Login processing...

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

Engineering

Samtidig måling af turbulens og partikel kinematik bruge Flow Imaging teknikker

doi: 10.3791/58036 Published: March 12, 2019

Summary

Den teknik beskrevet heri tilbyder en billig og forholdsvis enkel metode til samtidig måling partikel kinematik og turbulens i strømme med lav partikel koncentrationer. Turbulensen er målt ved hjælp af partikel billede Velocimetri (PIV), og partikel kinematik er beregnet ud fra billeder fås med en høj hastighed kamera i et overlappende felt-of-view.

Abstract

Talrige problemer i videnskabelige og tekniske felter inddrage forståelse kinematik af partikler i turbulent strømme, som forurenende stoffer, marine mikroorganismer og/eller sedimenter i havet, eller fluidiserede bed reaktorer og forbrændingsprocesser i manipuleret systemer. For at studere effekten af turbulens på kinematik af partikler i sådanne strømme, er samtidige målinger af både flow og partikel kinematik påkrævet. Ikke-påtrængende, optisk flow måling teknikker til måling af turbulens eller til sporing af partikler, der findes men måle begge samtidigt kan være udfordrende på grund af interferens mellem teknikkerne. Den metode, der præsenteres heri giver en billig og forholdsvis enkel metode til at foretage samtidige målinger af flow og partikel kinematik. Et tværsnit af strømmen er målt ved hjælp af en partikel billede Velocimetri (PIV) teknik, som giver to komponenter i hastighed i målingen plan. Denne teknik anvender et pulserende laser til belysning af feltet seedede flow, der er afbildet med et digitalt kamera. Partikel kinematik er samtidig afbildet ved hjælp af en lysemitterende diode (LED) linje lys, der lyser en planar tværsnit af den strøm, der overlapper med PIV field-of-view (FOV). Linje lys er lav nok strøm at den ikke påvirker PIV-målinger, men kraftig nok til at belyse de større partikler af interesse afbildet ved hjælp af high-speed kamera. Højhastigheds billeder, der indeholder laserpulser fra PIV teknik er let filtreret ved at undersøge det summerede intensitetsniveauet i hver højhastigheds billede. Ved at gøre frame rate af den højhastighedskamera landingers med de PIV kamera framerate, kan antallet af forurenet rammer i high-speed tidsserierne minimeres. Teknikken er velegnet til gennemsnitlige strømme, der er overvejende to-dimensionelle, indeholder partikler, der er mindst 5 gange den gennemsnitlige diameter af PIV såning røbestoffer, og lav koncentration.

Introduction

or Start trial to access full content. Learn more about your institution’s access to JoVE content here

Der findes et stort antal programmer i både videnskabelige og tekniske felter, der involverer opførsel af partikler i turbulent strømme, for eksempel, aerosoler i atmosfæren, forurenende stoffer og/eller sedimenter i manipuleret systemer og marine mikroorganismer eller sediment i ocean1,2,3. I sådanne ansøgninger er det ofte af interesse at forstå hvordan partiklerne reagere på turbulens, som kræver en samtidig måling af partikel kinematik og fluid dynamik.

Eksisterende teknologier til at måle partikel bevægelser, kaldet partikel tracking (PT), som holder styr på individuelle partikel baner, og den statistiske teknik partikel billede Velocimetri4,5 (PIV), anvendes til at måle flow hastigheder, begge indarbejde ikke-påtrængende optiske teknikker. Den største udfordring i at bruge disse ikke-påtrængende optiske teknikker for at måle flow og partikel kinematik samtidig er separate belysningen kræves for hver billeddannelse teknik, der kan interferere med den anden måling nøjagtighed ( fx belysning kilde til måling af partikel kinematik kan ikke fungere som en betydelig støjkilden i væske velocity måling og vice-versa). Billedets kontrast i begge sæt af billeder skal være tilstrækkelig til at opnå pålidelige resultater. For eksempel, konverteres PT-billeder til sort-hvide billeder for at udføre en klat analyse for at bestemme partikel positioner; således, ikke tilstrækkelig kontrast fører til fejl i partikel holdning. Dårlig kontrast i PIV billeder beløb til en lav signal / støj-forhold, der vil forårsage unøjagtigheder i vurdering af de flydende hastigheder.

