Summary

Trois dimensions Velocimetry de suivi des particules pour Turbulence Applications: Cas d'un débit de jet

Published: February 27, 2016
doi:

Summary

Un système à trois dimensions vélocimétrie suivi de particules (3D-PTV) basé sur une caméra à grande vitesse avec un à quatre vue splitter est décrite ici. La technique est appliquée à un écoulement à jet à partir d' une conduite circulaire au voisinage de dix fois le diamètre en aval au nombre de Reynolds Re ≈ 7,000.

Abstract

3D-PTV est une technique de mesure du débit quantitatif qui vise à suivre les chemins de Lagrange d'un ensemble de particules en trois dimensions à l'aide de l'enregistrement stéréoscopique de séquences d'images. La base des composants, des caractéristiques, des contraintes et des conseils d'optimisation d'une topologie 3D-PTV constitué d'une caméra à grande vitesse avec un quatre-vue splitter sont décrits et discutés dans cet article. Cette technique est appliquée au champ d'écoulement intermédiaire (5 <x / d <25) d'un jet circulaire à Re ≈ 7,000. caractéristiques d'écoulement lagrangiens et les quantités de turbulence dans un cadre Eulerian sont estimés autour de dix diamètres en aval de l'origine du jet et à différentes distances radiales du noyau de jet. propriétés de Lagrangian comprennent la trajectoire, la vitesse et l'accélération des particules sélectionnées, ainsi que la courbure de la trajectoire d'écoulement, qui sont obtenus à partir de l'équation Frénet-Serret. Estimation des champs de vitesse et de turbulence 3D autour de l'axe central de jet à un plan transversal situé à dixdiamètres en aval du jet est comparée à la littérature, et le spectre des mouvements de vitesse longitudinale à grande échelle de puissance est obtenue à différentes distances radiales du noyau de jet.

Introduction

Les flux de jet Turbulent sont omniprésents dans les applications d'ingénierie. La caractérisation détaillée de ces flux est crucial dans un large éventail de problèmes pratiques couvrant des systèmes d'évacuation de l'environnement à grande échelle à des dispositifs électroniques micro-échelle. En raison de son impact sur ​​un certain nombre de grandes applications, les flux de jet ont été étudiés en profondeur 1-4. Plusieurs techniques expérimentales, y compris Hotwire anémométrie 4-8, Vélocimétrie Laser Doppler (LDV) 4, 9-12, et Particle Image Velocimetry (PIV) 12 16, ont été utilisées pour caractériser jet coule dans une large gamme de nombres de Reynolds et limites conditions. Récemment, quelques études ont été faites en utilisant 3D-PTV pour étudier l'interface turbulente / non turbulent des flux jet 17, 18. 3D-PTV est une technique particulièrement adaptée pour décrire fi turbulent complexechamps à partir d'une perspective différente. Il permet la reconstruction des trajectoires de particules dans un volume dans un cadre Lagrangien de référence à l'aide multi-vues stéréoscopie. La technique a été introduite par Chang 19 et développé par Racca et Dewey 20. Depuis lors, de nombreuses améliorations ont été apportées sur l'algorithme 3D-PTV et montage expérimental 21 24. Avec ces réalisations et travaux antérieurs, le système a été utilisé avec succès pour étudier divers phénomènes fluides tels que le mouvement du fluide à grande échelle dans un domaine de 4 mx 2 mx 2 m 25, champ de débit d' air intérieur 26, pulsatile flux 27 et le sang aortique flux 28 .

Le principe de fonctionnement d'une mesure 3D-PTV se compose d'un système d'acquisition de données mis en place, enregistrement / pré-traitement, l'étalonnage, les correspondances 3D, suivi temporel et post-traitement. Un étalonnage précis permet une détection précise de la position des particuless. La correspondance des particules détectées dans plus de trois vues d'images permet la reconstruction d'une position de particule 3D basé sur la géométrie épipolaire. Une liaison de trames d'image successives entraînent une suivi temporel qui définit les trajectoires des particules s (t). Optimisation du système 3D-PTV est essentielle pour maximiser la probabilité de traçabilité multi-particules.

