种压敏漆图像激波位置自动识别方法,可以自动批量识别模型表面激波位置,如图1-图7,包括以下步骤:
S1、读入压敏漆试验获得的层流翼型模型表面压力系数结果图像(图2、图5),获得压力系数矩阵数据;
S2、基于压力系数矩阵数据,按照流向方向计算模型表面压力梯度矩阵数据(如图3、图6);
S3、按流向的法向将压力梯度矩阵拆解为压力梯度向量组,向量组中每个向量的数据长度即为压力梯度矩阵流向方向长度,向量组个数即为压力梯度矩阵法向方向长度;
S4、采用比对法获得每个梯度向量中最大值的坐标位置,依次赋值给一个新设置的空向量中,并根据该向量的数据长度(数据长度为475),再设置一个相同数据长度的空向量Ix,向量Ix从第一个数值到最后一个数值依次为1~475,[Ix Iy]构成初始激波位置点集合,初始激波识别点中包含错误识别的噪点;
S5、计算Iy的平均值(平均值假设为I_mean),计算Iy向量中每个数值Iyi与平均值I_mean的差量绝对值,其中绝对值最小的[Ixi Iyi]设置为绘制激波线的初始点[Ix0Iy0];
S6、设置相邻像素距离阈值为5,提取初始激波位置点集合[Ix Iy]中与初始像素点[Ix0 Iy0]相邻的像素点坐标[Ix1 Iy1],计算点对[Ix1 Iy1]与[Ix0 Iy0]的距离,若距离小于阈值,则设相邻像素点[Ix1 Iy1]为新的初始点[Ix0 Iy0],若距离大于阈值,则设相邻像素点[Ix1 Iy1]值为[0 0],重复上述步骤,直到将所有间距大于阈值的初始激波位置点(错误识别的噪点)赋为0值为止,最后再将值为[0 0]的像素点从[Ix Iy]中去除,获得如图4、图7所示的最终激波位置点集合[Ix_f Iy_f],完成激波位置点识别;
S7、红线段依次连接最终激波位置点[Ix_f Iy_f],完成模型表面激波线绘制;
S8、基于S1获得的压力矩阵计算流向方向模型长度,基于S7获得的最终激波位置点[Ix_f Iy_f]计算激波像素点距离模型前缘的距离,通过激波距前缘的距离除模型流向长度获得激波相对模型的相对位置。
以上方案只是一种较佳实例的说明,但并不局限于此。在实施本发明时,可以根据使用者需求进行适当的替换和/或修改。
这里说明的设备数量和处理规模是用来简化本发明的说明的。对本发明的应用、修改和变化对本领域的技术人员来说是显而易见的。
尽管本发明的实施方案已公开如上,但其并不仅仅限于说明书和实施方式中所列运用。它完全可以被适用于各种适合本发明的领域。对于熟悉本领域的人员而言,可容易地实现另外的修改。因此在不背离权利要求及等同范围所限定的一般概念下,本发明并不限于特定的细节和这里示出与描述的图例。
Claims (7)
1.一种压敏漆图像激波位置自动识别方法,其特征在于,包括:
S1、基于压敏漆试验获得的模型表面压力或压力系数结果图像,获得对应的矩阵,矩阵中横轴为图像像素点的x方向坐标,纵轴为图像像素点的y方向坐标;
S2、基于S1中得到的矩阵,按照流向方向计算模型表面的压力梯度矩阵;
S3、按流向的法向将S2中得到的压力梯度矩阵拆解为压力梯度向量组,采用比对法获得每个梯度向量中最大值的坐标位置,依次赋值给一个新设置的空向量Iy中,以向量Iy的数据长度,再设置一个相同数据长度的向量Ix,向量Ix从第一个数值到最后一个数值依次为整数序列1~n,n为向量长度,通过[Ix Iy]构成初始激波位置点集合;
S4、将Iy的平均值设为I_meany,计算向量中每个数值Iyi与I_mean差量的绝对值,将绝对值最小的[Ixi Iyi]设置为激波线的初始像素点[Ix0 Iy0];
S5、设置激波线绘制连线相邻像素距离阈值,提取[Ix Iy]中与[Ix0 Iy0]相邻的像素点坐标[Ix1 Iy1],将[Ix1 Iy1]与[Ix0 Iy0]之间的距离与阈值进行比对,以根据判断结果确定是将[Ix1 Iy1]设置为新的初始点[Ix0 Iy0],还是设置为[0 0];
S6、重复S5直到将所有间距大于阈值的初始激波位置点赋为0值为止,最后再将值为[00]的像素点从[Ix Iy]中去除,获得最终激波位置点集合[Ix_f Iy_f],完成激波位置点识别。
2.如权利要求1所述的压敏漆图像激波位置自动识别方法,其特征在于,还包括:
S7、将最终激波位置点[Ix_f Iy_f]依次连接,完成模型表面的激波线绘制。
3.如权利要求2所述的压敏漆图像激波位置自动识别方法,其特征在于,还包括:
S8、基于矩阵中的压力矩阵计算流向方向的模型长度L1,基于最终激波位置点[Ix_fIy_f]计算激波像素点距离模型前缘的距离L2,则激波相对模型的相对位置L3通过下式获得:
L3=L2/L1。
4.如权利要求1所述的压敏漆图像激波位置自动识别方法,其特征在于,在S1中,所述矩阵为m×n的浮点型数据矩阵,其中m为模型表面压力/压力系数结果图像在y轴上的像素个数,n为压力/压力系数结果图像在x轴上的像素个数,矩阵中对应[i j]像素点位置处的数值Pi,j为该像素坐标处的模型表面压力/压力系数值。
5.如权利要求1所述的压敏漆图像激波位置自动识别方法,其特征在于,在S2中,压力梯度矩阵的获取方式为:
若流向方向为y轴方向,则像素[i j]点处的梯度值gradienti,j通过下式得到:
gradienti,j=(Pi,j+m-Pi,j-m)/(2×m1)
若流向方向为x轴方向,则像素[i j]点处的梯度值gradienti,j通过下式得到:
gradienti,j=(Pi+m,j -Pi-m,j)/(2×m1)
上式中,m1为求导梯度像素间隔,Pi,j为像素坐标处的模型表面压力/压力系数值;
压力梯度矩阵的具体结构与矩阵中的压力矩阵一致,矩阵中对应[i j]像素点位置处的数值gradienti,j为该像素坐标处的模型表面压力梯度值。
6.如权利要求1所述的压敏漆图像激波位置自动识别方法,其特征在于 ,在S3中,压力梯度向量组的获取方式为:
在压力梯度矩阵中,若流向方向为y轴方向,流向的法向为x轴方向,则压力梯度向量组中的向量共n个,且每个向量为1×m的浮点型数据向量;
在压力梯度矩阵中,若流向方向为x轴方向,流向的法向为y轴方向,则压力梯度向量组中向量共m个,且每个向量为1×n的浮点型数据向量;
其中,m为压敏漆试验获得的模型表面压力结果图像的y轴像素个数,n为压力结果图像的x轴像素个数。
7.如权利要求3所述的压敏漆图像激波位置自动识别方法,其特征在于,在S8中,若流向为y方向,按照流向方向遍历搜索压力矩阵中非空的第一个像素点坐标y0和最后一个像素点坐标yn,流向方向模型长度为yn-y0,基于最终激波位置点[Ix_f Iy_f],则激波距离模型前缘的距离为Iy_f- y0,激波相对模型的相对位置为(Iy_f- y0)/(yn-y0);
若流向为x方向,按照流向方向遍历搜索压力矩阵中非空的第一个像素点坐标x0和最后一个像素点坐标xn,流向方向模型长度为xn-x0,基于最终激波位置点[Ix_f Iy_f],则激波距离模型前缘的距离为Ix_f- x0,激波相对模型的相对位置为(Ix_f- x0)/(xn-x0)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311509941.3A CN117232395B (zh) | 2023-11-14 | 2023-11-14 | 一种压敏漆图像激波位置自动识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311509941.3A CN117232395B (zh) | 2023-11-14 | 2023-11-14 | 一种压敏漆图像激波位置自动识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117232395A true CN117232395A (zh) | 2023-12-15 |
CN117232395B CN117232395B (zh) | 2024-01-23 |
Family
ID=89084609
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311509941.3A Active CN117232395B (zh) | 2023-11-14 | 2023-11-14 | 一种压敏漆图像激波位置自动识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117232395B (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1993004380A1 (fr) * | 1991-08-21 | 1993-03-04 | Technomed International | Procede et appareil de determination de la position exacte d'une cible a l'aide d'un dispositif de reception comprenant une partie active lineaire formee d'une multiplicite d'elements discrets sensibles aux rayonnements |
WO2002002932A1 (en) * | 2000-06-30 | 2002-01-10 | Orbital Engine Company (Australia) Pty Limited | Shockwave injector nozzle |
JP2005300273A (ja) * | 2004-04-08 | 2005-10-27 | Tama Tlo Kk | 測定装置 |
US20150015634A1 (en) * | 2013-07-15 | 2015-01-15 | Michael Joseph Piatt | Media-tracking system using thermal fluoresence quenching |
CN104331579A (zh) * | 2014-11-19 | 2015-02-04 | 中国石油大学(华东) | 一种低渗透储层原油边界层的模拟方法 |
CN106679926A (zh) * | 2016-12-29 | 2017-05-17 | 中国航天空气动力技术研究院 | 一种高超声速风洞薄膜冷却实验系统及实验方法 |
CN108507754A (zh) * | 2018-04-10 | 2018-09-07 | 中国空气动力研究与发展中心高速空气动力研究所 | 抗眩光的风洞试验模型弹性变形视频测量方法 |
CN108717069A (zh) * | 2018-05-29 | 2018-10-30 | 电子科技大学 | 一种基于行变步长分割的高压容器热成像缺陷检测方法 |
CN112085651A (zh) * | 2020-09-23 | 2020-12-15 | 中国空气动力研究与发展中心高速空气动力研究所 | 一种基于图像自适应阈值与特征提取的激波自动检测跟踪算法 |
CN112184777A (zh) * | 2019-07-02 | 2021-01-05 | 昆明理工大学 | 基于sobs背景差分法的日冕物质抛射检测方法 |
CN113588204A (zh) * | 2021-06-30 | 2021-11-02 | 中国航天空气动力技术研究院 | 一种进气道激波边界层干扰特性测量方法 |
CN114165334A (zh) * | 2020-09-10 | 2022-03-11 | 通用电气公司 | 具有冲击波衰减的涡轮发动机 |
CN114323543A (zh) * | 2022-03-10 | 2022-04-12 | 中国空气动力研究与发展中心高速空气动力研究所 | 一种提高压敏漆试验效率的方法 |
CN116958514A (zh) * | 2023-09-20 | 2023-10-27 | 中国空气动力研究与发展中心高速空气动力研究所 | 一种光学图像激波位置的亚像素定位方法 |
-
2023
- 2023-11-14 CN CN202311509941.3A patent/CN117232395B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1993004380A1 (fr) * | 1991-08-21 | 1993-03-04 | Technomed International | Procede et appareil de determination de la position exacte d'une cible a l'aide d'un dispositif de reception comprenant une partie active lineaire formee d'une multiplicite d'elements discrets sensibles aux rayonnements |
WO2002002932A1 (en) * | 2000-06-30 | 2002-01-10 | Orbital Engine Company (Australia) Pty Limited | Shockwave injector nozzle |
JP2005300273A (ja) * | 2004-04-08 | 2005-10-27 | Tama Tlo Kk | 測定装置 |
US20150015634A1 (en) * | 2013-07-15 | 2015-01-15 | Michael Joseph Piatt | Media-tracking system using thermal fluoresence quenching |
CN104331579A (zh) * | 2014-11-19 | 2015-02-04 | 中国石油大学(华东) | 一种低渗透储层原油边界层的模拟方法 |
CN106679926A (zh) * | 2016-12-29 | 2017-05-17 | 中国航天空气动力技术研究院 | 一种高超声速风洞薄膜冷却实验系统及实验方法 |
CN108507754A (zh) * | 2018-04-10 | 2018-09-07 | 中国空气动力研究与发展中心高速空气动力研究所 | 抗眩光的风洞试验模型弹性变形视频测量方法 |
CN108717069A (zh) * | 2018-05-29 | 2018-10-30 | 电子科技大学 | 一种基于行变步长分割的高压容器热成像缺陷检测方法 |
CN112184777A (zh) * | 2019-07-02 | 2021-01-05 | 昆明理工大学 | 基于sobs背景差分法的日冕物质抛射检测方法 |
CN114165334A (zh) * | 2020-09-10 | 2022-03-11 | 通用电气公司 | 具有冲击波衰减的涡轮发动机 |
CN112085651A (zh) * | 2020-09-23 | 2020-12-15 | 中国空气动力研究与发展中心高速空气动力研究所 | 一种基于图像自适应阈值与特征提取的激波自动检测跟踪算法 |
CN113588204A (zh) * | 2021-06-30 | 2021-11-02 | 中国航天空气动力技术研究院 | 一种进气道激波边界层干扰特性测量方法 |
CN114323543A (zh) * | 2022-03-10 | 2022-04-12 | 中国空气动力研究与发展中心高速空气动力研究所 | 一种提高压敏漆试验效率的方法 |
CN116958514A (zh) * | 2023-09-20 | 2023-10-27 | 中国空气动力研究与发展中心高速空气动力研究所 | 一种光学图像激波位置的亚像素定位方法 |
Non-Patent Citations (4)
Title |
---|
刘寿先;陈光华;黄文斌;袁树云;王德田;李泽仁;彭其先;: "差分干涉CT技术诊断激波管界面不稳定性", 强激光与粒子束, no. 07 * |
刘祥;熊健;黄辉;李永红;黄勇;王红彪;陈植;: "基于0.6m量级三声速风洞的压敏漆试验技术", 航空学报, no. 07 * |
刘雪飞;林俊强;彭期冬;余康;陈永灿;庄江波;: "应用PTV粒子追踪测速技术的鱼卵运动试验研究", 水利学报, no. 04 * |
王刚;文波;张扣立;杨彦广;: ""人字形小肋"对激波/边界层干扰的影响研究", 宇航学报, no. 01 * |
Also Published As
Publication number | Publication date |
---|---|
CN117232395B (zh) | 2024-01-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104981105B (zh) | 一种快速精确获得元件中心和偏转角度的检测及纠偏方法 | |
CN109671174A (zh) | 一种电塔巡检方法及装置 | |
CN108022262A (zh) | 一种基于点的邻域重心向量特征的点云配准方法 | |
CN110838112A (zh) | 一种基于霍夫变换和YOLOv3网络的绝缘子缺损检测方法 | |
CN114627177B (zh) | 一种基于图像分割的飞机蒙皮间隙与阶差测量方法 | |
CN110838145B (zh) | 一种室内动态场景的视觉定位与建图方法 | |
CN111540001B (zh) | 航空发动机涡轮叶片气膜孔轴线方向检测方法 | |
CN112288758B (zh) | 一种电力设备红外与可见光图像配准方法 | |
CN108305277A (zh) | 一种基于直线段的异源图像匹配方法 | |
CN110942077B (zh) | 基于权重局部变化度和l1中值优化的特征线提取方法 | |
CN111241667A (zh) | 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 | |
CN112907614A (zh) | 基于深度特征融合的yolov5-segnet绝缘子串轮廓提取方法 | |
Mikheev et al. | Enhanced particle-tracking velocimetry (EPTV) with a combined two-component pair-matching algorithm | |
Xing et al. | Efficient MSPSO sampling for object detection and 6-D pose estimation in 3-D scenes | |
CN106295674A (zh) | 一种基于多粒子群算法的图像目标匹配检测方法及系统 | |
CN117232395B (zh) | 一种压敏漆图像激波位置自动识别方法 | |
CN113496260B (zh) | 基于改进YOLOv3算法的粮库人员不规范作业检测法 | |
Zhao et al. | AI-enabled and multimodal data driven smart health monitoring of wind power systems: A case study | |
Koronio et al. | Similarity in Mach stem evolution and termination in unsteady shock-wave reflection | |
CN109063543B (zh) | 一种考虑局部形变的视频车辆重识别方法、系统及装置 | |
CN116862829A (zh) | 一种覆冰环境下架空线路弧垂监测方法及装置 | |
CN112699498B (zh) | 基于归一化物理量间断特征的喷流模拟激波快速判别方法 | |
CN112699619B (zh) | 涡结构识别方法及系统 | |
CN115049833A (zh) | 一种基于局部特征增强和相似性度量的点云部件分割方法 | |
CN108106634A (zh) | 一种直接观星的星敏感器内参数标定方法 |
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 |