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。     

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。     

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.     

单气泡上浮运动的层析PIV实验研究

为了揭示上浮过程中的尾流涡结构及其与气泡之间的相互作用，分别采用阴影图像法和层析PIV技术，对单个气泡在静止水中自由Z字型上浮的过程进行了实验研究，得到气泡的形状、运动和三维的尾流速度场。采用"λ" _"ci" 涡判据和有限时间李雅普诺夫指数（Finite-Time Lyapunov Exponent，FTLE），从速度场识别出三维的尾流涡结构和二维的拉格朗日拟序结构。结果表明，Z字型上浮过程中，气泡周围环绕有涡环，涡环会沿运动路径脱落交替的、方向相反的发卡涡；单个发卡涡脱落过程中，涡环一侧的FTLE脊线会闭合形成拉格朗日涡。由此可得到结论，发卡涡的周期性脱落，使涡环相对于气泡的对称性被周期性交替破坏，导致气泡形成Z字型周期运动；单个发卡涡脱落过程中，涡环两侧各自对发卡涡的流体输运存在显著差异。     

基于层析PIV的椭圆水翼近尾迹梢涡实验研究

梢涡空化作为一种常见的空化现象，广泛存在于水力机械及船舶推进领域。梢涡空化初生与桨叶梢部的旋涡流动密切相关，因此有必要深入研究梢涡流场，揭示其流动特征与空化的内在联系。基于高时间解析度的层析PIV技术，在高速空泡水洞中对椭圆水翼的近尾迹梢涡流场开展了实验研究。结果表明:梢涡在近尾迹区域内存在明显的摆动现象，未考虑旋涡摆动的时间平均会在时均流场中引入额外的误差，因此在梢涡特性的定量研究中有必要滤除旋涡摆动的影响；在水翼脱落剪切层的作用下，涡核中心两侧的切向速度分布明显不对称，且在剪切层与涡核之间存在高速轴向流动区域；梢涡流场中的湍流脉动能量主要集中在涡核内部，且由法向、展向速度脉动主导。结合前人研究，发现法向、展向速度脉动是涡核内部湍流压力脉动的主要来源。