Waiting
Login processing...

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

Engineering

Tredimensjonal Particle Tracking velocimetry for Turbulence Applications: Case av en Jet Flow

Published: February 27, 2016 doi: 10.3791/53745

Summary

En tre-dimensjonal partikkel sporing velocimetry (3D-PTV) system basert på et høyhastighetskamera med en fire-visning splitter er beskrevet her. Teknikken blir tilført en strålestrøm fra et sirkulært rør i nærheten av ti diametere nedstrøms ved Reynolds-tall Re ≈ 7000.

Abstract

3D-PTV er en kvantitativ strømningsmåling teknikk som mål å følge de Lagrange stier i et sett av partikler i tre dimensjoner ved hjelp av stereoskopisk opptak av bildesekvenser. Den grunnleggende komponenter, funksjoner, begrensninger og optimalisering tips av en 3D-PTV topologi består av et høyhastighetskamera med en fire-visning splitter er beskrevet og diskutert i denne artikkelen. Teknikken er påført til den mellomliggende strømningsfeltet (5 <x / d <25) av en sirkulær stråle på Re ≈ 7000. Lagrange flytfunksjoner og turbulens mengder i en Eulersk ramme er estimert rundt ti diametre nedstrøms av jet opprinnelse og på ulike radielle avstander fra jet kjernen. Lagrangske egenskaper inkluderer bane, hastighet og akselerasjon av utvalgte partikler så vel som krumningen av den strømningsbane som er oppnådd fra den Frenet-Serret ligning. Estimering av 3D-hastighet og turbulens feltene rundt jet kjernen aksen på en cross-plan beliggende på tidiametere nedstrøms av strålen blir sammenlignet med litteraturen, og energispekteret for de store strømvis hastighets bevegelser oppnås ved forskjellige radielle avstander fra strålekjernen.

Introduction

Turbulente jet strømmer er allestedsnærværende i tekniske applikasjoner. Detaljert karakterisering av slike strømmer er avgjørende i et bredt spekter av praktiske problemer som strekker seg fra store miljølossesystemer til elektroniske mikro-skala-enheter. På grunn av dens innvirkning på en rekke fleksible anvendelser er strålestrømmer blitt undersøkt i dybden til 1 - 4. Flere eksperimentelle teknikker, inkludert hotwire anemometri 4 - 8, Laser dopplervelosimetri (LDV) 4, 9. - 12., og partikkelbilde velocimetry (PIV) av 12 - 16, er blitt anvendt for å karakterisere strålestrømmer i et bredt spekter av Reynolds tall og begrensnings forhold. Nylig har noen studier er gjort ved hjelp av 3D-PTV å studere turbulent / ikke-turbulent grensesnittet til jet strømmer 17, 18. 3D-PTV er en teknikk som særlig egner seg til å beskrive kompleks turbulent fifeltene fra et annet perspektiv. Det gjør at gjenoppbyggingen av partikkel baner innenfor et volum i en Lagrangesk referanseramme ved hjelp av multi-view stereos. Teknikken ble først introdusert av Chang 19 og videreutviklet av Racca og Dewey 20. Siden da har mange forbedringer blitt gjort på 3D-PTV algoritme og eksperimentelle oppsettet 21-24. Med disse prestasjonene og tidligere arbeider, har systemet blitt brukt til å studere ulike væske fenomener som storskala flytende bevegelse i et domene av 4 mx 2 mx 2 m 25, innendørs luftstrøm felt 26, strømmer pulserende 27 og aorta blodstrøm 28 .

Arbeids prinsippet om en 3D-PTV måling består av datainnsamling systemoppsett, opptak / pre-prosessering, kalibrering, 3D-korrespondanser, timelig sporing og etterbehandling. En nøyaktig kalibrering muliggjør en nøyaktig påvisning av partikkel stillings. Den korrespondanse av partiklene påvist i mer enn tre bildevisninger åpner for gjenoppbyggingen av en 3D-partikkel posisjon basert på epipolar geometri. En kobling av på hverandre følgende bilderammer resultere i en temporal sporings som definerer partikkelbanene s (t). Optimalisering av den 3D-PTV system er avgjørende for å maksimere sannsynligheten for multi-partikkel sporbarhet.

Første trinn av optimalisering er å skaffe en egnet datainnsamlingssystem inkludert høyhastighetskameraer, belysning kilde og funksjoner i seeding partikler. Kameraet oppløsning sammen med størrelsen av utspørrings volum definerer pikselstørrelse og derfor den nødvendige såing partikkelstørrelsen, som bør være større enn en enkelt piksel. De centroids oppdagede partikler er estimert med sub-pixel nøyaktighet ved å ta gjennomsnittlig plassering av partikkel piksler vektet med lysstyrke 21. Kameraets bildefrekvens er nært associated med Reynolds tall og evnen til å koble detekterte partikler. En høyere bildefrekvens gjør det mulig å løse raskere strømmer eller et større antall partikler, siden sporings blir vanskeligere når den midlere forskyvning mellom bilder overstiger den midlere separering av partiklene.

