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。     

偏心撞击对撞击式喷嘴雾化特性的影响

为研究偏心撞击对撞击式喷嘴雾化特性的影响,建立了求解自燃推进剂冷态射流撞击雾化过程的数值模拟方案,计算了不同偏心度条件下的射流撞击雾化过程。采用树形自适应加密算法直接求解不可压Navier-Stokes方程组,由分段线性的流体体积(VOF)方法对流体界面进行捕捉。结果表明偏心撞击会导致雾场发生偏转,当无量纲偏心度E为1/8时,雾场偏转角度约为9.2°,应控制加工偏差小于该值。随着偏心度的增大,液膜的偏转角度增大,理论推导得到的液膜偏转角度要小于数值计算得到的液膜偏转角度。正心撞击时燃料与氧化剂流强峰值接近,雾场的流强分布呈单峰分布。当发生偏心撞击时,由于燃料与氧化剂部分射流未参与撞击导致流强峰值出现交错,雾场的流强分布呈双峰分布,混合比的空间分布发生较大改变。正心撞击时撞击点下游液滴的速度分布近似呈轴对称分布,而偏心撞击之后的速度分布则呈中心对称分布。偏心撞击导致的射流动量损失使得雾化性能变差,当无量纲偏心度E为1/8时,一甲基肼(MMH)的Sauter平均直径增大约4.8%,四氧化二氮(NTO)的Sauter平均直径增大约5.8%。      

流动阻力及能量损失对注射成型制件的影响

本文分析了在塑料熔体充满型腔的过程中，流动阻力及能量损失产生的形式和物理原因，进而讨论了对塑料制件成型及凝固过程中的影响。并提出降低影响的措施。     

FET振荡器注入锁相伏特拉级数分析

应用伏特拉级数法分析了电容耦合ＦＥＴ振荡系统在外加信号下的注入锁定现象，推导出输出信号和注入锁定带宽表达式。与一般非线性系统分析方法相比，伏特拉级数法在建立好系统模型后只需进行代数运算，从而避开了求解非线性，非齐次高阶微分方程的复杂过程。     

基于DSP BUILDER的数字下变频器设计

介绍利用DSP BU ILDER设计基于FPGA的数字下变频器的方法,研究使用专用乘法器的NCO设计、半波带滤波器多相抽取处理结构和FIR滤波器的分布式算法,同时给出实际应用的设计方案和仿真分析结果。     

动态差压检测系统的共模误差研究

主要针对以差压变送器为核心的动态差压检测系统的特点 ,应用流体网络分析方法 ,提出了动态差压检测系统中的共模误差问题。理论分析和仿真计算结果表明 :共模误差与检测系统两侧引压管路的不一致性直接相关 ,为了获得动态差压信号的准确检测 ,必须对动态差压检测系统的共模误差予以抑制     

显微PIV系统与实现

显微PIV系统可用于流体微观层次以及微流体流动的测量,可获得流体速度的场信息以及其中颗粒的场信息。本文主要介绍显微PIV系统所涉及的显微图像获取技术以及图像处理算法。该系统由硬件与相应软件系统组成。其中,硬件主要包括放大倍数为1000倍的光学显微镜以及最大拍摄速度为10000帧/秒的高速摄像系统;IMPACT软件为自行开发的基于C++系统的面向对象程序,其中内嵌多种数据处理与分析算法。通过对尺寸为1μm颗粒运动的测量,对不同数据处理算法进行了检验,结果表明:建立的显微PIV系统可有效获得微观流体流动的图像并可准确进行数据的处理,该系统完全可用于微观流体流动的测量。