Première étape de l'optimisation est d'acquérir un système d'acquisition de données appropriées, y compris des caméras à haute vitesse, source d'éclairage et les caractéristiques des particules d'ensemencement. La résolution de l'appareil photo avec la taille du volume d'interrogation définit la taille du pixel et, par conséquent, la taille de particule requise ensemencement, qui devrait être supérieure à un pixel unique. Les centres de gravité des particules détectées sont estimées avec une précision de sous-pixel en prenant la position moyenne des pixels de particules pondérée par la luminosité 21. La fréquence d'images de l'appareil photo est étroitement ASSOCIATed avec nombre de Reynolds et la capacité de lier les particules détectées. Un taux de trame supérieur permet de résoudre les flux rapides ou un plus grand nombre de particules depuis le suivi devient plus difficile lorsque le déplacement moyen entre les images dépasse la séparation moyenne des particules.

La vitesse d'obturation, l'ouverture et la sensibilité sont trois facteurs à considérer dans la capture d'image. La vitesse d'obturation doit être assez rapide pour minimiser le flou autour d'une particule, ce qui réduit l'incertitude de la position du centre de gravité des particules. ouverture de la caméra doit être ajustée à la profondeur de champ du volume d'interrogation afin de réduire la probabilité de détecter des particules à l'extérieur du volume. Étant donné que la sensibilité maximale d'une caméra est fixe, comme les taux de trame augmente, la lumière nécessaire nécessaire pour éclairer les particules devrait augmenter en conséquence. Contrairement à PIV, les paramètres optiques complexes et les lasers de forte puissance ne sont pas strictement nécessaires en 3D-PTV, aussi longtemps que la source de lumière est suffisamment scatoenregis- des particules de traceur à la caméra. Lumières LED ou halogènes en continu sont de bonnes options rentables qui contournent la nécessité de la synchronisation 21.

3D-PTV, comme d' autres techniques de mesure de flux optique, la vitesse traceur de particule est supposée être la vitesse du fluide locale instantanée 29. Cependant, ceci est seulement le cas pour les traceurs idéaux de diamètre nul et l'inertie; les particules de traceur doit être suffisamment grande pour être capturée par une caméra. La fidélité d'une particule finie peut être déterminée par le nombre de Stokes S t, à savoir le rapport de l'échelle de temps de relaxation de particules et de l'échelle de temps des structures turbulentes d'intérêt. En général, S t devrait être sensiblement inférieur à 1. Pour S t ≤0.1 erreurs de suivi de flux sont inférieurs à 1% 30. Dans une discussion approfondie peut être trouvée dans Mei et al . 29 31 </sup>. la taille des particules recommandée pour une expérience 3D-PTV varie en fonction de la source lumineuse et la sensibilité de la caméra. Avec halogène ou LED en tant que sources d'éclairage, des particules relativement plus grandes sont utilisées (par exemple 50-200 pm) 32, tandis que les particules plus petites (par exemple , 1-50 pm) 33, 34 peut être utilisé avec un laser de puissance élevée (par exemple 80-100 Watts laser CW). Les particules ayant une réflectivité élevée pour une lumière de longueur d'onde donnée, comme enduit sous la lumière halogène d'argent, peuvent amplifier leur marque dans une image. La densité de semis est un autre paramètre important pour une mesure 3D-PTV réussie. Peu de particules se traduisent par un faible nombre de trajectoires, alors qu'un nombre excessif de particules provoquent des ambiguïtés dans l'établissement de correspondances et de suivi. Ambiguïtés établir des correspondances comprennent des particules qui se chevauchent et détecter de multiples candidats le long de la ligne épipolaire définie. Dans le processus de suivi, l'ambiguïté due à une forte seedin la densité g est produite en raison de la séparation moyenne relativement courte de particules.

