Waiting
Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
JoVE Journal Engineering
Click here for the English version

Engineering

Tre-dimensionel Particle Tracking Velocimetri for Turbulens Applications: Sagen om en Jet Flow

Published: February 27, 2016 doi: 10.3791/53745
Automatic Translation
1, 1, 2, 1,3
1Department of Mechanical Science and Engineering, University of Illinois at Urbana-Champaign, 2School of Mechanical Engineering, Tel Aviv University, 3Department of Civil and Environmental Engineering, University of Illinois at Urbana-Champaign

Summary

En tre-dimensionelle partikel sporing Velocimetri (3D-PTV) system baseret på en high-speed kamera med en fire-view splitter er beskrevet her. Teknikken anvendes på en jet flow fra et cirkulært rør i nærheden af ti diametre nedstrøms ved Reynolds tal Re ≈ 7.000.

Abstract

3D-PTV er en kvantitativ flowmåling teknik, der har til formål at spore Lagrange stier af et sæt af partikler i tre dimensioner ved hjælp af stereoskopisk registrering af billedsekvenser. Den grundlæggende komponenter, funktioner, begrænsninger og optimering tips af en 3D-PTV topologi bestående af en high-speed kamera med en fire-view splitter er beskrevet og diskuteret i denne artikel. Teknikken anvendes til den mellemliggende strømningsfelt (5 <x / d <25) af en cirkulær stråle på Re ≈ 7.000. Lagrange flow funktioner og turbulens mængder i en Eulerske ramme anslås omkring ti nedstrøms for det jet oprindelse og på forskellige radiale afstande fra jet kerne. Lagrange egenskaber indbefatter bane, hastighed og acceleration af udvalgte partikler samt krumning af strømningsvejen, der er opnået fra Frenet-Serret ligning. Estimation af 3D hastighed og turbulens markerne omkring jet core-aksen på tværs af planet placeret på tinedstrøms for strålen sammenlignes med litteratur, og magten spektrum af de store streamwise hastighed bevægelser opnås ved forskellige radiale afstande fra jet kerne.

Introduction

Turbulente jet strømme er allestedsnærværende i ingeniørmæssige anvendelser. Detaljeret karakterisering af sådanne strømme er afgørende i et bredt spektrum af praktiske problemer spænder fra store miljømæssige afløbssystemer til elektroniske mikro-skala-enheder. På grund af dens indvirkning på en række brede applikationer, har jet strømme blevet undersøgt i dybden 1 - 4. Adskillige eksperimentelle teknikker, herunder hotwire anemometri 4 - 8 Laser Doppler Velocimetry (LDV) 4, 9 - 12, og Particle Billede Velocimetri (PIV) 12 - er 16, blevet anvendt til at karakterisere jet strømmer i en bred vifte af Reynolds tal og grænsen betingelser. For nylig har et par undersøgelser blevet foretaget ved hjælp af 3D-PTV for at studere den turbulente / ikke-turbulent interface jet strømme 17, 18. 3D-PTV er en teknik specielt egnet til at beskrive komplekse turbulent fifelter fra et andet perspektiv. Det giver mulighed for genopbygningen af ​​partikel baner inden et volumen i en Lagrange referenceramme ved hjælp af multi-view stereoscopy. Teknikken blev først introduceret af Chang 19 og videreudvikles af Racca og Dewey 20. Siden da er der foretaget mange forbedringer på 3D-PTV algoritme og forsøgsopstilling 21 - 24. Med disse resultater og tidligere værker, har systemet med succes blevet brugt til at studere forskellige flydende fænomener som storstilet flydende bevægelse i et domæne af 4 mx 2 mx 2 m 25, indendørs luftstrøm felt 26, pulserende strømme 27 og aorta blodgennemstrømning 28 .

Arbejdsgruppen Princippet om en 3D-PTV måling består af dataopsamlingssystem opsætning, optagelse / forbehandling, kalibrering, 3D korrespondancer, tidsmæssig sporing og efterbehandling. En nøjagtig kalibrering giver mulighed for en præcis registrering af partikel positions. Korrespondancen af ​​de påviste i mere end tre billedfiler udsigt partikler giver mulighed for genopbygningen af ​​en 3D-partikel holdning baseret på epipolar geometri. En sammenkædning fra hinanden følgende billedrammer resultere i en tidsmæssig sporing som definerer partikelbaner s (t). Optimering af 3D-PTV-systemet er vigtigt at maksimere sandsynligheden for multi-partikel sporbarhed.

Første trin i optimering er at erhverve en passende dataopsamlingssystem herunder high-speed kameraer, belysning kilde og funktioner i seeding partikler. Kameraopløsningen sammen med størrelsen af ​​søgevolumenet definerer pixelstørrelse og dermed den krævede seeding partikelstørrelse, som bør være større end en enkelt pixel. De centroider af opdagede partikler er estimeret med sub-pixel præcision ved at tage den gennemsnitlige placering af partikel pixels vægtet med lysstyrke 21. Kameraets frame rate er tæt associated med Reynolds-tal og evnen til at linke detekterede partikler. En højere billedhastighed muliggør løsning hurtigere strømme eller et større antal partikler, da sporingen bliver vanskeligere, når den gennemsnitlige forskydning mellem billeder overstiger middelværdien adskillelse af partiklerne.

Lukkertid, blænde og følsomhed er tre faktorer at overveje i capture billedet. Lukkerhastighed burde være hurtig nok til at minimere sløring omkring en partikel, hvilket reducerer usikkerheden partikel tyngdepunkt position. Blænderåbningen bør justeres til dybden af ​​området for søgevolumenet at reducere sandsynligheden for at detektere partikler uden for lydstyrken. Da den maksimale følsomhed et kamera er fast, da de ramme stiger, den nødvendige lys kræves for at belyse partiklerne skulle stige tilsvarende. I modsætning til PIV, er komplekse optiske indstillinger og høj effekt lasere ikke strengt nødvendigt i 3D-PTV, så længe lyskilden er tilstrækkelig scatstreres fra sporstof partikler til kameraet. Kontinuerlig LED eller halogen lys er gode omkostningseffektive muligheder, der omgår behovet for synkronisering 21.