Lukkertid, blenderåpning og følsomhet er tre faktorer å vurdere i bildeopptak. Lukkerhastighet skal være rask nok til å minimere uskarphet rundt en partikkel, som reduserer usikkerheten partikkel Tyngdepunktet posisjon. Kameraet åpning bør justeres til dybdeskarpheten av spørre volumet for å redusere sannsynligheten for å detektere partikler utenfor volumet. Siden maksimal følsomhet av et kamera er fast, som rammehastigheten øker, den nødvendige nødvendig for å lyse partiklene bør øke tilsvarende. I motsetning til PIV, er komplekse optiske innstillinger og kraftige lasere ikke er strengt nødvendig i 3D-PTV, så lenge lyskilden er tilstrekkelig scatgistrert fra sporstoffpartiklene til kameraet. Kontinuerlige LED eller halogen lys er gode kostnadseffektive alternativer som omgår behovet for synkronisering 21.

I 3D-PTV som andre optisk strømningsmåleteknikker, er sporstoffpartikkelhastighet antas å være den lokale momentant fluidhastigheten 29. Men dette er bare tilfelle for ideelle sporstoffer av null diameter og treghet; tracer partikler bør være stor nok til å bli fanget av et kamera. Kvaliteten til en endelig partikkel kan bestemmes med Stokes antall S t, det vil si forholdet mellom den relaksasjonstiden omfanget av partikler og tidsskalaen for turbulente strukturer av interesse. Generelt bør S t være betydelig mindre enn 1. For S t ≤0.1 flyt følgefeil er under 1% 30. Grundig diskusjon kan finnes i Mei et al 29 -. 31 eksempel 50-200 um) 32, mens mindre partikler (for eksempel 1-50 um) 33, kan 34 brukes sammen med en høyenergi lasere (for eksempel 80-100 watt CW laser). Partikler med høy reflektivitet for en bølgelengde lys gitt, som sølv belagt i henhold halogen lys, kan forsterke sitt preg på et bilde. Seeding tetthet er en annen viktig parameter for en vellykket 3D-PTV måling. Få partikler resultere i lavt antall baner, mens en overdreven antall partikler forårsake uklarheter i å etablere korrespondanser og sporing. Uklarheter i å etablere korrespondanser inkluderer overlappende partikler og registrerer flere kandidater langs definert epipolar linje. I sporingsprosessen, tvetydigheten på grunn av en høy seedin g tetthet er oppstått på grunn av den relativt korte midlere separasjon av partikler.

Andre trinn er optimale innstillinger i opptak / pre-behandling for å forbedre bildekvaliteten. Fotografiske innstillinger, for eksempel gevinst og svartnivå (G & B), spiller en viktig rolle i å optimalisere bildekvaliteten. Svart nivå definerer lysstyrken på den mørkeste del av et bilde, mens gevinst forsterker lysstyrken i et bilde. Små variasjoner av G & B nivåer kan ha betydelig innvirkning på sannsynligheten for sporbarhet. Faktisk kan høy G & B over lysere et bilde og til slutt ødelegge kamerasensoren. For å illustrere dette, er virkningen av G & B nivåer på flyten oppbyggingen også undersøkt i denne artikkelen. I pre-behandlingstrinnet, blir bildene filtrert med et høypass-filter for å understreke lysspredning fra partikler. Den pikselstørrelse og grå skala er justert for å maksimalisere partikkeldeteksjon inne i undersøkelsesvolumet.

t "> Tredje trinn av optimaliseringen er korrekt kalibrering av stereoskopisk avbildning, som er basert på epipolar geometri, kameraparametere (brennvidde, prinsipp punkt, og forvrengnings koeffisienter), og brytningsindeksen endres. Denne fremgangsmåte er nødvendig for å minimalisere 3D rekonstruksjon feil av avlesnings målpunkter. Epipolar geometri anvender relative avstand (mellom kamera og avlesning volum) og skrå vinkel fra målbildet. brytningsindeks endrer seg langs kamerabildet gjennom spørre volum kan tas i betraktning basert på fremgangsmåten til Mass et al., 21. I dette forsøk er en 3D trappelignende struktur med regelmessig fordelte målpunkter brukt som et mål.