Her, er en forholdsvis billig og simpel metode til samtidig måle både partikel kinematik og flow hastigheder beskrevet. Gennem brug af en high-power monokromatiske lysemitterende diode (LED) linje lys, hvor linjen refererer til lys blænde og dual-head høj intensitet laser, er både partikler af interesse og feltet flow afbildet i samme region samtidigt. Potensen af LED er tilstrækkeligt til billeddannelse af (registrerede) partikler med høj hastighed kameraet men påvirker ikke PIV billeder fordi lysintensiteten spredt fra PIV røbestoffer er for lavt. Når dual-head høj intensitet laser lyser feltet flow for PIV billeder, det sker over en kort tidsinterval og disse billeder er let identificeres og fjernes fra den tidsserien fremstillet ved PT højhastighedskamera, når de er registreret. PIV laser pulser indspillet i high-speed billede (anvendes til partikel tracking) tid serien kan minimeres ved ikke kører de to systemer på erhvervelse billedhastigheder, der svarer til hinanden. I mere avancerede opsætninger, kunne et eksternt udløse PT og PIV-kameraer med en forsinkelse, som ville sikre, at dette ikke sker. Endelig, ved nøje overvejelse af mængden af partikler spores inden for PIV field of view (FOV), fejl indført ved disse sporede partikler i sammenhæng analysen af PIV billeder er allerede taget i betragtning af den samlede fejl skøn, herunder fejl i forbindelse med ikke-ensartet størrelse distribution af PIV røbestoffer i vinduet forhør. Langt størstedelen af PIV såning røbestoffer følger strømmen, giver præcise flow hastighed skøn. Disse teknikker aktiverer den samtidige direkte måling af begge partikel kinematik og flow felt i et todimensionalt fly.

Denne teknik er påvist ved at anvende den for at afgøre partikel afregning karakteristika i en turbulent strømning, svarende til, bruges i studier af Yang og genert6 og Jacobs et al. 7. partikel afregning er den sidste fase i sedimenttransport, som generelt består af sediment suspension, transport og afregning. I de fleste tidligere undersøgelser, der har behandlet partikel bosætter sig i turbulent strømme, enten partikel baner eller turbulent hastigheder måles ikke direkte men udledes teoretisk eller modelleret8,9,10. Oplysninger om vekselvirkninger mellem partikler og turbulens har oftest været undersøgt ved hjælp af teoretiske og numeriske modeller på grund af de eksperimentelle begrænsninger i at måle både samtidig6,11. Vi præsenterer en partikel-turbulens interaktion casestudie i en oscillerende gitter facilitet, hvor vi studerer bilægge hastigheden af partikler og deres kobling med turbulens. Klarhed, vil herefter vi henvise til partikler under undersøgelsen som "partikler" og seeding partiklerne bruges til PIV teknik som "sporstoffer"; Derudover vil vi henvise til kameraet anvendes til højhastigheds billeddannelse af partikel baner som "partikel tracking", "PT" eller "high-speed" kamera, hvilke måler "high-speed billeder" og kameraet anvendes til metoden PIV "PIV kameraet", som måler "billeder". Den metode beskrevet heri kan samtidig måling af partikler kinematik og fluid dynamik over en pre-defineret felt af interesse i havnefaciliteten. De opnåede data giver en to-dimensionel beskrivelse af partikel-turbulens interaktion.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

or Start trial to access full content. Learn more about your institution’s access to JoVE content here

Bemærk: Alle personale skal være uddannet i sikker brug og drift af klasse IV lasere såvel som i sikker brug og drift af hånd og magt værktøjer.