I 3D-PTV, ligesom andre optiske flow måleteknikker, antages sporstof partikel hastighed at være den lokale øjeblikkelige væskehastighed 29. Men dette er kun tilfældet for ideelle sporstoffer af null diameter og inerti; sporstof partikler skal være stort nok til at blive taget til fange af et kamera. Den troskab af en endelig partikel kan bestemmes ved Stokes nummer S t, dvs forholdet mellem hviletiden omfanget af partikler og den tid omfanget af turbulente strukturer af interesse. Generelt bør S t være væsentligt mindre end 1. For S t ≤0.1 flow tracking error er under 1% 30. Dybdegående kan findes diskussion Mei et al 29 -. 31 (fx 50-200 um) 32, mens mindre partikler (f.eks 1-50 um) 33, 34 kan anvendes med en høj effekt laser (f.eks 80-100 watt CW-laser). Partikler med høj refleksionsevne for en given bølgelængde lys, som sølv belagt under halogen lys, kan forstærke deres præg i et billede. Podningen massefylde er en anden vigtig parameter for en vellykket 3D-PTV måling. Kun få partikler resulterer i lavt antal baner, mens et for stort antal partikler forårsager uklarheder i oprettelse korrespondancer og sporing. Uklarheder i oprettelse korrespondancer omfatter overlappende partikler og afsløre flere kandidater langs den definerede epipolar linje. I sporingsprocessen, tvetydigheden grund af en høj seedin g densitet er opstået på grund af den relativt korte gennemsnit separation af partikler.

Andet trin er optimale indstillinger i optagelse / pre-behandling for at forbedre billedkvaliteten. Fotografiske indstillinger, såsom forstærkning & sortniveau (G & B), spiller en vigtig rolle i at optimere billedkvaliteten. Sort niveau definerer lysstyrken på den mørkeste del af et billede, mens gevinst forstærker et billedes lysstyrke. Små variationer af de G & B niveauer kan få alvorlige konsekvenser sandsynligheden for sporbarhed. Faktisk kan høje G & B over-lysne et billede og til sidst beskadige kameraet sensor. For at illustrere dette, er virkningen af ​​G & B niveauer på genopbygning flowet også undersøgt i denne artikel. I den præ-behandlingstrin, bliver billederne filtreres med et højpasfilter at understrege lysspredning fra partikler. Pixelstørrelsen og grå skala justeres til at maksimere detektionen partikel inden søgevolumenet.

t "> Tredje trin af optimeringen er nøjagtig kalibrering af stereoskopisk billeddannelse, som er baseret på epipolar geometri, kameraparametre (brændvidde, princippet punkt, og forvrængning koefficienter), og brydningsindeksændringer. Denne proces er afgørende for at minimere 3D genopbygning fejl af de referencemærker målpunkter. Epipolar geometri bruger relative afstande (mellem kameraet og søgevolumenet) og vippes vinkel fra målbilledet. kan tages hensyn brydningsindeksændringer langs kameraet udsyn gennem søgevolumenet baseret på proceduren ifølge Mass et al. 21. I dette forsøg er en 3D trappe-lignende struktur med regelmæssigt fordelte målpunkter anvendes som et mål.

I en 3D-PTV eksperiment, selvom der kun er behov to billeder at bestemme en 3D partikel position, typisk flere kameraer anvendes til at reducere tvetydigheder 21. Et alternativ til dyre opsætninger med flere high-speed kameraer er view splitter, foreslået af Hoyer et al. 35 for anvendelse af 3D-PTV og for nylig anvendt af Gulean et al. 28 for de biomedicinske anvendelser. Udsigten splitter består af en pyramide-formet spejl (herom primær spejl) og fire justerbare spejle (herom sekundær spejl). I dette arbejde blev en fire-view splitter og et enkelt kamera anvendes til at efterligne den stereoskopiske afbildning fra fire kameraer. Systemet anvendes til at karakterisere den mellemliggende strøm inden for et rør jet med en diameter, D H = 1 cm og Re ≈ 7.000 fra en Lagrangian og Eulersk rammer på omkring 14,5-18,5 diametre nedstrøms for strålen oprindelse.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

1. Lab Sikkerhed

  1. Gennemgå retningslinjer for sikkerhed for den valgte belysning kilde (f.eks laser, industri LED, halogen).
    Bemærk: i dette eksperiment, er et sæt af fem 250 Watt halogenspots bruges som belysning. Grundlæggende sikkerhed og anbefaling aspekter for denne lyskilde er beskrevet som følger.
    1. Undgå direkte kontakt med halogenlys, der opererer ved høje temperaturer (~ 3000 K farvetemperatur).
    2. Hold lyset ON kun, når de erhverver data for at undgå opvarmning af strømmen under overvejelse.
    3. Holdes væk alle brændbart materiale i nærheden af ​​lyskilden, herunder papir af nogen art.