I et 3D-PTV eksperiment, selv om bare to bilder er nødvendig for å bestemme en 3D-partikkel stilling, blir typisk flere kameraer benyttet for å redusere tvetydigheter 21. Et alternativ til dyre oppsett med flere høyhastighetskameraer er view splitter, foreslått av Hoyer et al. 35 for bruk av 3D-PTV og nylig anvendt av Gulean et al. 28 for biomedisinske anvendelser. Utsikten splitter består av en pyramide-formet speil (heretter primære speilet) og fire justerbare speil (heretter sekundær speil). I dette arbeidet ble det en fire-visning splitter og et enkelt kamera som brukes til å etterligne den stereoskopiske avbildning fra fire kameraer. Systemet blir brukt til å karakterisere den mellomliggende strømningsfeltet fra et rør stråle med en diameter d h = 1 cm og Re ≈ 7000 fra en Lagrange og Eulersk rammer på rundt 14,5 til 18,5 diametre nedstrøms fra stråle opprinnelse.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

1. Lab Safety

  1. Gjennomgå retningslinjene for sikkerhet for den valgte belysningskilden (f.eks laser, industriell LED, halogen).
    Merk: I dette eksperimentet, er et sett med fem 250 watt halogenspotlights brukes som belysning. Grunnleggende sikkerhets- og anbefaling aspekter for denne lyskilden er beskrevet som følger.
    1. Unngå direkte kontakt med halogen lys, som opererer ved høye temperaturer (~ 3000 K fargetemperatur).
    2. Hold lyset på når anskaffe data for å unngå oppvarming flyten under vurdering.
    3. Holdes vekk alle brennbar materiale nær lyskilden, inkludert papir av noe slag.

2. Eksperimentell Set-up

  1. Velg riktig Lens
    1. Velg glass med lav avvik for å unngå kalibreringsproblemer. Anbefalte linsetyper er tele eller mikrolinser.
    2. Kontroller at objektivet dekker den ønskede felt-of-view (FOV) i object avstand, O, ved å estimere den nødvendige forstørrelse, M.
      Merk: forstørrelses er forholdet mellom lengden av kameraet brikken til den FOV, og objektavstanden kan beregnes som O = f (1 / M + 1), hvor f er brennvidden til linsen. I dette eksperimentet, lengden av kameraet brikken er 20,34 mm, og den tilsvarende FOV, eller det primære speil er 50 mm med den begrensede objektavstanden O ≤250 mm. (The objektavstanden holdes tilbake på grunn av den begrensede lengde av glide der kameraet og visningen splitteren er montert.) Forstørrelsen er M = 20,34 / 50 = 0,41, og omtrentlig brennvidde med det gitte område av objektavstanden er f ≤72.7 mm. Dermed er en mikro-objektiver med en brennvidde på 60 mm brukes med et fokusforhold på f / 2.8D.
  2. Mount og Juster kamera med Vis Splitter.
    1. Nivå midten av primære speilet med at av avhøret volumet ved å skyve mirror langs den vertikale monteringsstolpen og feste speil med innlegget holderen. Merk at dette trinnet utføres før du installerer de sekundære speil.
    2. Setter kameraet og sett i sentrum av bildet som faller sammen med sentrum av det primære speil.
    3. Juster bredden og høyden på kameraet for å bare dekke det primære speilet ved å kontrollere regionen av interesse (ROI) -innstillingen i innspillingen programvare. Denne prosessen er å redusere bildestørrelsen og bildestøy. Merk: I dette eksperiment, er størrelsen på det primære speil er 5 x 5 cm 2 (1728 x 1728 piksler).
    4. Design en (tilpasses) 3D kalibreringsmålet. Det bør omslutte hele etterforskningen volum. Sørg for at hver visning av splitter fanger alle de mål merkene for å tillate en uniform kalibrering.
      Merk: I denne demonstrasjonen, målet var 3D Trykt hjelp vero tilbake plast. Den har en trappelignende form med dimensjon 35 x 35 x 30 mm 3, med 1 mm diameter hvit målpunkter separated 2,5 mm, 5 mm og 10 mm i den vertikale, strømvis og spanwise retninger. Nøyaktig geometri av målet er avgjørende som den rager inn i en kalibreringsmodell og plassering av kameraer i forhold til rennen.
  3. Plasser kalibreringsmålet inn i avhør Volum.
    1. Plassere kalibreringsmålet på en justerbar høyde plattform som vender mot kameraet.
    2. Samsvarer med høyden på midten av kalibreringsmålet med midten av utspørrings volum ved å justere høyden av målet plattformen.
      Merk: I dette eksempel er midtmerket i kalibreringsmålet jevnet med midten av strålemunnstykket, 20 cm høyde. En boblenivåmåler kan brukes til å utjevne målet.
  4. Mount og Juster Sekundære Speil av de fire-view Splitter.
    1. Finn den primære speilet i en avstand fra avhør som sikrer full fangst. Det er 0,2 m for denne demonstrasjonen (Figure 1).
    2. Monter sekundær speil på sitt omtrentlig posisjon, der kameraet utsikten fra hver side av den primære speilet er omtrent på linje med en sekundær speil. Fest den sekundære speilet ved å feste den til den sekundære speilet vertikal montering innlegg.
    3. Gjenta denne prosessen for de andre tre speil. Sjekk geometrisk symmetri av alle sekundære speil med hensyn til den primære speilet.
    4. Foreta endelige justeringer ved å justere speilet montering av de sekundære speil for å sikre at hver av de fire visninger omslutter hele kalibreringsmålet. En effektiv måte å sjekke speilene posisjoner og vinkler, er å bruke en laserpeker for å visualisere hver visning image bane.
    5. Sjekk for overlappende underbilder ved å flytte et speil.
      Merk: Hvis bare ett vis endringer, så overlapp regionen er ubetydelig. Ellers gjenta trinn 2.4.2 til 2.4.5 før det overlappende området er minimert.
  5. Plasser lyskilde (e) vender direkte avhør volum. Sørg for å ha kameraet dekket ved justering av lys for å unngå skade på kamerasensoren.
    1. Sjekk at lyskilden er jevnt fordelt over hele undersøkelsen volum.
    2. Øke lysintensiteten, om nødvendig, ved å plassere en forstørrelseslinse direkte under lyskilder. Merk: I dette eksperiment, er en plankonveks forstørrelseslinse av brennvidde f 0 = 450 mm, brukt til å forsterke belysningen.

