| 基于深度神经网络的粒子图像测速算法 |
| |
| 引用本文： | 蔡声泽,许超,高琪,魏润杰.基于深度神经网络的粒子图像测速算法[J].空气动力学学报,2019,37(3):455-461. |
| |
| 作者姓名： | 蔡声泽 许超 高琪 魏润杰 |
| |
| 作者单位： | 浙江大学 控制科学与工程学院,杭州,310027;浙江大学 航空航天学院,杭州,310027;北京立方天地科技发展有限责任公司,北京,100083 |
| |
| 基金项目： | 国家自然科学基金;中央高校基本科研业务费专项;中央高校基本科研业务费专项 |
| |
| 摘 要： | 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。
|
| 关 键 词： | 粒子图像测速 流体运动估计 卷积神经网络 深度学习 PIV数据集 射流实验 |
Particle image velocimetry based on a deep neural network |
| |
| CAI Shengze,XU Chao,GAO Qi,WEI Runjie.Particle image velocimetry based on a deep neural network[J].Acta Aerodynamica Sinica,2019,37(3):455-461. |
| |
| Authors: | CAI Shengze XU Chao GAO Qi WEI Runjie |
| |
| Institution: | (College of Control Science and Engineering,Zhejiang University,Hangzhou 310027,China;School of Aeronautics and Astronautics,Zhejiang University,Hangzhou 310027,China;MicroVec.,Inc,Beijing 100083,China) |
| |
| Abstract: | CAI Shengze;XU Chao;GAO Qi;WEI Runjie(College of Control Science and Engineering,Zhejiang University,Hangzhou 310027,China;School of Aeronautics and Astronautics,Zhejiang University,Hangzhou 310027,China;MicroVec.,Inc,Beijing 100083,China) |
| |
| Keywords: | particle image velocimetry fluid motion estimation convolutional neural network deep learning PIV dataset jetflow experiment |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
|