2. Eksperimentel Set-up

  1. Vælg den relevante Lens
    1. Vælg en linse med lav aberration at undgå kalibrering problemer. Anbefalet linse typer er telefoto eller mikro linser.
    2. Sørg for, at linsen dækker den ønskede field-of-view (FOV) inden for object afstand, O, ved at estimere den nødvendige forstørrelse, M.
      Bemærk: forstørrelsen er forholdet mellem længden af ​​kamerachippen til FOV, og afstanden objekt kan beregnes som O = f (1 / M + 1), hvor f er brændvidden af ​​linsen. I dette eksperiment længden af kameraets chip er 20.34 mm og den tilsvarende FOV, eller det primære spejl, er 50 mm med den begrænsede objekt afstand O ≤250 mm. (Afstanden objekt fastholdes på grund af det endelige stykke af skyderen, hvor kameraet og visningen splitter er monteret.) Forstørrelsen er M = 20,34 / 50 = 0,41 og omtrentligt brændvidde med det givne interval af objektet afstanden er f ≤72.7 mm. Således er en mikro linser med en brændvidde på 60 mm bruges med en brændvidde forhold på f / 2.8D.
  2. Mount og Juster kamera med View Splitter.
    1. Niveau centrum af den primære spejl med den for søgevolumenet ved at skubbe mirror langs den lodrette montering post og fastsættelse spejlet med post holderen. Bemærk, at dette trin udføres før installation de sekundære spejle.
    2. Monter kameraet og indstil midten af ​​billedet sammenfaldende med centrum af den primære spejl.
    3. Juster bredden og højden på kameraet for at blot dække det primære spejl ved at styre området af interesse (ROI) indstilling i optagelsen software. Denne proces er at reducere billedstørrelse og billedkvalitet støj. Bemærk: i dette eksperiment, størrelsen af den primære spejl er 5 x 5 cm2 (1.728 x 1.728 pixels).
    4. Design en (tilpasset) 3D kalibrering mål. Det skal omslutte hele undersøgelsesperioden volumen. Sørg for, at hver enkelt visning af splitter indfanger alle de mål mærker til at tillade en ensartet kalibrering.
      Bemærk: i denne demonstration, var målet 3D Trykt hjælp vero tilbage plast. Den har en trappe-lignende form med dimension 35 x 35 x 30 mm 3, med 1 mm i diameter hvid målpunkter separatelyed 2,5 mm, 5 mm og 10 mm i lodret, streamwise og spanwise retninger. Nøjagtig geometri af målet er afgørende, da den rager ind i en kalibreringsmodel og placering af kameraerne i forhold til renden.
  3. Placer kalibreringsmålet ind søgevolumenet.
    1. Placer kalibreringsmålet på en justerbar højde platform vender mod kameraet.
    2. Match højden af ​​centrum af kalibreringsmålet med centrum af søgevolumenet ved at justere højden af ​​målplatformen.
      Bemærk: I dette eksempel er centermærket af kalibreringsmålet jævnet med centrum af strålemundstykket, 20 cm højde. En boble niveaumåler kan anvendes til at nivellere målet.
  4. Mount og justeres den sekundære Spejle af Four-view Splitter.
    1. Find den primære spejl i en afstand fra forhøret, der sikrer dets fulde fange. Det er 0,2 m for denne demonstration (Figure 1).
    2. Monter sekundær spejl på sin omtrentlige position, hvor kameraet udsigt fra hver side af den primære spejlet er nogenlunde på linje med en sekundær spejl. Fastgør sekundære spejl ved at fastgøre den til den sekundære spejlets lodret montering indlæg.
    3. Gentag denne proces for de andre tre spejle. Check geometrisk symmetri af alle sekundære spejle med hensyn til det primære spejl.
    4. Foretag endelige justeringer ved at justere spejlet mount af de sekundære spejle til at sikre, at hver af de fire visninger omslutter hele kalibrering målet. En effektiv måde at kontrollere spejle positioner og vinkler er at bruge en laserpointer til at visualisere hver visning image sti.
    5. Check for overlappende af sub-billeder ved at flytte en spejl.
      Bemærk: Hvis kun én se ændringer, så det overlappende område er ubetydelig. Ellers skal du gentage trin 2.4.2 til 2.4.5, indtil det overlappende område minimeres.
  5. Placer lyskilde (s) direkte mod forhør volumen. Sørg for at have kameraet dækket, når justering af lys for at undgå skader på kameraet sensor.
    1. Kontroller, at lyskilden jævnt fordelt over hele undersøgelse volumen.
    2. Forbedre lysintensiteten, hvis det er nødvendigt, ved at placere en forstørrelsesglas direkte under lyskilderne. Bemærk: i dette eksperiment, er en plano-konveks forstørrelsesglas af brændvidde f 0 = 450 mm bruges til at intensivere belysning.

3. Set-up Optimering

  1. Tænd og justere indstillingerne på kameraet for at øge billedkvaliteten.
    1. Juster objektivets forstørrelse indtil refleksion gennem den primære spejl er ligeligt fokuseret i alle fire udsigt over de sekundære spejle.
    2. Kontroller, at billederne fra det synspunkt splitter er symmetriske og fange forhør volumen ved at observere symmetri kalibreringsmålet billede fra de fire visninger.
    3. Juster f-nummer for at fange den nærmeste og de ​​fjerneste kalibrering målpunkter fra kameraet.
      Bemærk: Dette kan kameraet fange tracer partikler kun i dybden af ​​forhør volumen. I dette eksempel er f-tal er 11.
    4. Indstil den ønskede frame rate som 550 Hz (det afhænger bestemt program, se indledning) og maksimere lysfølsomheden i overensstemmelse hermed i optagelsen software.
  2. Check belysning i hver visning af den primære spejl ved at observere partikel tæthed forskel i hver visning af splitter den gennem en live-kamera visning.
    Bemærk: Hvis der anvendes flere lyskilder til at belyse søgevolumenet, er det sandsynligt at have forskelle i hver visning af splitteren. I dette eksperiment de øverste to sekundære spejle modtaget mindre lys, fordi belysningen kommer fra toppen. Anvendelsen af ​​et plant spejl i bunden af ​​renden kan bidrage til at reducere lyset variationtværs synspunkter.
  3. Sluk baggrunden lys i værelset, før du bruger 3D-PTV lyskilder.
  4. Juster G & B-niveau af kameraet for at tage bedre lysspredningen fra partiklerne. Optage flere korte sekvenser med forskellige G & B-niveauer og finde den optimale ved at observere fordeling og tæthed partikelbaner.
    Bemærk: i dette eksperiment, rækken af ​​G & B-niveau var 0-500, og sort (B) var indstillet til 500, til at lysne lysdæmperen lysspredning, hvorimod blev gevinst (G) indstillet medium, 300, til moderat forstærke billedet signaler og undgå over-billedet lysere.