3. Sett opp Optimization

  1. Slå på og justere innstillingene på kameraet for å øke bildekvaliteten.
    1. Juster objektivforstørrelse til refleksjon gjennom den primære speilet er like fokusert på alle fire visninger av de sekundære speil.
    2. Kontroller at bildene fra visningen splitter er symmetriske og fange avhør volumet ved å observere symmetri av kalibrerings målbildet fra de fire visninger.
    3. Juster f-tallet for å fange den nærmeste og de ​​lengst kalibrering målpunkter fra kameraet.
      Merk: Dette gjør at kameraet kan fange tracer partikler bare i dybden av avhøret volum. I dette eksempel er den f-tall 11.
    4. Still inn ønsket bildefrekvens som 550 Hz (det avhenger bestemt program, se Innledning) og maksimere lysfølsomheten tilsvarende i innspillingen programvare.
  2. Sjekk belysning i hver visning av primære speilet ved å observere partikkeltetthet forskjellen i hver visning av splitter gjennom en kameravisningen.
    Merk: Hvis flere lyskilder som lyser opp avhør volum, er det sannsynlig å ha forskjeller i hver visning av splitter. I dette forsøk, de to øverste sekundærspeil fått mindre lys fordi belysningen kommer fra toppen. Bruken av et flatt speil på bunnen av rennen kan bidra til å redusere lyset variasjonover utsikten.
  3. Slå av bakgrunns lysene i rommet før du bruker 3D-PTV lyskilder.
  4. Juster G & B nivå av kameraet for bedre å fange lysspredningen fra partiklene. Spill flere korte sekvenser med forskjellige G & B nivåer og finne den optimale ved å observere fordelingen og tettheten av partikkelbaner.
    Merk: I dette eksperiment, utvalget av G & B-nivå var 0-500, og sort (B) nivå ble satt til 500, for å lyse dimmeren lysspredning, mens forsterkningen (G) ble satt medium, 300, til moderat forsterke bildet signaler og unngå over-bildet lysere.

4. Kalibrering

  1. Plasser kalibreringsmålet i etterforskningen volumet før du legger tracer partikler, og ta noen kalibrerings bilder. Bruk en dimmer lyskilde (f.eks LED-blits lys) for å belyse målet.
  2. Del kalibreringsbildet i fire selvstendige under bilder og lage en tekstfil som inneholder henviserhet koordinere posisjoner av målet merkene. OpenPTV programvare (http://www.openptv.net) brukes her for dette formål.
    Merk: videre behandling er identisk med brukere som benytter en flerkameraoppsett.
  3. Klikk "Opprett kalibrering fanen for å starte kalibreringsprosessen etter lagring av bilder og tekstfilen oppnådd i trinn 4.2 i" Cal-mappen av programvaren.
  4. Klikk på "Rediger kalibrering '-fanen og velg fanen' Kalibrerings Orientering Parametere" for å definere forstørrelse, rotasjonsvinkler og avstand mellom midten av hver splitt utsikt og opprinnelsen til kalibreringsmålet.
    Merk: Første rad er avstanden fra origo kalibreringsmålet til kamerasensoren i x, y, z retning. Den andre raden viser de vinkler, i radianer, rundt x-, y-, z-aksen. Deretter representerer en 3 ved tre data rotasjonsmatrisen. Da de to påfølgende radene er pinhole avstander x og x, y, z-retningen.
  5. Klikk "Detection» og «Vis startverdi" for å undersøke at "gjette" poeng sammenstilles med de oppdagede målpunkter.
  6. Gjenta trinn 4.4 for alle fire visninger før den "gjette" punktene er på linje med det sett av kalibrerings bilder.
  7. Klikk "Orientering" for å rekonstruere retningen av avhøret volum.
    Merk: Kalibreringen kan forbedres ved å justere linseforvrengning og affin transformasjon. Nå er undersøkelsen volum kalibrert og klar til å behandle data. Se forfatterens avhandling 36 for ytterligere beskrivelse kalibreringsprosessen.