1. eksperimentel Set-up

  1. PIV setup
    1. Opsætning af dual-head laser og optik.
      1. Placere laseren på en optisk plade. Niveau laser med hensyn til bunden af anlægget (eller med hensyn til jorden, hvis det ønskes at have lodret hastigheder på linje med tyngdeaccelerationen) og vertikalt justeres laserstråle med midten af 2D flyet til afbildning.
      2. Placer den cylindrisk linse i vejen for laserstrålen ved at sikre at de optisk plade. Linsen vil danne strålen ind en 2D flyet. Størrelsen af 2D flyet afbildet afhænger af brændvidden af linsen og afstand fra regionen skal undersøges. Juster linsen og afstand indtil regionen belyst er tilstrækkeligt stort til den specifikke anvendelse.
      3. Placer en sfærisk linse på den optiske plade mellem de cylindrisk linse og 2D billedet flyet. Afstanden mellem de kugle- og vippelejer linser og brændvidden af sfærisk linse vil bestemme tykkelsen af 2D flyet belyst (lys arket). Justere denne afstand og brændvidden af linsen, indtil den lyse ark er ca 0,5-1 mm tyk.
    2. Position og udføre indledende kalibrering af PIV kamera.
      1. Tillægger PIV kamera, turn-on PIV kameraet i gratis/konstant tilstand, en linse og groft fokusere PIV kamera. Justere f-stop PIV kamera at give tilstrækkeligt lys til at blive modtaget af billedsensoren; indstillingen f-stop kan variere ved brug af rummets hvidt lys versus den laser-baseret belysning.
        1. Juster linsen og afstand indtil størrelsen af billedet er tilstrækkeligt til at overholde det pågældende område. Udvalg af linsen og afstanden mellem PIV kamera og lys-ark bestemmer den fysiske størrelse af PIV kamerabilledet. Ideelt set størrelsen af billedet skal være mindre end (eller lig) størrelsen af lys Arkopsætning i punkt 1.1.1.
      2. Sikre PIV kamera er vinkelret på arket lys og groft justere højden således, at det pågældende område (defineret ved lys ark grænser – Se trin 1.1.1) er inden for PIV kameraets field-of-view (FOV).
      3. Niveau PIV kameraet med hensyn til bunden af flow anlæg (eller med hensyn til jorden, hvis det ønskes at have lodret hastigheder på linje med tyngdeaccelerationen). Det er af yderste vigtighed at PIV kameraet være netop vinkelret på arket lys, så dette bør kontrolleres grundigt.
      4. Slukke PIV kameraet og aktivere laser. Placere en kalibrering mål og Juster det med midten af arket lys og derefter slukke laseren.
        Bemærk: Kalibrering mål er en to-dimensionelle plade (normalt lavet af metal til stivhed formål), der indeholder flere markører (f.eks. point eller krydser) justeret i et regelmæssigt fordelte gitter dannelse. Pladen er normalt malet sort med hvide mærker. Kendte afstanden mellem markører giver mulighed for vurdering af en omregningsfaktor mellem fysiske enheder og pixel.
      5. Tænd for PIV kameraet tilbage og forfine fokus for PIV kamera kalibrering mål. Pixel opløsning af PIV kameraet vil afgøre, hvor godt området kan blive løst i rummet; således bør det overvejes (Se trin 2.1.1 og 2.1.4 for detaljer om disse overvejelser).
      6. Tage et billede. Bekræfte PIV kameraet er niveau ved at sikre, at højden på tværs af en række af kalibrering mål er konsekvent samt at den vandrette stilling langs en kolonne af kalibrering mål stemmer overens. Kontrollere størrelsen af kalibrering markører i hvert hjørne af billedet (i pixel) for at vurdere mængden af billedforvrængning, som bør minimeres. Forskel i størrelsen af kalibrering markører på hver af de fire hjørner bør ideelt set være nul; men må ikke afvige mere end 1 pixel.
    3. Tilføje PIV røbestoffer til strømmen.
      1. Vælg egnet røbestoffer der er neutralt livlig (samme tæthed som væske), kemisk inert, passende størrelse og form (sfæriske og lille nok til at følge strømmen) og har et højt indeks af brydning i forhold til de flydende12,13 .
        Bemærk: I den fremlagt casestudie hvor væsken er vand, har vi brugt hule glas kugler med en gennemsnitlig diameter på 10 μm og tæthed af 1,1 g/cc.