4. Kalibrering

  1. Placer kalibreringsmålet i undersøgelsen volumen, før du tilføjer sporstof partikler, og tage nogle kalibrering billeder. Brug en lysdæmper lyskilde (f.eks LED-blitz lys) til at belyse målet.
  2. Opdel kalibrering billedet i fire uafhængige sub-billeder og lave en tekstfil, der indeholder den henvisedelse koordinerer positioner af target mærker. OpenPTV software (http://www.openptv.net) anvendes her til dette formål.
    Bemærk: videre behandling er identisk med brugere, der anvender en multipel kamera set-up.
  3. Klik på fanen 'Opret kalibrering' for at starte kalibreringen efter at have gemt billeder og tekstfilen opnået i trin 4.2 i "Cal" mappe af softwaren.
  4. Klik på fanen 'Rediger kalibreringsparametre' og vælg fanen 'Kalibrering Orientering Parametre' til at definere forstørrelse, rotation vinkler og afstand mellem midten af ​​hver split view og oprindelsen af ​​kalibreringsmålet.
    Bemærk: Den første række er afstanden fra oprindelsen kalibreringsmålet til kameraet sensor i x, y, z-retningen. Den anden række viser vinklerne, i radianer, omkring x, y, z-akserne. Dernæst blev en 3 gange 3 data repræsenterer rotation matrix. Derefter er de to følgende rækker er de pinhole afstande på x- og x, y, z-retningen.
  5. Klik på 'Detektion "og" Vis indledende gæt "for at undersøge, at" gætte "punkter bliver matchet med de fundne målpunkter.
  6. Gentag trin 4.4 for alle fire visninger, indtil "gæt" punkter flugter med det sæt af kalibrering billeder.
  7. Klik "orientering" at rekonstruere orienteringen af ​​søgevolumenet.
    Bemærk: Kalibreringen kan forbedres ved at justere linseforvrængning og affin transformation. Nu er undersøgelsen volumen kalibreret og klar til at behandle data. Se forfatterens tese 36 for yderligere beskrivelse kalibreringsprocessen.

5. Flow Indstilling / Dataindsamling

  1. Vurdere den maksimale mængde partikler fanget i hvert kamera udsigt fra frame rate end maksimale strømningshastighed. I denne demonstration reference hastigheden er U ≈ 0,4 m / sek, frame rate er 550 Hz og ~ 4 x 4 x 4 cm 3 forhør volumen. Dette resulterede i ~ 1.000 partikler per frame.
  2. Tænd kameraet med de optimerede indstillinger opnået i trin 3.
  3. Tilføj seeding partikler og vente flere gennemsnitlig opholdstid for at tillade strømmen nå en stabil tilstand. Tilføj flere partikler, hvis nødvendigt, men undgå høje seeding tæthed, anslået i trin 5.1, som kan forårsage uklarheder.
    Bemærk: I dette eksempel ~ 1,6 g af 100 m sølvbelagte hule keramiske kugler af 1,1 g / cm3 densitet anvendes som podning for fluidet medium (2 x 0,4 x 0,4 m 3).
  4. Optage det ønskede antal flow billeder.
    Bemærk: i dette forsøg blev 9.000 billeder ved 550 Hz fanget ved hjælp af optagelse software. Gentag trin 2,4-5,3 om kameraet og / eller visning splitter flyttes (selv en lille bevægelse kan stærkt påvirke resultater).

6. Data Processing (Via OpenPTV Software)

  1. Opdel den rå billede opnået i trin 5.4 i fire uafhængige sub-billeder.
  2. Klik på 'Init / restart "under fanen' Start 'for at indlæse de første billeder fra fire visninger.
  3. Højreklik på 'Kør' mappe og klik på 'Main Parametre' til at styre antallet af kameraer, brydningsindeks, partikel anerkendelse, antal sekvens billeder, observation volumen og kriterier for korrespondancer.
    1. Definer antallet af kameraer (visninger), der anvendes til forsøg i henhold til fanen 'Generelt'. I dette eksperiment indstille antallet af kameraer som 4.
    2. Definer brydningsindeks langs kameravisningen under fanen "brydningsindeks".
    3. Definer min og max antal pixel detektion samt grå værdi tærskel for at optimere antallet af påvisning partikel i alle fire visninger under fanen 'Particle anerkendelse «. MIN og MAX antal pixel debeskyttelse og grå tærskel bestemme pixelstørrelse og lysstyrken til detektering partikel. Det fjerner støj og partikler ud af fokus.
    4. Definer antallet af billeder til processen under de »Parametre til sekvens behandling«.
    5. Definer observation volumen under fanen 'Observation Volume «.
    6. Definer korrelationen af ​​korrespondancer under 'Kriterier for korrespondancer »herunder samlede bånd parameter (mm) til stereo matching.
  4. Klik på 'High pass filter' under fanen 'Forbehandl «. Dette intensiverer lysspredning fra partikler i alle fire visninger.
  5. Klik på 'Particle Detection "til at bestemme det geometriske tyngdepunkt af fundne partikler på sub-pixel-niveau for alle fire visninger. Gentag trin 6.2 og 6.3 indtil antallet af detekterede partikler ligner det forventede antal partikler beregnet i trin 5.1.
  6. Klik på 'korrespondancer' for at etablere stereoskopisk correspondences i hver visning.
    Bemærk: For at rekonstruere 3D position fundne partikler, bør korrespondancer bestemmes mindst fra tre synspunkter.
  7. Klik på '3D positioner' for at få opdaget partikel 3D position baseret på kalibreringen.
  8. Klik på 'Sekvens uden display "for at gentage processen fra trin 6.4 til 6,7 for alle billedsekvenser.
    Bemærk: Dette skaber en "rt_is 'fil til hvert billede sæt indeholder en oversigt over fundne partikler i rammen med en fane-separeret tekstfil format.
  9. Højreklik på mappen 'Kør' og klik på 'Tracking Parametre' at definere parametre for radius sfære, (f.eks dvxmin og dvymin i mm / ramme), for at søge kandidat partikler til sporing.
  10. Klik på 'Tracking uden display "for at definere identifikation partikel (ID) af rekonstruerede partikler opnået i trin 6.7.
    Bemærk: Det korrelerer en sekvens af tilstødende frames til sporing under anvendelse af en fire-frame predictor prædiktor-corrector skema 24. Denne proces skaber en ptv_is fil for hvert billede sæt, der indeholder sporingsoplysninger af detekterede partikler i rammen; de to første kolonner viser partikel-id i den foregående ramme og i den næste ramme, hhv.
  11. Klik på 'Vis baner' for at visualisere baner i hvert kamera visning.