5. Flow Innstilling / datainnsamling

  1. Beregn den maksimale mengden av partikler fanget i hvert kamera utsikten fra bildefrekvens end maksimal strømningshastighet. I denne demonstrasjonen, er referansehastigheten U ≈ 0,4 m / sek, er bildefrekvens 550 Hz og ~ 4 x 4 x 4 cm tre avhør volum. Dette resulterte i ~ 1000 partikler pr ramme.
  2. Slå på kameraet med optimale innstillinger oppnådd i trinn 3.
  3. Legg seeding partikler og vente flere midlere oppholdstid for å tillate strømning å nå en stabil tilstand. Legg til flere partikler hvis nødvendig, men unngå høye seeding tetthet, beregnet i trinn 5.1, noe som kan føre til uklarheter.
    Merk: I dette eksempel, ~ 1,6 g av 100 m sølvbelagte hule keramiske sfærer av 1,1 g / cm3 densitet anvendes som poding for fluidmedium (2 x 0,4 x 0,4 m 3).
  4. Tar opp ønsket antall strømningsbilder.
    Merk: I dette forsøket ble 9000 bilder på 550 Hz tatt ved bruk av innspillingen programvare. Gjenta trinn 02.04 til 05.03 om kameraet og / eller visning splitter er flyttet (selv en liten bevegelse kan sterkt påvirke resultatene).

6. Data Processing (Via OpenPTV programvare)

  1. Del rå bilde oppnådd i trinn 5,4 i fire selvstendige under bilder.
  2. Klikk "Init / restart" under fanen "Start" for å laste første bildene fra fire visninger.
  3. Høyreklikk på "Kjør" katalog og klikk 'Hovedparameters "for å kontrollere antall kameraer, brytningsindekser, partikkel anerkjennelse, antall sekvensbilder, observasjon volum og kriterier for korrespondanse.
    1. Definer antallet kameraer (visninger) som brukes for forsøket under fanen "Generelt". I dette eksperimentet, angi antall kameraer som fire.
    2. Definer brytningsindeksene langs kameravisningen i fanen brytningsindeksene '.
    3. Definer minimums- og maksimums antall pixel påvisning og grå verdi terskel for å optimalisere antall partikkeldeteksjon i alle fire visninger under "Particle anerkjennelse fanen. Min og maks antall piksler debeskyttelse og grå terskel bestemme pikselstørrelse og lysstyrke for partikkeldeteksjon. Det eliminerer støy og partikler ut av fokus.
    4. Definer antallet bilder til prosessen under "Parametere for sekvens behandling '.
    5. Definer observasjon volum under "Observation volum 'kategorien.
    6. Definer korrelasjonen av korrespondanse under "Kriterier for korrespondanser 'inkludert total bandet parameter (mm) for stereo matching.
  4. Klikk "High pass filter" under "preprocess fanen. Dette forsterker lysspredning fra partikler i alle fire visninger.
  5. Klikk "Particle Detection" for å bestemme tyngdepunktet over oppdagede partikler på sub-pixel nivå for alle fire visninger. Gjenta trinn 6.2 og 6.3 inntil antall oppdaget partikler som ligner på det forventede antall partikler beregnet i trinn 5.1.
  6. Klikk 'Korrespondanser' å etablere stereoskopisk correspondenCES i hver visning.
    Merk: For å rekonstruere 3D stilling oppdaget partikler, bør korrespondanser bestemmes i hvert fall fra tre visninger.
  7. Klikk '3D-stillinger "for å få oppdaget partikkel 3D-posisjon basert på kalibreringen.
  8. Klikk "Sequence uten display" for å gjenta prosessen fra trinn 6,4 til 6,7 for alle bildesekvenser.
    Merk: Dette skaper en "rt_is 'fil for hvert bilde sett inneholder en oppsummering av oppdages partikler i rammen med en tab-separert tekstfil format.
  9. Høyreklikk på "Kjør" katalog og klikk "Tracking Parametere" for å definere parametre for radius sfære, (f.eks dvxmin og dvymin mm / ramme), for å søke kandidat partikler for sporing.
  10. Klikk "Tracking uten display" for å definere partikkel identifikasjon (ID) av rekonstruerte partikler oppnådd i trinn 6.7.
    Merk: Det korrelerer en sekvens av tilstøtende rammer for sporing ved hjelp av en fire-frame predictor prediktor-corrector ordningen 24. Denne prosessen skaper en ptv_is fil for hvert bilde sett som inneholder sporingsinformasjon over oppdagede partikler i ramme; de to første kolonnene viser partikkel ID i forrige ramme og i neste ramme, henholdsvis.
  11. Klikk "Vis baner" for å visualisere baner i hvert kamera visning.

