基于深度神经网络的粒子图像测速算法

粒子图像测速(PIV)作为一种流体力学实验技术,能够从流体图像中获取全局、定量的速度场信息。随着人工智能技术的发展,设计用于粒子图像测速的深度学习技术具有广泛的应用前景和研究价值。借鉴在计算机视觉领域用于运动估计的光流神经网络,采用人工合成的粒子图像数据集进行监督学习训练,从而获得适用于流体运动估计的深度神经网络模型,并且能够高效地提供单像素级别分辨率的速度场。文中采用人工合成的湍流流场粒子图像进行初步实验评估,并讨论PIV神经网络的隐藏层输出和内在原理,同时将训练而成的深度神经网络模型与传统的相关分析法、光流法对比;随后进行射流流场测速实验,验证深度神经网络PIV的实用性。实验结果表明,文中提出的基于深度神经网络的粒子图像测速在精度、分辨率、计算效率上具有优势。     

PIV技术在降落伞绕流实验中的应用

本文利用PIV技术在风洞中对五种不同类型降落伞模型的绕流空间流场进行了测量，得到了绕降落伞的空间流场结构。PIV测量结果可以为数值模拟降落伞绕流流场提供可靠的数据，为降落伞的改进优化提供指导和依据。     

PIV技术在直接空冷模型风洞实验中的应用

本文利用PIV技术在生产性风洞中对某发电厂直接空冷系统模型的空间流场进行了测量，得到了绕模型的空间流场结构。PIV测量结果可以为数值模拟空冷系统流场提供可靠的数据，为空冷系统的改进优化提供指导和依据。     

不同类型防护林绕林流场的PIV测量

利用粒子图像速度场仪(PIV),采用2帧-互相关的分析技术,对紧密型、疏透型和通风型防护林流场的流动特征在环境风洞中进行实验研究.通过PIV系统测量,得到不同类型防护林绕林流场的速度矢量图、流线图和涡量场图,并对各个流场特征进行探讨.     

基于神经网络的航空发动机进口总压畸变重构研究

为建立适用于畸变容限控制技术的航空发动机进气总压畸变估算方法,采用基于神经网络方法,以飞机试飞测量数据为基础,分别开展了发动机进口总压流场和稳态周向畸变指数重构方法研究。以壁面静压、发动机进口面中心点总压以及攻角、侧滑角数据分别构建了三种不同输入参数组合的神经网络模型,并对比分析了各模型的重构精度和适用性。结果表明:采用神经网络方法可以较好地建立壁面静压、飞行参数与发动机进口总压分布和稳态周向畸变指数的映射模型;以壁面静压、发动机进口面中心总压、攻角和侧滑角为输入的神经网络模型,对于总压流场重构和稳态周向畸变指数重构都具有最佳的重构精度;采用先重构流场总压分布再计算稳态周向畸变指数的间接方法相对于直接重构稳态周向畸变指数的方法具有更高的重构准确性;对于与建模飞机具有相同进气道结构和布局的飞机,训练完成的神经网络模型对总压流场重构具有一定的适应性,对稳态周向畸变指数重构适用性差。     

基于融合神经网络的航空发动机剩余寿命预测

航空发动机的性能退化是影响飞机飞行安全的重要因素。准确预测发动机的退化过程,对于飞机安全飞行具有重要意义。针对航空发动机剩余寿命预测问题,本文提出了一种将卷积神经网络和长短期记忆网络相融合的数据驱动模型。与常规使用单一的神经网络不同,所提出的融合模型结合了两种神经网络的优点,利用卷积神经网络提取数据中的空间特征并采用长短期记忆网络提取时间特征。实验结果证实,在寿命预测中,所提出的数据驱动模型与已有的方法相比,评分和均方根误差分别下降了32%和6.4%,因此,所提出的数据驱动模型可对数据中所包含的信息进行充分挖掘,其对航空发动机寿命预测精度较高,并具有良好的稳定性。     

超声速光学头罩流场的PIV研究

在马赫数Ma-3．8超声速风洞中,采用PIV（Particle Image Velocimetry,粒子图像测速）技术测量了超声速光学头罩流场的速度分布。PIV技术应用于超声速流场时,对系统的硬件配备、示踪粒子的跟随性以及PIV算法的精度有很高的要求。本文PIV系统选用高精度的同步控制器和高能量激光器;以纳米级粒径的粒子作为示踪粒子,通过斜激波响应实验分析了其在超声速流场中的跟随性;并采用多种高精度速度场算法对粒子图像进行处理。实验结果表明,示踪粒子在超声速流场中有很好的跟随性,采用的高精度速度场算法能够很好地反映超声速光学头罩流场的速度分布。     

耦合粒子图像测速误差的连续伴随数据同化技术

提出了一种耦合粒子图像测速(PIV)实验误差的连续伴随数据同化算法，通过优化目标损失函数，增强算法在不同误差场景下的鲁棒性。为了验证该算法的有效性，先对已知PIV流场植入合成误差进行同化对比测试，继而对PIV互相关算法不同参数设置所获得的流场进行同化研究。结果表明：相比于原连续伴随数据同化，耦合PIV实验误差的同化算法能够对实验观测数据去伪存真，抗误差干扰能力明显提升，鲁棒性更强，能够对高误差场景下的流动数据进行更好地同化，准确地预测流场的真实分布规律，还原流场细节。     