7. Indlæg Processing (optativ)

Bemærk: rækkevidde og type efterbehandling afhænger af individuelle behov, og det er derfor, der kan tilpasses. Her bliver punkt uædle beregninger kort beskrives som et eksempel.

  1. Få data i Lagrange Frame (via Matlab).
    1. Uddrag 3D placeringen af hver partikel og dens tilknyttede ID fra ptv_is filer. Den tillader forbinder detekterede partikler blandt billedsekvenser at rekonstruere baner.
    2. Beregn hastighed og acceleration af partikler fra den givne ramme for hver bane.I denne demonstration er den hastighed og acceleration af partikler beregnet ved lavpasfiltrering positionssignalet med en bevægelig kubisk spline 34, 37.
    3. Lav en struct-array format med felter, der indeholder 3D-positioner, 3D hastigheder, 3D accelerationer og tidsstempel samt bane ID af hver bane. I denne dataformat, længden af struct matrix repræsenterer antallet af baner.
  2. Få data i Eulerske Frame (via Matlab).
    1. Transformer struct array (trin 7.1.3) til en tidsmæssig ene med tidsstemplet for hver partikel. Dette skaber en lignende struct matrix struktur opnået i trin 7.1.3, men længden af ​​struct matrix repræsenterer nu rammen numre, som er 9,000 i dette forsøg.
    2. Interpolere den tidsmæssige struct array i en tredimensional gitter for hver tidsramme for at opnå øjeblikkelige hastighed felter i Eulerian koordinater. I denne demonstration den griddata sjovtIndsatsen i Matlab anvendes til at udføre den interpolation.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Et fotografi og en skematisk afbildning af opsætningen er vist i figur 1 og 2. Kalibreringsmålet, målepunkterne afspejles på visningen-splitter og 3D kalibrering rekonstruktion er illustreret i figur 3. De RMS af de anerkendte kalibreringsmål er 7,3 um, 5,7 um og 141,7 um i streamwise x, spanwise y og dybde z-retningerne. Den relative højere RMS i z -coordinate skyldes de reducerede mål punkter med hensyn til dem i de andre retninger og relativt små vinkler på fire synspunkter med z-aksen i forhold til x- og y-koordinater. De detekterede partikler i hver af de fire visninger på ethvert givet tidspunkt var i størrelsesordenen 10 3. Blandt de detekterede partikler, er antallet af vellykkede 3D ​​rekonstruktioner reduceret til omkring halvdelen skyldes, at kun partikler i skæringspunktet region are fanget. Video 1 viser et højhastigheds-video prøve af jet flow fra de fire-view splitter.

En prøve af fire repræsentative partikelbaner i det mellemliggende felt regionen omkring og passerer x / d t = 16 plan ved radiale afstande r / d t = v0, 1,5, 3 fra jet kerne er illustreret i figur 4. Som forventet er længere baner i den givne tidsinterval (AT ≈ 1 sek) omkring dens jet kerne. På kanten af jet (r / d h ≥2), sporstof partikler udviser korte og mere komplekse baner. Figur 5 viser alle de succes rekonstruerede partikel baner krydser x / d h = 16 fly. De partikel hastigheder i den valgte domæne udviser en bred fordeling spænder fra næsten 0 til 0,6 U j, hvor U j Figur 6 A viser tilfældet af en partikel krydser x / d t = 16 plan omkring jet kerne. Figur 6 b, 6 c og 6 d viser de 3 bestanddele af partiklens bane, hastighed og acceleration som funktion af normaliseret tid. Det er værd at fremhæve, at den lokale partikel acceleration kan være flere gange standard tyngdekraft. De baner partikel tillader opnå særlige forhold i de partikel baner via den såkaldte Frenet-Serret ramme. Den beskriver ændringerne i ortonormale vektorer (tangential, normal, binormal) langs s (t). Af særlig relevans er krumningen, κ, som er det omvendte af krumningsradius, ρ, og defineret som:

ligning 1

hvor ligning 3 = DR / ds er tangens enhedsvektor af banen, og r er positionen vektor (euklidisk rum) af partiklen som en funktion af tid, hvilket kan skrives som en funktion af, dvs., R (s) = r (t (s)). Krumningen, κ, beregnes for alle de partikler, der krydser x/d h = 16 og x/d h = 17 fly. Den gennemsnitlige krumning, ligning 3 Som en funktion af afstanden fra jet kerne r beregnes som: ligning 2

hvor Δr = 0.2d h anvendes i her. Figur 7 illustrerer ligning 3 = F (r), normaliseret ved d h. Det viser en relativt lav og næsten konstant ligning 3 inden for det område defineret af cirkulært tværsnit af røret, r / d t ≤0.5. Ved en større afstand fra jet kerne ix / d t = 16 plan, ligning 3 stiger monotont. En lignende tendens opnås ved x / d t = 17 plan, men med en reduceret ligning 3 udenfor jet kerne (r / d h ≥0.5). Det er værd at fremhæve, at denne strøm feaklatur kan udledes kun med 3D-PTV teknikken. Kvaliteten af data baseret på forskellige niveauer af G & B indstillinger vurderes i forhold til forholdet mellem forbundne partikler til resten af 3D-rekonstruerede partikler vist i tabel 1. Den højeste link ratio observeret ved indstillingen G & B på 300 & 500.