7. Post Processing (Optative)

Merk: rekkevidden og type etterbehandling avhenger av individuelle behov, og det er derfor tilpasses. Her blir punkt basis beregninger kort beskrives som et eksempel.

  1. Skaffe data i Lagrange-Frame (via Matlab).
    1. Pakk ut 3D-posisjonen til hver partikkel og dens tilhørende ID-en fra ptv_is filer. Den tillater linking oppdaget partikler blant bildesekvenser å rekonstruere baner.
    2. Beregn hastighet og akselerasjon av partikler fra det gitte bildefrekvensen for hver bane.I denne demonstrasjonen, blir hastigheten og akselerasjonen av partikler beregnet ved lavpass-filtrering av den posisjonssignalet med et bevegelig kubiske spline 34, 37.
    3. Lag en struct rekke format med felt som inneholder 3D-stillinger, 3D-hastigheter, 3D akselerasjoner og tidsstempel samt bane ID på hver bane. I dette dataformat, lengden av struct matrisen representerer antall baner.
  2. Skaffe data i Eulersk Frame (via Matlab).
    1. Transform struct array (trinn 7.1.3) til en temp en bruker tidsangivelse for hver partikkel. Dette skaper en tilsvarende struct array struktur oppnådd i trinn 7.1.3, men lengden av struct matrisen representerer nå rammenummer, som er 9.000 i dette eksperimentet.
    2. Interpolere den temporale struct matrise inn i et tredimensjonalt gitter for hver tidsperiode for å oppnå øyeblikkelige hastighetsfelt i Eulerian koordinater. I denne demonstrasjonen, den griddata moroDette skjer i Matlab brukes til å utføre den interpolering.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Et fotografi og en skjematisk av oppsettet er vist i figur 1 og 2. Kalibreringsmålet, de fiducial merkene reflektert på view-splitter og 3D kalibrering rekonstruksjon er illustrert i figur 3. RMS av de anerkjente kalibrerings målene er 7,3 mikrometer, 5,7 mikrometer og 141,7 mikrometer i strømvis x, spanwise y og dybde z-retningene. Den relative høyere RMS i z -coordinate skyldes reduserte retter seg mot punkter i forhold til de i andre retninger og relativt små vinkler på fire visninger med z-aksen i forhold til x og y-koordinater. De detekterte partikler i hver av de fire visninger på en hvilken som helst gitt øyeblikk var i størrelsesorden 10 3. Blant de detekterte partikler, blir antall vellykkede 3D ​​rekonstruksjoner redusert til omtrent halvparten på grunn av det faktum at bare partikler i skjæringspunktet regionen are fanget. Video 1 viser en høyhastighets video prøve av jet strømmen fra fire-view splitter.

En prøve av fire representative partikkelbaner i det mellomliggende felt-regionen rundt og krysser x / d t = 16 plan i radiell avstand R / D h = v0, 1,5, 3 fra strålekjernen er vist i figur 4. Som forventet, lengre baner i det gitte tidsintervallet (At ≈ 1 sek) observert rundt strålekjernen. På kanten av jet (r / d h ≥2), tracer partikler vise korte og mer komplekse baner. Figur 5 viser alle lykkes rekonstruerte partikkelbaner krysser x / d h = 16 fly. Partikkelhastigheter i den valgte domene viser en bred distribusjon som strekker seg fra nesten 0 til 0,6 U j, der U j Figur 6 a viser det tilfelle av en partikkel som krysser x / d t = 16 plan over hele strålekjernen. Figur 6 b, 6 c og 6 d viser de 3 komponenter av partikkel bane, hastighet og akselerasjon som funksjon av normalisert tid. Det er verdt å merke at den lokale partikkelakselerasjonen kan være flere ganger standardtyngdekraften. Partikkel baner åpner for å oppnå spesielle funksjoner av partikkelbaner via den såkalte Frenet-Serret ramme. Den beskriver endringer av ortonormale vektorer (tangential, normal, binormal) langs s (t). Særlig relevant er krumningen, κ, som er den inverse av krumningsradien, ρ, og definert som:

ligning 1

hvor ligning 3 = Dr / ds er tangens enhetsvektor av banen og r er posisjonsvektoren (euklidsk rom) av partikkelen som en funksjon av tid, som kan skrives som en funksjon av, dvs, r (r) = r (t (e)). Kurvatur, κ, er beregnet for alle partikler som krysser x/d h = 16 og x/d h = 17 fly. Gjennomsnittlig kurvatur, ligning 3 , Som en funksjon av avstanden fra strålekjernen r blir beregnet som: ligning 2