Deuxième étape est des paramètres optimaux dans l'enregistrement / pré-traitement pour améliorer la qualité de l'image. paramètres photographiques, tels que le gain et le niveau de noir (G & B), jouent un rôle important dans l'optimisation de la qualité d'image. Le niveau de noir définit le niveau de luminosité à la partie la plus sombre d'une image, alors que le gain amplifie la luminosité d'une image. De légères variations des niveaux G & B peuvent influer de manière significative la probabilité de traçabilité. En fait, haute G & B peuvent trop égayer une image et éventuellement endommager le capteur de la caméra. Pour illustrer cela, l'impact des niveaux G & B sur la reconstruction de l'écoulement est également examinée dans cet article. Dans l'étape de pré-traitement, les images sont filtrées avec un filtre passe-haut pour souligner la dispersion de lumière à partir de particules. La taille des pixels et échelle de gris sont ajustés pour optimiser la détection de particules dans le volume d'interrogation.

t "> Troisième étape de l'optimisation est un étalonnage précis de l'image stéréoscopique, qui est basée sur la géométrie épipolaire, les paramètres de la caméra (distance focale, point principal, et des coefficients de distorsion), et des changements d'indice de réfraction. Ce processus est essentiel pour minimiser le 3D erreur de reconstruction des points cibles repères. géométrie épipolaire utilise des distances relatives (entre la caméra et le volume d'interrogation) et de l'angle incliné de l'image cible. changements d'indice de réfraction le long de la vue de la caméra à travers le volume d'interrogation peuvent être pris en compte sur la base de la procédure de la messe et al. 21. Dans cette expérience, une structure en escalier 3D avec des points cibles régulièrement distribués est utilisé comme cible.

Dans une expérience 3D-PTV, bien que deux images sont nécessaires pour déterminer une position de particules 3D, généralement plusieurs caméras sont utilisées pour réduire les ambiguïtés 21. Une alternative à des configurations coûteuses avec plusieurs caméras à grande vitesse est le view séparateur proposé par Hoyer et al. , 35 pour l'utilisation de 3D-PTV et plus récemment appliquée par Gulean et al. , 28 pour les applications biomédicales. La vue séparateur est constitué d'un miroir en forme de pyramide (miroir primaire contient sont) et quatre miroirs ajustables (Héraion miroir secondaire). Dans ce travail, un séparateur à quatre vue et une seule caméra ont été utilisés pour imiter l'imagerie stéréoscopique à partir de quatre caméras. Le système est utilisé pour caractériser le champ d'écoulement intermédiaire d'un jet de tuyau d'un diamètre, d h = 1 cm et Re ≈ 7000 à partir d' un lagrangien et eulérien cadres à environ 14,5 à 18,5 diamètres en aval de l'origine du jet.

Protocol

1. Sécurité Lab Revoir les consignes de sécurité de la source d'éclairage sélectionnée (par exemple laser, LED industrielle, halogène). Remarque: dans cette expérience, un ensemble de cinq 250 projecteurs Watts halogènes sont utilisés comme illumination. Les aspects fondamentaux de sécurité et de recommandation pour cette source de lumière sont décrites comme suit. Éviter tout contact direct avec les lampes halogènes, qui fonctionnent à des températures élevée…

Representative Results

Une photographie et une vue schématique de l'installation sont représentées sur les figures 1 et 2. La cible d'étalonnage, les points repères réfléchi sur le point de vue-séparateur et la reconstruction d'étalonnage 3D sont illustrés dans la Figure 3. Le RMS des cibles d'étalonnage reconnus est de 7,3 um, 5,7 um et 141,7 um dans le x par fractions, y envergure, et en profondeur…

Discussion

3D-PTV a un grand potentiel pour démêler la physique complexe d'une variété d'écoulements turbulents tels que grande échelle des mouvements turbulents dans la basse atmosphère 25, la distribution de l' air intérieur 26, ou de flux pulsatile dans la topologie de l' aorte 28 parmi beaucoup d' autres. Cependant, la compréhension de ses avantages et ses limites, ainsi que l'expérience est essentielle pour maximiser son potentiel. Essais et erreurs des …

Disclosures

The authors have nothing to disclose.