Eulerian flydeegenskaber kan opnås ved grid-interpolation, som efterligner 3D partikel billede Velocimetry (3D-PIV). Det er vigtigt at bemærke, at på grund af de forholdsvis lave partikler spores på hver gang, er der behov for en betydeligt højere antal billeder til virkelig efterligne PIV kvalitet til en Eulerske beskrivelse. Dette er mere kritisk i forbindelse med vurdering af high-ordens statistik (f.eks turbulensintensitet og Reynolds spændinger). Den streamwise hastighed ved jet kerne til forskellige G & B-niveauer er vist i figur 8. Målingerne sammenlignes med theoretical adfærd:

ligning 3

hvor U 0 (x) er den streamwise hastighed ved jet kerne, B ≈ 6 er en konstant, og x 0 er den virtuelle oprindelse 38. Figuren viser relevansen af fastsættelsen af G & B-niveauer. Figur 9 illustrerer middelværdien hastighedsfordeling af jets i x / d t = 16 plan.

Endelig den spektrale fordeling φ (f), i de store bevægelser af streamwise hastighed på steder r / d t = 0, 0,6, og 1 i x / d t = 10 plan er illustreret i figur 10. En Butterworth lavpasfilter blev påført på hastigheden tidsseriermed afskæringsfrekvens, f c = 200 Hz.

Figur 1
Figur 1:. Skematisk af den eksperimentelle opsætning Klik her for at se en større version af dette tal.

Figur 2
Figur 2:. Eksperimentel opsætning Dette illustrerer forskellige billeder af kameraet og den fire-billedvisning splitter, rende og forhør volumen: (venstre top) ovenfra, (nederst til venstre) bagfra af kameraet og udsigt splitter-system, ( top midten, nederst i midten) fra siden af ​​den samlede forsøgsopstilling, (højre) zoom-i betragtning af såning partikler i jet strømme. <a href = "https://www.jove.com/files/ftp_upload/53745/53745fig2large.jpg" target = "_ blank"> Klik her for at se en større version af dette tal.

Figur 3
Figur 3: Kalibrering:. (A) Calibration mål, (b) Image-sæt kalibreringsmålet fra det synspunkt splitter, (c) 3D anerkendelse af målepunkterne fra kalibreringsmålet Klik her for at se en større version af denne figur.

Figur 4
Figur 4: Udvalgte baner partikel på r/d h = 0, En. 5, 3. Klik her for at se en større version af dette tal.

Figur 5
Figur 5:. Partikelbaner krydser x / d t = 16 plan, hvor hastigheden er vist som en farveniveauet søgevolumenet vist i figuren er indeholdt mellem (x) /d h Figur 1 (14.5,18.5), y/d h Figur 1 (-2,2), Og z/d h.jpg "/> (- 2,2), hvor (x, y, z) = (0, 0, 0) er placeret i midten af ​​strålen oprindelse Hastigheden langs de enkelte baner, normaliseret ved bulk hastighed. U 0, er illustreret som en farve-niveau. klik her for at se en større version af dette tal.

Figur 6
Figur 6:. (A) Partikel bane, (b) forskydning, (c) hastighed, og (d) fremskyndet en vilkårlig partikel Klik her for at se en større version af dette tal.

Figur 7 /> Figur 7: Krumning af partiklerne: Graf viser betyde krumning af partiklerne som en funktion af den radiale afstand fra jet kerne på flyene x/d h = 16 og x/d h = 17. Klik her for at se en større version af denne figur.

Figur 8
Figur 8: Streamwise hastighed ved jet kerne inden (x) /d h Figur 1 (15, 18) for forskellige G & B-niveauer. Tre G & B niveauer er inkluderet (300 & 500 (optimalt), 300 & 250, 100 & 250).745fig8large.jpg "target =" _ blank "> Klik her for at se en større version af dette tal.

Figur 9
Figur 9:. Ikke-dimensional fordeling af streamwise hastighed komponent ved x / d h = 16 Klik her for at se en større version af dette tal.

Figur 10
Figur 10: Power spektrum φ (f) streamwise hastighed komponent i et punkt beliggende på r / d t = 0 (jet kerne), 0. 6, og 1 i x / d t = 16 fly. Klik her for at se en større version af dette tal.

Video 1
Video 1: Video prøve af jet flow fra de fire-view splitter, 10 gange langsommere end faktiske hastighed opnås ved 550 fps ( højreklik for at downloade ).

tabel 1

Tstand 1:. Forholdet mellem forbundne partikler til resten af 3 D-rekonstruerede partikler ved forskellige G & B-niveauer Three G & B-niveauer er inkluderet (100 & 250, 300 & 250, 300 & 500).

Subscription Required. Please recommend JoVE to your librarian.