hvor Ar = 0.2d h er brukt her. Figur 7 illustrerer ligning 3 = F (r) normaliseres ved d t. Det viser en forholdsvis lav og tilnærmet konstant ligning 3 innenfor det området som defineres av den sirkulære tverrsnittet av røret, r / d t ≤0.5. Ved en større avstand fra strålekjernen i x / d h = 16 plan, ligning 3 øker monotont. En lignende trend blir oppnådd ved x / d h = 17 plan, men med en redusert ligning 3 utenfor jet kjerne (r / d h ≥0.5). Det er verdt å fremheve at denne flyten feature kan utledes bare med 3D-PTV teknikk. Kvaliteten data basert på ulike nivåer av G & B innstillinger er vurdert i forhold til forholdet knyttet partikler til resten av 3D-rekonstruerte partikler vist i tabell 1. Den høyeste lenke forholdet er observert på G & B innstilling på 300 og 500.

Eulerian strømningsegenskaper kan oppnås ved gitter-interpolasjon, som etterligner 3D bilde partikkel velocimetry (3D-PIV). Det er viktig å merke seg at på grunn av den forholdsvis lave partiklene belte ved hvert tidspunkt, en betydelig høyere antall rammer er nødvendig for å etterligne virkelig PIV kvalitet for en Eulersk beskrivelse. Dette er mer kritisk i beregningen av høy ordrestatistikk (f.eks turbulensintensitet og Reynolds påkjenninger). Den strømvis hastighet ved dysen kjerne for ulike G og B nivåer er illustrert i figur 8. Målingene er sammenlignet med den theoretical oppførsel:

ligning 3

hvor U 0 (x) er den strømvis hastighet på strålen kjernen, B ≈ 6 er en konstant, og x 0 er den virtuelle opprinnelse 38. Figuren viser betydningen av å sette G og B nivåer. Figur 9 illustrerer den midlere hastighet fordeling av dysene i den x / d t = 16 plan.

Til slutt, den spektrale fordeling φ (f) av de store bevegelser av strømvis hastighet på steder r / d h = 0, 0,6, og en i x / d t = 10 plan er vist på figur 10. A Butterworth lavpassfilter ble påført på den hastighet tidsserienmed cut-off-frekvens, f c = 200 Hz.

Figur 1
Figur 1:. Skjematisk av eksperimentelle oppsettet Klikk her for å se en større versjon av dette tallet.

Figur 2
Figur 2:. Eksperimentell oppsett Dette illustrerer ulike visninger av kameraet og de ​​fire-bildevisningen splitter, Flume og forhør volum: (øverst til venstre) sett ovenfra, (nederst til venstre) tilbake visningen av kameraet og vise splitter system, ( øverst i midten, nederst i midten) side utsikt over den generelle eksperimentelle oppsett, (høyre) zoom-i lys av seeding partikler i jet-strømmer. <a href = "https://www.jove.com/files/ftp_upload/53745/53745fig2large.jpg" target = "_ blank"> Klikk her for å se en større versjon av dette tallet.

Figur 3
Figur 3: Kalibrering:. (A) Kalibrering målet, (b) Bilde-sett med kalibreringsmålet fra visningen splitter, (c) 3D anerkjennelse av fiducial karakterer fra kalibreringsmålet Klikk her for å se en større versjon av denne figur.

Figur 4
Figur 4: Valgt partikkelbaner på r/d h = 0, En. 5, 3. Klikk her for å se en større versjon av dette tallet.

Figur 5
Fig. 5: Partikkel baner som krysser x / d h = 16 plan, hvor hastigheten er vist som et fargenivået Utspørringen volum er vist i figuren inneholdes mellom (x) /d h Figur 1 (14.5,18.5), y/d h Figur 1 (-2,2), Og z/d hjpg "/> (- 2,2), hvor (x, y, z) = (0, 0, 0) er plassert i sentrum av strålen opprinnelse Hastigheten langs de enkelte baner, normalisert med massehastigheten. U 0, er illustrert som et fargenivå. klikk her for å se en større versjon av dette tallet.

Figur 6
Figur 6:. (A) Particle bane, (b) forskyvning, (c) hastighet, og (d) akselerasjon av en vilkårlig partikkel Klikk her for å se en større versjon av dette tallet.

Figur 7 /> Figur 7: Krumning av partiklene: Graf som viser bety krumning av partiklene som en funksjon av radiell avstand fra jet kjerne på flyene x/d h = 16 og x/d h = 17. Klikk her for å se en større versjon av dette tallet.

Figur 8
Figur 8: strømvis hastighet ved strålekjernen i (x) /d h Figur 1 (15, 18) for ulike G & B nivåer. Tre G & B nivåer er inkludert (300 & 500 (optimal), 300 og 250, 100 og 250).745fig8large.jpg "target =" _ blank "> Klikk her for å se en større versjon av dette tallet.

Figur 9
Figur 9:. Non-dimensjonale fordeling av strømvis hastighetskomponenten ved x / d h = 16 Klikk her for å se en større versjon av dette tallet.

Figur 10
Figur 10: Effekt-spektrum φ (f) i strømvis hastighetskomponent ved et punkt som ligger på r / d t = 0 (jet kjerne), 0. 6, og en i x / d t = 16 fly. Klikk her for å se en større versjon av dette tallet.

video 1
Video 1: Video prøve av jet strømmen fra fire-view splitter, 10 ganger tregere enn faktiske hastigheten oppnås ved 550 fps ( høyreklikk for å laste ned ).

Tabell 1

Tstand 1. Forholdet mellom knyttet partikler til resten av 3 D-rekonstruerte partikler ved forskjellige G og B nivåer Three G og B nivåer er inkludert (100 og 250, 300 og 250, 300 og 500).

Subscription Required. Please recommend JoVE to your librarian.

Discussion

3D-PTV har stort potensial til å løse komplekse fysikk av en rekke turbulente strømmer som store turbulente bevegelser i den lavere atmosfæren 25, inneklima distribusjon 26, eller pulsatile strømmer i aorta topologi 28 blant mange andre. Imidlertid, er en forståelse av dens fordeler og begrensninger samt erfaring viktig å maksimere dens potensial. Prøving og feiling foreløpige tester og uttømmende iterasjoner for optimale innstillinger, inkludert bildefrekvens, belysningskilden, G og B-nivå og bilde-filtreringsmetode, er direkte korrelert med evnen til å rekonstruere Lagrange-banene for et sett med (f.eks tracer) partikler. Det er viktig å merke seg at den kritiske protokollen måten som er vist her, er de justeringer av G & B nivåer og belysningen av FOV (kombinasjon av halogen flekker lys, forstørrelseslinse og reflekterende speil fra bunnen av rennen).

ent "> Disse justeringene bidra til å optimalisere lyset sprer innenfor etterforskningen til de fire visningene. Etter å identifisere de eksperimentelle innstillinger for high-fidelity målinger, grundig ombygging og feilsøking bør gjøres for å beregne det maksimale antall nøyaktige baner basert på bildefrekvens , kamera oppløsning og størrelse på etterforskningen volum. Selv om antall fangede partikler kan økes med høyere bildefrekvens, er det verdt å merke seg at antall leste partikler i 3D-PTV er mye lavere i forhold til PIV. det største potensialet i 3D -PTV er i sin enestående evne til å beskrive Lagrange-banene for flere partikler. i denne demonstrasjonen ble vis splitt satt opp iverksatt for å unngå å bruke flere ekspansive kameraer, er det imidlertid viktig å merke seg at dette oppsettet krever høyere kamera oppløsning og begrenser størrelsen på prøvevolum.

I denne studien, middels-felt funksjoner i en sirkulær stråle er analyzed med 3D-PTV teknikk. Tilnærmingen tillatt å skaffe viktige funksjoner i flyten fra Eulerian og Lagrangesk rammer. Spesielt er den gjennomsnittlige krumningen av partiklene som en funksjon av den radielle avstand kjennetegnet for første gang, ved to tverrsnittsplan ved bruk av Lagrange-funksjonene i partikkelbaner. RMS av de anerkjente kalibrerings målene varierer mellom 7,3 mikrometer, til 141,7 mikrometer i strømvis og spanwise retninger. Selv om denne høye relative feilen i spanwise retning på grunn av små vinkler av utsikten i z-retningen ikke kan være fullstendig overvunnet, kan det reduseres ytterligere ved å legge til flere målpunkter i z-retningen, for eksempel ved bruk av en 2D kalibreringsmålet på forskjellige steder (multiplane kalibrering).

Samlet er 3D-PTV en nyttig teknikk som kan anvendes i en rekke andre problemer, inkludert tidsavhengige strømmer eller dynamikken av aktive scalars. For eksempel kan det være meget nyttig å STUdy samspillet mellom turbulens og arter i vannmiljøet.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Forfatterne hevder at de ikke har noen å konkurrere økonomisk interesse.

Acknowledgments

Dette arbeidet ble støttet av Department of Mechanical Science and Engineering, University of Illinois i Urbana-Champaign, som en del av oppstarten pakke med 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 Fluidmekanikk Flow visualisering Jet flyt Lagrangesk ramme Particle sporing velocimetry bane Turbulence.
Tredimensjonal Particle Tracking velocimetry for Turbulence Applications: Case av 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