PIV 技术在3 通道扩压器试验中的应用

为了验证PIV技术在新型扩压器性能试验中的应用前景,开展了基于PIV技术的燃烧室3通道扩压器试验。对不同前置扩压器与不同头部帽罩的流场特征进行分析,得到了关键参数对扩压器内流场分布和压力损失特性的影响。试验结果表明:使用PIV技术能较好地得到扩压器的内流场特征,并反映出3通道扩压器具有较好的流场稳定性,在L_m/L_e=0.7,L_i/L_e=L_o/L_e=0.6,L_c/L_e=1.82时扩压器性能最佳。该技术为先进扩压器的结构优化提供试验依据。     

拖曳水池随车式PIV技术的研究与应用

PIV(粒子图像测速)技术在拖曳水池中的应用面临诸多困难。与水池岸基式PIV相比，随车式PIV具有设置灵活、连续采集的优点。介绍了中国船舶科学研究中心(CSSRC)拖曳水池随车式PIV技术的特点与功能及其发展。介绍该系统的三个应用：高速水面船模支架周围流动观测；全附体下带与不带前置导叶、螺旋桨的水下回转体模型尾部区域流场测量及两种不同艉附体与主体连接形式的水下回转体尾部流场的测量。展示了该系统的发展历程及其在船舶流场研究中的作用与应用前景。     

平面扩压叶栅流场犘犐犞与三孔尾迹探针对比测试研究

针对PIV技术在暂冲式高亚声速平面叶栅流场中遇到的示踪粒子投放问题,通过采用高压雾化式粒子发生器以及安装在稳定段前的撒播器,有效地使示踪粒子均匀地与主流混合,并成功开展了某扩压平面叶栅叶片槽道及出口尾迹可视化测量,获得了零迎角、进口马赫数0．2～0．8状态下的二维速度矢量场。为了验证PIV在叶栅流场测试结果的可靠性,在相同工况下,将PIV测量结果分别与数值计算结果和三孔尾迹探针测量结果进行了对比分析。结果表明：采用PIV技术测得的叶栅中截面二维速度矢量场合理地反映了叶片槽道及尾迹的流动结构,与数值模拟结果较为接近;PIV与三孔楔形尾迹探针在叶栅出口尾迹的测量所获得的气流速度和主流区的出口气流角重合性较好;尾迹分离区的出口气流角重合性略差,主要原因是尾迹区气流角超出了探针校准范围,这也说明了PIV测试技术优势。本文提出的PIV测量技术也可用于连续式叶栅风洞中。     

反射激波作用下重气柱界面演化的PIV研究

在水平激波管中采用PIV方法研究了反射激波作用下SF6重气柱界面的发展演化。采用射流方法形成SF6无膜气柱界面,并以乙二醇作为示踪粒子。利用连续激光片光源结合高速摄影相机对流场进行显示,得到了反射激波作用下SF6气柱界面的发展过程。结果表明,入射激波的冲击会在界面上产生反向旋转的涡环结构,而反射激波的作用会在界面上产生与初始涡环旋转方向相反的次级涡环结构。此外,对反射激波作用后的流场图像进行PIV后处理,获得了流场连续的速度场和涡量场。获得的环量与已有的理论模型进行比较,取得了较好的一致性,也验证了本文实验方法的可行性。     

多级轴流压气机转子通道流场的PIV测量

在四级低速大尺寸轴流压气机实验台上,基于粒子图像测速仪(particle image velocimetry,简称PIV)系统,发展了适用于多级叶轮机械转子内部全通道流场测量的PIV技术.自行研制了光学潜望镜和锁相触发装置,并在第3级转子的外机匣处开设了测量窗口.在设计工作点,对第3级压气机转子叶片全通道的流场进行了详细测量,获得了8个不同叶高截面处的二维速度矢量场.实验结果与三维定常Navier-Stokes(N-S)方程计算结果的对比分析表明:PIV测量结果合理地反映了转子通道内部的流场结构,第3级转子叶尖部分存在尺寸大、影响区域广的叶尖泄漏涡,泄漏涡控制了叶尖区域的流场,而气流在通道其余部分的流动状态较好,不存在明显的低速区.      