Discussion

3D-PTV har et stort potentiale til at optrævle de komplekse fysik af en række turbulente strømninger såsom store turbulente bevægelser i den nedre atmosfære 25, indendørs luftfordeling 26, eller pulserende strømme i aorta topologi 28 blandt mange andre. Men en forståelse af sine fordele og begrænsninger samt erfaring er vigtigt at maksimere sit potentiale. Trial and error indledende test, og udtømmende iterationer for optimale indstillinger, herunder frame rate, belysning kilde, G & B-niveau og image-filtrering metode, er direkte korreleret med evnen til at rekonstruere de Lagrange stier i et sæt (f.eks sporstof) partikler. Det er vigtigt at bemærke, at de kritiske protokoltrin, som demonstreret her, er tilpasningerne af de G & B-niveauer og belysningen af ​​FOV (kombination af halogenspots lys, forstørrelsesglas og reflekterende spejl fra bunden af ​​rendens).

ent "> Disse justeringer bidrage til at optimere de lyse scatters inden undersøgelsen til de fire visninger. Efter identifikation af de eksperimentelle indstillinger for high-fidelity målinger bør foretages en grundig ændring og fejlfinding til at beregne det maksimale antal præcise baner baseret på frame rate , kamera opløsning og størrelsen af ​​undersøgelsen volumen. Selv om antallet af indfangede partikler kan øges med højere frame rates, er det værd at bemærke, at antallet af sporede partikler i 3D-PTV er meget lavere i forhold til PIV. det største potentiale 3D -PTV er i sin enestående evne at beskrive Lagrange stier af flere partikler. i denne demonstration blev visningen splitter opsætning implementeret for at undgå at bruge flere ekspansiv kameraer, er det imidlertid vigtigt at bemærke, at denne opsætning kræver højere kamera opløsning og begrænser størrelsen af ​​prøvevolumenet.

I denne undersøgelse, de mellemliggende-field funktioner i en cirkulær jet er analyzed med 3D-PTV teknikken. Den fremgangsmåde gjorde opnå vigtige elementer i flowet fra Eulerian og Lagrange rammer. Især er den gennemsnitlige krumning af partiklerne som en funktion af den radiale afstand karakteriseret for første gang, på to tværsnitsplaner hjælp af Lagrange træk ved partikelbaner. De RMS af de anerkendte kalibreringsmål svinger mellem 7,3 um, til 141,7 um i streamwise og spanwise retninger. Selv om denne høje relative fejl i spanwise retning på grund af små vinkler af visningerne i z-retningen ikke kan helt overvundet, kan den reduceres yderligere ved at tilføje flere målpunkter i z-retningen, såsom anvendelse af en 2D kalibreringsmålet på forskellige steder (multiplansafbalanceringsmaskiner kalibrering).

Samlet, 3D-PTV er en nyttig teknik, der kan anvendes på en række andre problemer, herunder tidsafhængige strømme eller dynamik aktive skalarer. For eksempel kan det være meget nyttigt at StuDy samspillet mellem turbulens og arter i akvatiske miljøer.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Forfatterne erklærer, at de ikke har nogen konkurrerende finansielle interesser.

Acknowledgments

Dette arbejde blev støttet af Institut for Mekanik Science and Engineering, University of Illinois i Urbana-Champaign, som en del af opstarten pakke af Leonardo P. Chamorro.

Materials

Name Company Catalog Number Comments
Mikrotron 4CXP 4 lanes CXP-6 CoaXPress ImageOps CAMMC4082 High-speed camera
Active Silicon FireBird CoaX Frame Grabber ImageOps FBD-4XCXP6 Frame Grabber
100 μm silver-coated hollow ceramic spheres Potters Industries LLC AG-SL150-30-TRD Seeding Paritcles
StreamPix6 Upstate Technical Equipment CO.,INC MISNOR-STP-6-S-CL Camera appliation
Four-view splitter Photrack AG Customized part and necessary if performing 3D-PTV with one camera
250 Watts Spotlight Halogen General Electrics 23719 Light source
OpenPTV (Software) OpenPTV (http://www.openptv.net) Open source particle tracking software (Note: available as a service for anyone who wants to use it without all the installation mess or computer power availability problems).