      2. Indføre PIV røbestoffer i strømmen og køre anlægget (svinger gitteret) indtil de er godt blandet. Gradvist indføre røbestoffer og evaluere billedkvalitet og niveau af røbestoffer tæthed i det.
        Bemærk: En stor adskillelse mellem tracer grå niveau intensitet og baggrunden lysstyrke er optimal.
        1. Evaluere ved at dreje på laseren og indsamle billeder i gratis/konstant tilstand. Røbestoffer koncentration i billedet skal være tætte men ikke plettet4,14. Overveje størrelsen af vinduet ønskede sammenhæng ved udvælgelsen af koncentration, som det er foreslået for at have omkring 8-10 klar partikel par i PIV billede par for cross-korrelation analyse4 (Se trin 2.1.1).
    4. Konfigurere parametrene PIV. Parametrene PIV består af PIV kamera frame rate (som er den samme som laser dual-puls gentagelseshyppighed), timingen mellem billede par (dvs. timing mellem på hinanden følgende (dual) laserpulser), og antallet af billedet par til at indsamle. Forfinelse af disse indstillinger kan være nødvendige efter gennemgang af resultaterne fra trin 1.1.5.
      1. Angive tidsindstillinger af PIV kamera og laser (frame rate). Disse bestemme tidsopløsning af stikprøven velocity vektor kort og skal være så højt som muligt (begrænsning af PIV kamera, laser eller harddiskplads) op til halvdelen af mindste tidsskala af strømmen.
      2. Indstille timingen mellem på hinanden følgende PIV billeder (dvs. en PIV billede par).
        1. Indstille timingen mellem på hinanden følgende PIV billeder baseret på den gennemsnitlige flow hastighed i anlægget og størrelse af vinduerne forhør (Se 2.1.1). Har røbestoffer fortrænge ca 1/4-1/2 af afhøringen vinduesstørrelsen i tid, der er gået mellem på hinanden følgende billeder. Tiden mellem på hinanden følgende billeder sætter også timingen mellem to laserpulser.
        2. Foruddefinere de første puls til at fyre en kort tid efter PIV kameraet lukkeren er åbnet. Hvis bruger en cross-korrelation PIV kamera, PIV kameraet gemmer billedet i sin buffer-hukommelse og genåbner lukkeren igen.
        3. Brand den anden laser puls baseret på opsætningen heri. Når de anden puls brande, kameraets lukkertid vil lukke igen, sender begge billeder til ramme fanget (eller indbyggede PIV kamera hukommelse).
        4. Bestemme tiden mellem den første puls, der udløser erhvervelse af det første billede i billede par og den første puls, der udløser erhvervelse af det første billede i den efterfølgende billede par af PIV kameraet rammen sats (Se 1.1.4.1).
      3. Angive antallet af billedet par til at indsamle. Antallet af billedet par til at indsamle bør vælges til at sikre konvergens af statistiske flowegenskaber, der afhænger af opsætningen af eksperimenterende men er typisk i størrelsesordenen hundreder til tusinder af billedet par.
    5. Test opsætningen PIV.
      1. Indstil laser til eksterne udløse mode for begge laser hoveder og øge laser power. Helt mørkere rummet.
      2. Indlede dataindsamling i synkroniseret kontinuerlig tilstand i et par sekunder.
      3. Stop dataindsamling.
      4. Cross korrelerer billede par indsamlet (Se 2.1.1).
        1. Hvis procentdelen af god vektorer passerer signal / støj-forhold (forholdet mellem spidsværdien af højeste cross korrelation til andet højeste cross korrelation peak-Se 2.1.1) er ikke i den øvre 90% interval eller gennemsnitlige tracer forskydninger inden for forhør windows er ikke cirka 0,25-0,5 af vinduesstørrelsen forhør gentage og bekræfte korrekte gennemførelse af fremgangsmåden i afsnit 1.1, indtil det er opnået. Når disse værdier er opnået, stoppe facilitet (stop gitter svingning).
  2. Setup 2D højhastigheds partikel tracking
    1. Placer den monokromatiske LED linje lys.
      1. Vælg linje lysdioder så det lyser partikel under undersøgelsen (fx sediment partikler) med store backscattered intensitet (stor forskel i index of brydning af partikel med hensyn til væske). Det bør også kunne belyse kontinuerligt eller en sats, der kan synkroniseres med PT kamera.
