基于机器学习方法的三维粒子重构技术

通过三维粒子重构获取粒子场的分布情况是层析粒子图像测速的关键步骤，有限二维投影下的三维粒子重构是一个欠定的反问题，其精确解往往很难得到。一般情况下，可以通过优化方法得到近似解。为了获取质量更高的粒子场并用于层析粒子图像测速，提出了一种基于卷积神经网络（Convolutional Neural Networks，CNN）的粒子重构方法。所提出的技术可以从基于传统的代数重构技术（Algebraic Reconstruction Technique，ART）的方法所得到的粗略粒子分布中进一步提高粒子重构质量。与现有的基于ART的算法相比，新技术在重构质量方面有了显著的改进，可以有效剔除虚假粒子并更准确地还原粒子形状，并且在粒子浓度较稠密的情况下计算速度至少快了一个数量级。     

鱼游动涡结构PIV实验研究

鱼类逃逸和巡游已逐渐成为鱼类仿生推进水动力学领域的研究热点，其研究结果为水下航行器推进技术提供了很好的理论基础和指导意义。利用平面PIV技术测量了斑马鱼在水中游动时的尾迹流场，分析了不同游动状态下的鱼尾迹涡结构的变化规律；同时利用Tomo-PIV技术测量了曼龙鱼游尾迹三维流场，获得了涡环链结构。结果表明:不同游动状态下，鱼游尾迹表现出不同的流动结构和尾迹模式，对其进行研究有利于进一步揭示鱼游动的水动力学机理。     

基于连续性条件的体PIV后处理技术

对粒子图像测速技术(PIV,Particle Image Velocimetry)体空间内三维速度场的后处理技术进行研究,引入不可压缩连续性方程的约束对实验测得流场进行修正,使得修正后流场严格满足差分形式的连续性方程.通过流场修正的后处理技术实现拉格朗日乘数法求解全流场修正速度场二范数的极小值.理论推导严格证明了修正后的速度场在数学上更接近满足连续性方程的真实流场.对解析流场引入高斯噪音来进行人工模拟的测试,其结果进一步验证了修正后流场能更趋近于真实流场,对流场中出现的PIV常见的高斯分布噪音有一定的消弱作用.该技术被成功应用于实验数据的后处理,结果表明其能改善测量速度场的平滑度.     

基于层析PIV的湍流边界层展向涡研究

层析PIV是一种现代激光测速技术,能实现三分量空间体内三分量(3D3C)速度场的测量。应用层析PIV测量Reτ=1768的平板湍流边界层,得到150个瞬时速度场,测量体的大小为80mm×16mm×45mm。旋涡强度λci 准则用来进行涡识别,而旋涡强度在展向的投影λzci 被用来识别展向涡。根据λzci 的连通域得到展向涡位置后,统计了展向涡沿法向的变化规律,并给出了在流向-法向平面内高低速区域和正负展向涡空间位置的关系。统计结果表明:随着法向高度的增加,展向涡的强度逐渐降低;负展向涡的流向平均速度高于正展向涡,且流向速度与法向速度有很强的依赖性;在小尺度范围内,流向-法向平面内的高低速流动区域与正负展向涡的空间位置密切相关。     

基于连续性条件的体PIV后处理技术

对粒子图像测速技术(PIV,Particle Image Velocimetry)体空间内三维速度场的后处理技术进行研究,引入不可压缩连续性方程的约束对实验测得流场进行修正,使得修正后流场严格满足差分形式的连续性方程.通过流场修正的后处理技术实现拉格朗日乘数法求解全流场修正速度场二范数的极小值.理论推导严格证明了修正后的速度场在数学上更接近满足连续性方程的真实流场.对解析流场引入高斯噪音来进行人工模拟的测试,其结果进一步验证了修正后流场能更趋近于真实流场,对流场中出现的PIV常见的高斯分布噪音有一定的消弱作用.该技术被成功应用于实验数据的后处理,结果表明其能改善测量速度场的平滑度.