DOWNLOAD MATERIALS LIST

References

  1. Wygnanski, I., Fiedler, H. Some measurements in the self preserving jet. , Cambridge university press. (1968).
  2. Rajaratnam, N. Turbulent jets. , Elsevier. (1976).
  3. Panchapakesan, N., Lumley, J. Turbulence measurements in axisymmetric jets of air and helium. Part 1. Air jet. J Fluid Mech. 246, 197-223 (1993).
  4. Hussein, H. J., Capp, S. P., George, W. K. Velocity measurements in a high-Reynolds-number, momentum-conserving, axisymmetric, turbulent jet. J Fluid Mech. 258, 31-75 (1994).
  5. Yule, A. Large-scale structure in the mixing layer of a round jet. J Fluid Mech. 89, 413-432 (1978).
  6. Yule, A., Chigier, N., Ralph, S., Boulderstone, R., Venturag, J. Combustion-transition interaction in a jet flame. AIAA Journal. 19, 752-760 (1981).
  7. Quinn, W. Upstream nozzle shaping effects on near field flow in round turbulent free jets. Eur J Mech B-Fluid. 25, 279-301 (2006).
  8. Mi, J., Nathan, G. J., Luxton, R. E. Centreline mixing characteristics of jets from nine differently shaped nozzles. Exp Fluids. 28, 93-94 (2000).
  9. Karlsson, R. I., Eriksson, J., Persson, J. LDV measurements in a plane wall jet in a large enclosure. DTIC [Internet]. , Available from: http://oai.dtic.mil/oai/oai?verb=getRecord&metadataPrefix=html&identifier=ADP008905 (1992).
  10. Liepmann, D., Gharib, M. The role of streamwise vorticity in the near-field entrainment of round jets. J Fluid Mech. 245, 643-668 (1992).
  11. Oh, S. K., Shin, H. D. A visualization study on the effect of forcing amplitude on tone-excited isothermal jets and jet diffusion flames. Int J Energ Res. 22, 343-354 (1998).
  12. Cenedese, A., Doglia, G., Romano, G., De Michele, G., Tanzini, G. LDA and PIV velocity measurements in free jets. Exp Therm Fluid Sci. 9, 125-134 (1994).
  13. Wang, H., Peng, X., Lin, W., Pan, C., Wang, B. Bubble-top jet flow on microwires. Int J Heat Mass Tran. 47, 2891-2900 (2004).
  14. Shestakov, M. V., Tokarev, M. P., Markovich, D. M. 3D Flow Dynamics in a Turbulent Slot Jet: Time-resolved Tomographic PIV Measurements. 17th Int Symp on Applications of Laser Techniques to Fluid Mechanics. , (2014).
  15. Bridges, J., Wernet, M. P. Measurements of the aeroacoustic sound source in hot jets. AIAA [Internet]. , Available from: http://arc.aiaa.org/doi/abs/10.2514/6.2003-3130 (2003).
  16. Scarano, F., Bryon, K., Violato, D. Time-resolved analysis of circular and chevron jets transition by tomo-PIV. 15th Int Symp on Applications of Laser Techniques to Fluid Mechanics. , (2010).
  17. Holzner, M., Liberzon, A., Nikitin, N., Kinzelbach, W., Tsinober, A. Small-scale aspects of flows in proximity of the turbulent/nonturbulent interface. Phys Fluids. 19, 071702 (2007).
  18. Holzner, M., et al. A Lagrangian investigation of the small-scale features of turbulent entrainment through particle tracking and direct numerical simulation. J Fluid Mech. 598, 465-475 (2008).
  19. Chang, T. P., Wilcox, N. A., Tatterson, G. B. Application of image processing to the analysis of three-dimensional flow fields. Opt Eng. 23, 283-287 (1984).
  20. Racca, R., Dewey, J. A method for automatic particle tracking in a three-dimensional flow field. Exp Fluids. 6, 25-32 (1988).
  21. Maas, H. G., Gruen, D., Papantoniou, D. Particle tracking velocimetry in three-dimensional flows. Exp Fluids. 15, 133-146 (1993).
  22. Kasagi, N., Matsunaga, A. Three-dimensional particle tracking velocimetry measurement of turbulence statistics and energy budget in a backward-facing step flow. Int J Heat Fluid Fl. 16, 477-485 (1995).
  23. Virant, M., Dracos, T. 3D PTV and its application on Lagrangian motion. Meas Sci Technol. 8, 1539 (1997).
  24. Willneff, J. A spatio-temporal matching algorithm for 3 D particle tracking velocimetry. , Mitteilungen- Institut fur Geodasie und Photogrammetrie an der Eidgenossischen Technischen Hochschule Zurich. Zurich. (2003).
  25. Rosi, G. A., Sherry, M., Kinzel, M., Rival, D. E. Characterizing the lower log region of the atmospheric surface layer via large-scale particle tracking velocimetry. Exp Fluid. 55, 1-10 (2014).
  26. Fu, S., Biwole, P. H., Mathis, C. Particle Tracking Velocimetry for indoor airflow field: A review. Build Environ. 87, 34-44 (2015).
  27. Kolaas, J., Jensen, A., Mielnik, M. Visualization and measurements of flows in micro silicon Y-channels. Eur Phys J E. 36, 1-11 (2013).
  28. Gülan, U., et al. Experimental study of aortic flow in the ascending aortavia Particle Tracking Velocimetry. Exp Fluids. 53, 1469-1485 (2012).
  29. Mei, R. Velocity fidelity of flow tracer particles. Exp Fluids. 22, 1-13 (1996).
  30. Tropea, C., Yarin, A. L., Foss, J. F. Springer handbook of experimental fluid mechanics. 1, Springer Science & Business Media. (2007).
  31. Melling, A. Tracer particles and seeding for particle image velocimetry. Meas Sci Technol. 8, 1406 (1997).
  32. Hering, F., Leue, C., Wierzimok, D., Jähne, B. Particle tracking velocimetry beneath water waves. Part I: visualization and tracking algorithms. Exp Fluids. 23, 472-482 (1997).
  33. Biferale, L., et al. Lagrangian structure functions in turbulence: A quantitative comparison between experiment and direct numerical simulation. Phys Fluids. 20, 065103 (2008).
  34. Lüthi, B., Tsinober, A., Kinzelbach, W. Lagrangian measurement of vorticity dynamics in turbulent flow. J Fluid mech. 528, 87-118 (2005).
  35. Hoyer, K., et al. 3d scanning particle tracking velocimetry. Exp Fluids. 39, 923-934 (2005).
  36. Kim, J. -T. Three-dimensional particle tracking velocimetry for turbulence applications. , UIUC. http://chamorro.mechse.illinois.edu/3d.htm (2015).
  37. Lüthi, B. Some aspects of strain, vorticity and material element dynamics as measured with 3D particle tracking velocimetry in a turbulent flow. ETH Zürich. , Nr. 14893 (2002).
  38. Pope, S. B. Turbulent flows. , Cambridge university press. (2000).

Tags

Engineering Mechanical Engineering Fluid Mekanik Flow visualisering Jet flow Lagrange ramme Particle sporing Velocimetri Bane Turbulence.
Tre-dimensionel Particle Tracking Velocimetri for Turbulens Applications: Sagen om en Jet Flow
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Kim, J. T., Kim, D., Liberzon, A.,… More

Kim, J. T., Kim, D., Liberzon, A., Chamorro, L. P. Three-dimensional Particle Tracking Velocimetry for Turbulence Applications: Case of a Jet Flow. J. Vis. Exp. (108), e53745, doi:10.3791/53745 (2016).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter