Summary

Tridimensional de velocimetría de seguimiento de partículas para aplicaciones de turbulencia: Caso de un Flujo Jet

Published: February 27, 2016
doi:

Summary

Aquí se describe un sistema tridimensional de rastreo de partículas velocimetría (3D-PTV) basado en una cámara de alta velocidad con un divisor de cuatro vistas. La técnica se aplica a un flujo de chorro de un tubo circular en la proximidad de diez diámetros aguas abajo en el número de Reynolds, Re ≈ 7000.

Abstract

3D-PTV es una técnica de medición de flujo cuantitativa que tiene como objetivo realizar un seguimiento de las trayectorias de Lagrange de un conjunto de partículas en tres dimensiones utilizando la grabación estereoscópica de secuencias de imágenes. La básica componentes, características, limitaciones y sugerencias de optimización de una topología 3D-PTV que consiste en una cámara de alta velocidad con un divisor de cuatro vistas se describen y discuten en este artículo. La técnica se aplica al campo intermedio de flujo (5 <x / d <25) de un chorro circular en Re ≈ 7000. características de flujo de Lagrange y las cantidades de turbulencia en un marco euleriano se estiman en torno a diez diámetros aguas abajo del origen acuático y a diferentes distancias radiales desde el núcleo de chorro. propiedades de Lagrange incluyen trayectoria, velocidad y aceleración de partículas seleccionadas, así como la curvatura de la trayectoria de flujo, que se obtienen de la ecuación Frenet-Serret. La estimación de los campos de velocidad y turbulencia 3D alrededor del eje central del jet en un plano transversal situado a las diezdiámetros aguas abajo del chorro se compara con la literatura, y se obtiene el espectro de potencia de los movimientos de velocidad sentido de la corriente a gran escala a diferentes distancias radiales desde el núcleo del chorro.

Introduction

flujos de chorro turbulento son ubicuos en aplicaciones de ingeniería. caracterización detallada de estos flujos es crucial en un amplio espectro de problemas prácticos que abarcan desde sistemas de descarga del medio ambiente a gran escala a los dispositivos electrónicos de microescala. Debido a su impacto en una serie de aplicaciones generales, los flujos de chorro han sido estudiados en profundidad de 1 4. Varias técnicas experimentales, incluyendo anemometría hotwire 4-8, Laser Doppler Velocimetría (LDV) 4, 9 a 12, y de velocimetría por imágenes de partículas (PIV) 12 a 16, se han utilizado para caracterizar chorro fluye en una amplia gama de números de Reynolds y límite condiciones. Recientemente, algunos estudios se han realizado utilizando 3D-PTV para estudiar la interfaz turbulenta / no turbulento de chorro de flujos 17, 18. 3D-PTV es una técnica especialmente adecuada para describir compleja fi turbulentacampos desde una perspectiva diferente. Permite la reconstrucción de trayectorias de las partículas dentro de un volumen en un marco de Lagrange de referencia utilizando múltiples vistas estereoscopía. La técnica fue introducida por primera vez por Chang 19 y posteriormente desarrollado por Racca y Dewey 20. Desde entonces, muchos se han realizado mejoras en el algoritmo 3D-PTV y la configuración experimental 21 24. Con estos logros y trabajos previos, el sistema ha sido utilizado con éxito para estudiar diversos fenómenos de fluidos tales como el movimiento del fluido a gran escala en un dominio de 4 mx 2 mx 2 m 25, campo de flujo de aire interior 26, pulsátil flujos 27 y la sangre aórtica flujo 28 .

El principio de funcionamiento de una medición 3D-PTV consiste en sistema de adquisición de datos de configuración, la grabación / pre-procesamiento, calibración, correspondencias 3D, el seguimiento temporal y post-procesamiento. Una calibración precisa permite una detección precisa de la posición de la partículas. La correspondencia de las partículas detectadas en más de tres puntos de vista de imagen permite la reconstrucción de una posición de la partícula en 3D basado en la geometría epipolar. Un enlace de cuadros de imagen consecutivos como resultado un seguimiento temporal que define las trayectorias de las partículas s (t). Optimización del sistema de 3D-PTV es esencial para maximizar la probabilidad de trazabilidad de múltiples partículas.

El primer paso de la optimización es la adquisición de un sistema de adquisición de datos adecuado, incluyendo cámaras de alta velocidad, fuente de iluminación y características de las partículas de siembra. La resolución de la cámara junto con el tamaño del volumen de interrogación define el tamaño de píxel y, por lo tanto, el tamaño de partícula requerido de siembra, que debe ser mayor que un solo pixel. Los centroides de partículas detectadas son estimados con precisión sub-pixel mediante la adopción de la posición media de píxeles de partícula ponderados por el brillo 21. velocidad de fotogramas de la cámara está estrechamente ASSOCIATed con el número de Reynolds y la capacidad de enlazar partículas detectadas. Una mayor velocidad de cuadro permite resolver los flujos más rápidos o un mayor número de partículas ya que el seguimiento se hace más difícil cuando el desplazamiento medio entre las imágenes es superior a la separación media de las partículas.

La velocidad de obturación, la abertura y la sensibilidad son tres factores a considerar en la captura de imágenes. La velocidad de obturación debe ser lo suficientemente rápido como para minimizar el desenfoque alrededor de una partícula, lo que reduce la incertidumbre de la posición del centroide de partículas. apertura de la cámara se debe ajustar a la profundidad de campo del volumen de interrogación para reducir la probabilidad de detectar partículas fuera del volumen. Dado que se fija la sensibilidad máxima de una cámara, a medida que aumenta la velocidad de fotogramas, la luz necesaria necesaria para iluminar las partículas debe aumentar en consecuencia. A diferencia de PIV, ajustes ópticos complejos y láseres de alta potencia no se requiere estrictamente de 3D-PTV, siempre y cuando la fuente de luz es suficientemente Scatcados de las partículas trazadoras a la cámara. LED o luces halógenas continuas son buenas opciones rentables que pasan por alto la necesidad de sincronización 21.

En 3D-PTV, al igual que otras técnicas de medición de flujo óptico, velocidad de las partículas de trazador se supone que es la velocidad del fluido instantánea local de 29. Sin embargo, esto es sólo el caso de trazadores ideales de diámetro nula y la inercia; partículas trazadoras deben ser lo suficientemente grandes como para ser capturada por una cámara. La fidelidad de una partícula finita puede ser determinada por el número de Stokes S t, es decir la relación de la escala de tiempo de relajación de las partículas y la escala de tiempo de las estructuras turbulentas de interés. En general, S t debe ser sustancialmente menor que 1. Por S t ≤0.1 errores de seguimiento de flujo están por debajo del 1% 30. Análisis en profundidad se puede encontrar en Mei et al. 29 31 </sup>. tamaño de partícula recomendada para un experimento de 3D-PTV varía dependiendo de la fuente de luz y la sensibilidad de la cámara. Con halógeno o luces LED como fuentes de iluminación, partículas relativamente grandes se utilizan (por ejemplo 50-200 micras) 32, mientras que las partículas más pequeñas (por ejemplo, 1-50 micras) 33, 34 se puede utilizar con un láser de alta potencia (por ejemplo, 80-100 vatios láser CW). Las partículas con alta reflectividad para luz de longitud de onda determinada, como la plata recubierta con luz halógena, pueden amplificar su huella en una imagen. La densidad de siembra es otro parámetro importante para el éxito de la medición 3D-PTV. Algunas partículas como resultado una baja cantidad de trayectorias, mientras que un número excesivo de partículas provoca ambigüedades en el establecimiento de correspondencias y el seguimiento. Las ambigüedades en el establecimiento de correspondencias incluyen partículas superpuestas y la detección de múltiples candidatos a lo largo de la línea epipolar definido. En el proceso de seguimiento, la ambigüedad debido a un alto seedin se produjo la densidad g debido a la relativamente corta separación media de las partículas.

El segundo paso es la configuración óptima de grabación / pre-procesamiento para mejorar la calidad de la imagen. ajustes fotográficos, tales como aumento y el nivel de negro (G & B), juegan un papel importante en la optimización de la calidad de la imagen. nivel de negro define el nivel de brillo en la parte más oscura de una imagen, mientras que la ganancia amplifica el brillo de una imagen. Las ligeras variaciones de los niveles G y B pueden afectar significativamente la probabilidad de trazabilidad. De hecho, alto contenido en G & B puede sobre-iluminar una imagen y eventualmente dañar el sensor de la cámara. Para ilustrar esto, el impacto de los niveles de G & B en la reconstrucción de flujo también se examina en este artículo. En la etapa de pre-procesamiento, las imágenes se filtran con un filtro de paso alto para enfatizar la dispersión de luz de partículas. El tamaño de píxel y la escala de grises se ajustan para maximizar la detección de partículas dentro del volumen de interrogación.

t "> Tercer paso de la optimización es la calibración precisa de la formación de imágenes estereoscópicas, que se basa en la geometría epipolar, parámetros de la cámara (longitud focal, punto principal, y los coeficientes de distorsión), y los cambios del índice de refracción. Este proceso es esencial para minimizar el 3D error de reconstrucción de los puntos de destino fiduciales. geometría Epipolar utiliza distancias relativas (entre la cámara y el volumen de interrogación) y el ángulo inclinado de la imagen de destino. cambios del índice de refracción a lo largo de la vista de la cámara a través del volumen de interrogación pueden ser tomadas en cuenta con base en el procedimiento de la misa et al., 21. En este experimento, una estructura de escalera de tipo 3D con los objetivos de puntos distribuidos regularmente se utiliza como un objetivo.

En un experimento de 3D-PTV, aunque sólo se necesitan dos imágenes para determinar una posición de la partícula 3D, típicamente más cámaras se utilizan para reducir las ambigüedades 21. Una alternativa a las configuraciones de múltiples caras con cámaras de alta velocidad es el vidivisor ew, propuesto por Hoyer et al. 35 para el uso de 3D-PTV y recientemente aplicado por Gulean et al. 28 para las aplicaciones biomédicas. La vista divisor consta de un espejo en forma de pirámide (en adelante espejo primario) y cuatro espejos ajustables (en adelante espejo secundario). En este trabajo, una de cuatro vista divisor y una sola cámara se utilizaron para imitar la imagen estereoscópica a partir de cuatro cámaras. El sistema se utiliza para caracterizar el campo de flujo intermedio de un chorro de tubería con un diámetro, d H = 1 cm y Re ≈ 7000 a partir de una función de Lagrange y euleriano enmarca en alrededor de 14,5 a 18,5 diámetros aguas abajo del origen de chorro.

Protocol

1. Seguridad de Laboratorio Revisar las directrices de seguridad de la fuente de iluminación seleccionada (por ejemplo láser, LED industrial, halógenas). Nota: en este experimento, un conjunto de cinco focos de 250 vatios de halógeno se utilizan como iluminación. los aspectos de seguridad y la recomendación básica para esta fuente de luz se describen a continuación. Evitar el contacto directo con las luces halógenas, que operan a altas temperaturas (~ 3000 K de temperatura de…

Representative Results

Una fotografía y un esquema de la configuración se muestran en las figuras 1 y 2. El objetivo de calibración, las marcas de referencia que se refleja en la vista-divisor y la reconstrucción de calibración 3D se ilustran en la Figura 3. El RMS de los patrones de calibración reconocidos es de 7,3 m, 5,7 m y 141,7 micras en el sentido de la corriente x, y de la envergadura y la profundidad Z. El parie…

Discussion

3D-PTV tiene un gran potencial para desentrañar la compleja física de una variedad de flujos turbulentos como los movimientos turbulentos de gran escala en la atmósfera inferior 25, la distribución del aire interior 26, o en los flujos pulsátiles en la topología de la aorta 28 entre muchos otros. Sin embargo, es esencial una comprensión de sus ventajas y limitaciones, así como la experiencia para maximizar su potencial. Juicio y las pruebas preliminares de error y iteracion…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Este trabajo fue apoyado por el Departamento de Ciencia e Ingeniería Mecánica de la Universidad de Illinois en Urbana-Champaign, como parte del paquete de puesta en marcha 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