      2. Minimere tykkelse lysets linje til ideelt match PIV lys ark tykkelse, men ikke til at være mere end 10 gange tykkere end PIV lys ark tykkelse for at mindske enhver uklarhed på grund af ud-af-flyet partikel bevægelse.
      3. Tilpasse bredden af LED linje lys til at matche eller omfatte PIV FOV. Montere LED vinkelret på arket lys genereret af laser, således at der er ingen problemer med lys blokering (fx PIV lys ark fra side) og LED fra bunden. Se figur 1.
      4. Juster linje lysdioder så PIV lys pladetykkelse er centreret inden for lys LED stregtykkelsen. Kun justere placeringen af LED-lys til at opnå denne justering. Flytning af arket PIV lys vil kræve gentage trinnene i afsnit 1.1.
    2. Position og udføre indledende kalibrering af højhastighedskamera PT.
      1. Vedhæfte et objektiv til PT kameraet, tænde for PT kameraet i gratis/løbende/Live mode og groft fokusere PT kamera. Hvis det er nødvendigt, justere PT kamera f-stop for at give tilstrækkeligt lys til at blive modtaget af billedsensoren PT kamera; indstillingen f-stop kan variere ved brug af rummets hvidt lys versus den LED-baseret belysning. Udvalg af linsen og afstanden mellem kameraet og linjen LED lys bestemmer den fysiske størrelse af PT kamerabilledet. Ideelt set PT kamera FOV vil være mindre end (eller lig) størrelsen af området oplyst af LED.
      2. Sikre den højhastighedskamera er vinkelret på linjen lys og groft justere højden, så regionen af interesse er inden for PT kameraets FOV og inklusive PIV FOV.
      3. Niveau PT kameraet med hensyn til bunden af flow anlæg (eller med hensyn til jorden, hvis det ønskes at have lodret hastigheder på linje med tyngdeaccelerationen). Det er af yderste vigtighed, at PT kameraet være netop vinkelret oplyst af linjen lys, så dette bør kontrolleres grundigt.
      4. Sluk PT kameraet, tænde lys linje og placere en kalibrering mål på linje med midten af den linje lys, derefter slukke lys linje.
      5. Tænd for PT kameraet tilbage og forfine sit fokus på kalibrering mål. Yderligere forfine linse og afstand indtil størrelsen af billedet er tilstrækkeligt til at overholde det pågældende område og være inklusive PIV FOV.
      6. Vælg linse og afstand således, at PT-højhastighedskamera FOV er større end PIV FOV. Dette arrangement er nødvendigt for at sikre, at PIV kamera og PT højhastighedskamera ikke fysisk blokere for hinanden.
      7. Arrangere PT og PIV kameraerne lodret (stablet) eller forskydning ved siden af hinanden. Det kan være praktisk at justere ene hjørne af højhastighedstog PT FOV og PIV FOV. Pixel opløsning af PT kameraet vil afgøre, hvor godt området kan blive løst i rummet; således, det bør overvejes. Omregningsfaktor mellem fysiske enheder og pixel bestemmer den fysiske afstand er omfattet af én pixel. Partiklerne skal fortrænge ca 3-10 pixel mellem på hinanden følgende billeder, og hvis denne forskydning er for stor (eller lille) fordi FOV er for lille (eller for stor) eller antallet af pixels er for stor (eller for lille) derefter partikler kan ikke fortrænge en ideel antallet af pixels mellem billeder (også se 1.2.3.2).
      8. Vælg partikler for undersøgelsen.
        1. Brug partikler af interesse meget større end PIV såning røbestoffer for at tilstrækkeligt skelne mellem de undersøgte partikler og PIV røbestoffer. Vi har haft succes med partikler cirka 5 gange større end PIV røbestoffer og overveje dette den nedre grænse, men grænsen kan afhænge af partikel refraktivt indeks og lyskilder. De undersøgte partikel bør omfatte omkring 4-5 pixels i område i kamerabilledet, high-speed. Derfor, størrelsen af de undersøgte partikler kan give mulighed for mindre pixel opløsning for højhastighedstog billedet end PIV billeder.
        2. Gentag trin 1.2.2.1-1.2.2.5, som kræves for at opnå dette trin.
