APP下载

基于深度神经网络的粒子图像测速算法

2019-08-21蔡声泽魏润杰

空气动力学学报 2019年3期
关键词:深度实验

蔡声泽,许 超,*,高 琪,魏润杰

(1.浙江大学 控制科学与工程学院,杭州 310027;2.浙江大学 航空航天学院,杭州 310027:3.北京立方天地科技发展有限责任公司,北京 100083)

0 引 言

粒子图像测速(Particle Image Velocimetry,PIV)是一种非接触式、全局、定量的实验检测手段[1]。PIV能从图像中分析流体运动的速度场信息,从而帮助研究者更深入地了解复杂流动现象。以二维平面PIV为例,其工作原理是在被测流体介质中投放示踪粒子,并采用特定波长的激光照射测量平面,通过相机捕获粒子的反射光形成粒子图像,最后计算相邻图像之间的粒子位移,从而获得真实流场中的速度矢量。自1980年代提出以来,PIV一直是实验流体力学领域的研究热点,并发展成为应用最广的流动可视化测量技术。

PIV的关键步骤之一在于,如何从粒子图像中分析流体运动的速度场。目前,常用的图像测速算法有两类,即相关分析法[2]和光流法[3]。相关分析法通过提取两帧图像的窗口进行互相关计算,查找相关函数最大的匹配方向,作为该窗口中心的位移矢量。该方法原理简单、计算方便,因此被广泛接受并不断改进。目前使用较多的是基于图像变形的多重网格迭代算法(简称WIDIM)[4],该算法通过逐层缩小窗口尺寸和窗口间隔,逐步获得更高分辨率和更高精度的速度场,成为当前很多PIV商用软件的基础。但是,由于相关分析法计算窗口内的统计平均位移,它仍无法实现单像素级别分辨率的速度场估计,因此在进行小尺度流动运动估计时效果不佳。……

登录APP查看全文

猜你喜欢

深度实验
记一次有趣的实验
做个怪怪长实验
深度观察
深度观察
深度观察
深度观察
NO与NO2相互转化实验的改进
实践十号上的19项实验
提升深度报道量与质
《实验流体力学》征稿简则