任意运动变形边界流场测量PIV算法的研究：薄膜涡激振动

提出了一种精确测量任意运动变形边界流场的粒子图像速度场PIV算法,能智能识别强流固耦合问题流场测量中任意运动变形的边界信息,然后生成贴体自适应的图像互相关计算窗口,计算获取运动变形边界附近的速度场数据。这一算法可大大提高任意运动边界附近流场的测量精度,为流固耦合问题的理论分析和数值计算验证提供可靠的高质量实验数据。针对数字合成给定流场的粒子图像序列,采用所发展的PIV算法对粒子图像区域中的运动变形边界进行了精确识别,高质量地复现了原始流场信息。最后,对低速闭式循环水洞中的钝体尾流柔性薄膜涡激振动现象进行了PIV实验测量,获得了柔性薄膜大变形运动状态下的瞬态流场特征。     

Stationary flow fields prediction of variable physical domain based on proper orthogonal decomposition and kriging surrogate model

In this paper a new flow field prediction method which is independent of the governing equations, is developed to predict stationary flow fields of variable physical domain. Predicted flow fields come from linear superposition of selected basis modes generated by proper orthogonal decomposition(POD). Instead of traditional projection methods, kriging surrogate model is used to calculate the superposition coefficients through building approximate function relationships between profile geometry parameters of physical domain and these coefficients. In this context,the problem which troubles the traditional POD-projection method due to viscosity and compressibility has been avoided in the whole process. Moreover, there are no constraints for the inner product form, so two forms of simple ones are applied to improving computational efficiency and cope with variable physical domain problem. An iterative algorithm is developed to determine how many basis modes ranking front should be used in the prediction. Testing results prove the feasibility of this new method for subsonic flow field, but also prove that it is not proper for transonic flow field because of the poor predicted shock waves.     

跨声速三维非线性洞壁干扰的数值计算

分别以固壁条件和洞壁附近的压力分布模拟各类实壁和透气壁试验段的洞壁边界条件，利用Ｅｕｌｅｒ方程和Ｎ－Ｓ方程数值求解模型在风洞中的绕流场，得出洞壁干扰对跨声速模型绕流和气动力的影响，初步的研究结果表明，该方法能较有效地模拟模型在跨声速风洞中的绕流场，经洞壁干扰修正后的ＧＢＭ－０４Ａ模型在０．６ｍ风洞中的试验结果与无干扰参考结果吻合较好     

Method for utilizing PIV to investigate high curvature and acceleration boundary layer flows around the compressor blade leading edge

Particle Image Velocimetry (PIV) is a well-developed and contactless technique in experimental fluid mechanics, but the strong velocity gradient and streamline curvature near the wall substantially limits its accuracy improvement. This paper presents a data processing procedure combining conventional PIV and newly developed Mirror Interchange (MI) based Interface-PIV for the measurement of the boundary layer parameter development in the blade leading edge region. The synthetic particle images are used to analyze the measurement errors in the entire procedure. Overall, three types of errors, namely the errors caused by the Window Deformation Iterative Multigrid (WIDIM) algorithm, the discrete data interpolation and integration, and the wall offset uncertainty, comprise the main measurement error. Specifically, the errors due to the discrete data interpolation and integration and the WIDIM algorithm comprise the mean bias, which can be corrected through the error analysis method proposed in the present work. Meanwhile, the errors due to the WIDIM algorithm and the wall offset uncertainty contribute to the measurement uncertainty. Computational fluid dynamics-based synthetic particle flows were generated to verify the newly developed PIV data processing procedure and the corresponding error analysis method. Results showed that the data processing method could improve the accuracy of PIV measurements for boundary layer flows with high curvature and acceleration and even with significant flow separation bubbles. Finally, the data processing method is also applied in a PIV experiment to investigate the boundary layer flows around a compressor blade leading edge, and several credible boundary flow parameters were obtained.     

共轴式双旋翼悬停流场的水洞PIV测量

采用粒子图像测速(PIV)技术,对共轴式双旋翼在悬停状态下的流场进行水洞实验,测量得到旋翼流场的涡量和速度分布,桨尖涡的结构和脱落轨迹等直观整体的图像,研究了共轴式双旋翼悬停流场的气动干扰特性.为了比较,对单旋翼也进行测量.实验结果为直升机的气动计算和合理设计提供了可靠的实验依据.      

大涡PIV方法测量水平矩形槽道内湍流耗散率

湍能耗散率的准确测量对工程实际和湍流的理论研究都有着重要的意义。以往的研究多是基于单点速度测量来估算单点的湍能耗散率或者有限体积内的平均值，而不能提供整个流场范围内的耗散率的分布情况。PIV能够测量瞬时流场的速度分布情况，它更适合于用来测量整个流场内的耗散率分布。本文分析了PIV测量得到的速度与单点测量方法之间的关系，提出了大涡PIV方法，运用大涡模拟中的亚网格尺度(SCS)应力模型，对PIV测量结果进行处理得到了水平槽道内的耗散率的分布。对采用不同SCS模型的结果以及量纲分析的结果进行了比较。     

用PIV技术测量径向进气旋转盘腔内的流动

将PIV(particle image velocimetry,粒子图像测速仪)技术应用于多功能旋转换热实验台,测量了不同工作状态下径向进气旋转盘腔间的速度场.介绍了实验装置、实验方法和误差分析方法;给出了旋转盘腔间速度场的瞬时值和平均值,测量结果表明了PIV技术能够测量复杂旋转盘腔间的流场,并定量分析影响因素(旋转雷诺数和流量系数)对速度场的影响;同时,分析得出激光反光的控制和示踪粒子的均匀稳定散播是实验成功的关键因素.