      9. Tilegne sig et billede af en kalibrering mål. Bekræfte PT kameraet er niveau ved at sikre, at højde på tværs af en række af kalibrering mål er konsekvent, og at den vandrette placering langs en kolonne af kalibrering mål stemmer overens. Også kontrollere størrelsen af kalibrering markører i hvert hjørne af billedet for at vurdere mængden af billedforvrængning, som bør minimeres (ikke afviger mere end 1 pixel).
    3. Angive parametrene high-speed kamera. Parametrene højhastighedskamera består af frame rate af PT kameraet (i dette tilfælde også indstille tidspunktet for eksponering), PT kamera opløsning (full frame eller binning pixel for at forøge billedhastigheden eller forlænge erhvervelse tid), og antallet af billeder indsamlet.
      1. Angive antallet af billeder, der skal indsamles (dvs. længden af erhvervelse tid). Antallet af billeder, indsamlet påvirker antallet af partikel baner målt – jo længere erhvervelse tid, på flere baner, der kan måles.
      2. Indstil billedfrekvensen (og eksponeringstiden) og opløsning af højhastighedskamera PT.
        1. Undgå at sætte højhastigheds billede erhvervelse sats til samme eller multiplum af PIV framerate. Indstil billedfrekvensen baseret på den forventede hastighed af partikler i strømmen. Partiklerne skal fortrænge mere end 1 eller 2 pixels for at undgå forekomster af overlappende partikel positioner i to på hinanden følgende billeder; dog et stort hul (> 10 pixels) vil resultere i mindre tillid til at identificere den samme partikel i på hinanden følgende billeder, giver tab af partikel bane (Se 2.2.4). Justere PT kamera opløsning og frame rate for at opnå partikel forskydninger i dette interval (3-10 pixels).
    4. Test opsætningen high-speed kamera.
      1. Turn-on LED linje lys og ellers mørkere rummet.
      2. Køre facilitet (start oscillerende gitteret).
      3. Introducere partiklerne ind i strømmen og fange et par rammer efter partiklerne vises i den højhastighedskamera FOV. Overlay på hinanden følgende frames og vurdere, om partikler i på hinanden følgende frames kan skelnes.
        1. Kontroller, at indførelsen af partikler til højhastigheds-kameraets FOV forekommer tilstrækkeligt langt fra FOV at indgangseffekter er ubetydelig, at tætheden af partikler er sparsom, at der ikke er hyppige forekomster af overlapningen af partikler i den High-Speed billede FOV, og at partikel bevægelse er primært i flyet afbildet så at partiklerne er sporbar øjemål i kameraet FOV/PT kamera billede historie.
        2. Hvis disse resultater ikke er opnået, derefter gentage 1.2, indtil det er opnået. Når opnået, stoppe facilitet (stop gitter svingning).
  3. Kombineret endelige kalibrering
    1. Placer kalibrering mål i både PIV og PT kamera FOVs og inden for både LED og PIV lys plader. Kalibrering mål skal ses af både PT højhastighedskamera og PIV kamera. Kontroller, at begge kameraer er i fokus. Hvis man ikke er i fokus, så nødt trin 1.1 og 1.2 til at blive gentaget for PIV kamera og højhastighedskamera, henholdsvis.
    2. Sikre, at mindst én unik mark findes målsystemet kalibrering, som kan ses af både højhastighedskamera FOV og PIV kamera FOV. Måle og betegne placeringen af dette unikke mærke i fysisk plads til formål af rumlige registrering mellem billederne.
    3. Kalibrere den højhastighedskamera ved at indfange og gemme et billede af en kalibrering mål af højhastighedskamera PT. Kalibrere PIV kamera på samme måde.
    4. Fjern kalibrering mål fra væsken.
  4. Dataindsamling
    1. Køre anlægget (svinger gitter) indtil den når steady state (~ 20 min).
    2. Angive lysforhold ved mørkfarvning værelse og tænde LED lys. Tilføje partikler i væsken.
    3. Synkront starte billede erhvervelse for begge systemer, når de første partikler vises i PT-højhastighedskamera FOV (i live-mode).
    4. Hente højhastigheds billeder fra RAM til PT højhastighedskamera og opspare den billeder erhvervet af PIV kamera.
    5. Stoppe anlægget (stop gitter svingninger).