Acknowledgements

Ce travail a été soutenu par le Département des sciences et de génie mécanique, Université de l'Illinois à Urbana-Champaign, dans le cadre du paquet de démarrage de Leonardo P. Chamorro.

Materials

ImageOps CAMMC4082 High-speed camera
ImageOps FBD-4XCXP6 Frame Grabber
Potters Industries LLC AG-SL150-30-TRD Seeding Paritcles
Upstate Technical Equipment CO.,INC MISNOR-STP-6-S-CL Camera appliation
Photrack AG Customized part and necessary if performing 3D-PTV with one camera
General Electrics  23719 Light source
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).

References

  1. Wygnanski, I., Fiedler, H. . Some measurements in the self preserving jet. , (1968).
  2. Rajaratnam, N. . Turbulent jets. , (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. Liepmann, D., Gharib, M. The role of streamwise vorticity in the near-field entrainment of round jets. J Fluid Mech. 245, 643-668 (1992).
  10. 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).
  11. 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).
  12. 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).
  13. 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).
  14. 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).
  15. 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).
  16. 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).
  17. 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).
  18. Racca, R., Dewey, J. A method for automatic particle tracking in a three-dimensional flow field. Exp Fluids. 6, 25-32 (1988).
  19. Maas, H. G., Gruen, D., Papantoniou, D. Particle tracking velocimetry in three-dimensional flows. Exp Fluids. 15, 133-146 (1993).
  20. 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).
  21. Virant, M., Dracos, T. 3D PTV and its application on Lagrangian motion. Meas Sci Technol. 8, 1539 (1997).
  22. Willneff, J. . A spatio-temporal matching algorithm for 3 D particle tracking velocimetry. , (2003).
  23. 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).
  24. Fu, S., Biwole, P. H., Mathis, C. Particle Tracking Velocimetry for indoor airflow field: A review. Build Environ. 87, 34-44 (2015).
  25. Kolaas, J., Jensen, A., Mielnik, M. Visualization and measurements of flows in micro silicon Y-channels. Eur Phys J E. 36, 1-11 (2013).
  26. Gülan, U., et al. Experimental study of aortic flow in the ascending aortavia Particle Tracking Velocimetry. Exp Fluids. 53, 1469-1485 (2012).
  27. Mei, R. Velocity fidelity of flow tracer particles. Exp Fluids. 22, 1-13 (1996).
  28. Tropea, C., Yarin, A. L., Foss, J. F. . Springer handbook of experimental fluid mechanics. 1, (2007).
  29. Melling, A. Tracer particles and seeding for particle image velocimetry. Meas Sci Technol. 8, 1406 (1997).
  30. 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).
  31. Biferale, L., et al. Lagrangian structure functions in turbulence: A quantitative comparison between experiment and direct numerical simulation. Phys Fluids. 20, 065103 (2008).
  32. Lüthi, B., Tsinober, A., Kinzelbach, W. Lagrangian measurement of vorticity dynamics in turbulent flow. J Fluid mech. 528, 87-118 (2005).
  33. Hoyer, K., et al. 3d scanning particle tracking velocimetry. Exp Fluids. 39, 923-934 (2005).
  34. Kim, J. -. T. . Three-dimensional particle tracking velocimetry for turbulence applications. , (2015).
  35. Lüthi, B. Some aspects of strain, vorticity and material element dynamics as measured with 3D particle tracking velocimetry in a turbulent flow. ETH Zürich. , (2002).
  36. Pope, S. B. . Turbulent flows. , (2000).

Play Video

Cite This Article
Kim, J., 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).

View Video