2. billedanalyse

Bemærk: Der er mange softwarepakker til rådighed til at udføre både PIV og PT billedanalyse – både kommercielle og freeware. Til PIV analyse er freeware koder OpenPIV (http://www.openpiv.net/) og MatPIV (http://folk.uio.no/jks/matpiv/index2.html). Kommercielle virksomheder sælger også PIV analyse software. PT analyse findes talrige partikel tracking-koder i både 3D og 2D såsom Partikel Tracker (https://omictools.com/particle-tracker-tool); en komplet liste over forskellige software-platforme kan findes her: https://omictools.com/particle-tracking-category eller http://tacaswell.github.io/tracking/html/. De fleste analyse pakker, fx MATLAB, har indbygget værktøjer, der gør det relativt let at gennemføre din egen sporingskoden. For resultaterne præsenteres i denne undersøgelseOpenPIV, blev TSI indsigtog MATLAB brugerdefinerede-skrevet sporingskoder brugt.

  1. Analysere PIV billeder
    1. Opdele hvert billede i et gitter af forhør windows (f.eks. 64 x 64 pixler2 med 50% overlapning) som den gennemsnitlige strømningshastighed på hvert vindue er beregnet af cross-korrelerede to på hinanden følgende PIV billeder (dvs., PIV billede par) som drøftet i opsætningen PIV, punkt 1.1.4.2.
      Bemærk: Afstanden mellem peak korrelationen i hvert vindue og midten af vinduet definerer den gennemsnitlige tracer forskydning i dette vindue. Når kalibreret, giver denne forskydning divideret med tiden mellem på hinanden følgende PIV billeder (PIV billede par - se trin 1.1.4.2) skøn over de to i fly komponenter i hastighed på hver placering4. Kollektivt, er det nævnt som en hastighed vektor kort. Forhør vinduets størrelse bestemmer opløsningen af feltet flow produceret af PIV analyse som halvdelen af denne afstand er den beregnede velocity vektor afstand. Denne afstand sammen med pixel til fysiske enhedsomregningsfaktor angiver opløsningen af feltet målt flow. Derudover for at opnå lav numre af fejlagtige vektorer (Se 2.1.2), skal der være et tilstrækkeligt antal røbestoffer i hvert vindue (mindst 8-10 røbestoffer) og de skal ikke fortrænge mere end omkring ¼ til ½ af vinduesstørrelsen.
    2. Filtrer resultaterne af cross-korrelation til at fjerne spurious resultater fra velocity vektor kort.
      1. Anvende en signal-støj (SNR) filter. Der kræver en ratio på 1,5 og derover er typisk bruges (dette nummer kan ændre baseret på de specifikke eksperimentelle betingelser).
        1. Indstille SNR skal enten forholdet mellem først og andet højeste korrelation peak i vinduet forhør eller forholdet mellem den første og gennemsnitlige korrelation over vinduet specifikke forhør. Optimere SNR ratio for hvert sæt af forsøg. Antallet af vektorer undlade denne SNR kontrol bør ikke overstige 10%.
      2. Filtrer resterende fejlagtige vektorer (højst 5% mellem trin 2.1.2.2 og 2.1.2.3) ved hjælp af et globalt filter, der sammenligner hver enkelte velocity vektor med velocity kort middelværdi plus eller minus tre standardafvigelser af kort hastigheder, og eliminerer hastigheder uden for dette interval.
      3. Filtrer resterende fejlagtige vektorer (højst 5% mellem trin 2.1.2.2 og 2.1.2.3) ved hjælp af et lokalt filter, der sammenligner hver enkelte velocity vektor med median hastigheden af et kvarter i den omgivende velocity typisk vektorer 5 x 5 i størrelse.
        Bemærk: Brug af median og bestemmelse af kvarteret størrelse kan ændres afhængigt af de specifikke forsøgsbetingelser.
    3. Erstatte fejlagtige vektorer fundet i trin 2.1.2 med interpoleret vektorer (eller nabolag median) ved hjælp af oplysninger fra de omkringliggende kvarter vektorer, typisk i størrelsen 5 x 5.
    4. Bestemme afstanden til pixel konvertering ratio. Undersøge, hvor mange pixels oversætte til en bestemt afstand ved hjælp af afstanden mellem markører på kalibrering målet afbildet i trin 1.3.3.
    5. Kalibrere vektorer. Konvertere vektorer beregnet i trin 2.1.1-2.1.3 fysiske enheder ved hjælp af denne omregningsfaktor fra trin 2.1.4 og tiden mellem billede par angivet i trin 1.1.4.2; konvertering af forskydninger i pixels til hastigheder i fysiske enheder.
  2. Analysere højhastigheds billeder
    1. Fjerne nogen billeder fra højhastigheds billede tidsserier hvor PIV laser var lysende strømmen.
      1. Sum intensitetsværdierne for hver ramme erhvervet. Rammer, hvor PIV laser blinkende har en summeres intensitet, der er meget større end dem uden PIV laser aktive i billedet. Baseret på en tærskel på den summerede intensitet, fjerne billeder fra den tidsserien, der har en summeres intensitet større end tærskelværdien. Afsnittet 1.2.3.2 vejledning i at minimere mængden af rammer, dette sker.
    2. Konvertere resterende gråtonebilleder til binære billeder ved hjælp af en tærskel. I dette tilfælde bruger vi Otsus metode til at bestemme den tærskel, der konverterer partiklerne til hvid og baggrunden til sort.
    3. Udføre blob analyse for hvert billede.
      1. Identificere regioner i connectivity i sort og hvidt billede - herefter benævnt objekter. Typisk, en tilslutning af 8 pixel bruges.
      2. Fjern eventuelle objekter, der er meget mindre i området (dvs. antallet af pixel objekt forbruger i billedet) end den typiske partikelstørrelse i pixels i billedet, typisk omkring 3 pixels.
    4. Beregne partikel baner.
      1. Identificere barycentrum af alle (tilbageværende) objekter i det første billede.
      2. Hvert objekt opdaget, at søge det efterfølgende billede til det samme objekt ved at søge i et område nær barycentrum i det tidligere billede. Hvis der kun findes én partikel/objekt i søgevinduet, derefter fortsætte bane, og registrere placeringen af barycentrum i dette billede; ellers, opsige bane.
        Bemærk: For stor af en søgning område kan resultere i forkert identifikation af partikel i det efterfølgende billede så søgeområdet skal begrænses så meget som muligt uden at forårsage bias i resultaterne. Hvis objektet position i den efterfølgende ramme er ofte på den maksimale rækkevidde af søgevinduet, derefter er søgevinduet ikke stort nok.
      3. Gentag trin 2.2.4.2 indtil objektet findes ikke længere i det efterfølgende billede. Når dette sker, bane anses for opsagt.
        Bemærk: Hvis hovedparten af partikel sporer er konsekvent kort (f.eks. mindre end 5 billeder), så dette resultat kunne tyde på at der er betydelige tre-dimensionel bevægelse og at denne metode ikke er egnet. Som en tommelfingerregel, skal partikel spor være mindst ¼ af partiklen tracking FOV14; men nødvendigheden af særlig spor længder kan variere med ansøgningen.
      4. Gentag trin 2.2.4.1-2.2.4.3 begyndende med den anden ramme for objekter ikke allerede spores fra ramme 1. Gentag denne proces for alle mulige start rammer. Resultatet bliver et bibliotek af partikel baner i hele eksperimentet.

3. analyse

  1. Beregne partikel hastigheder og accelerationer fra position baner fra højhastigheds billederne bruges til PT.
    1. Differentiere partikel baner opfyldt i 2.2 i gang (baseret på frame rate sæt taktfast 1.2.3.2) for at beregne hastigheder i hver retning. Denne gang differentiering resulterer i estimater af Lagrange hastighed af partikler i pixel pr. tidsenhed.
      Bemærk: Dette trin skal kun udføres, hvis hastighed oplysninger af partikler der ønskes.
    2. Kalibrere hastigheder ved at konvertere hastigheder fra pixel pr. tidsenhed afstand pr. tidsenhed. Omregningsfaktor (afstand pr. pixel) kan fås ved at undersøge afstanden mellem markører på kalibrering målet afbildet i trin 1.3.3.
  2. Udføre Reynolds nedbrydning på PIV vektor maps til at beregne turbulente mængder.
    1. Beregne ensemble middelværdi over alle PIV velocity vektor kort indsamlet på hver placering i PIV vektor kort fremstillet af trin 2.1.
    2. Udføre en Reynolds nedbrydning ved at fratrække disse middelværdier beregnet i punkt 3.2.1 fra de øjeblikkelige hastighed i hvert kort at opnå tidsserier af turbulente velocity udsving.
    3. Beregne statistikker af interesse, for eksempel turbulente hastighed root-mean-square (RMS). Alternativt kunne man undersøge turbulente udsving på nøjagtige partikel steder i baner.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

or Start trial to access full content. Learn more about your institution’s access to JoVE content here

En skematisk af opsætningen af eksperimenterende er vist i figur 1. Figuren viser placeringen af lys ark (LED og laser), overlapningen i FOVs, og placeringen af FOVs i forhold til oscillerende gitter og tank vægge. Turbulens og partikler måles samtidigt som beskrevet i afsnittet protokol. Figur 2 viser eksempel resultaterne af målingerne af øjeblikkelige hastighed og vorticity sammen med prøven partikel baner. Resultaterne af PIV analyse er evalueret baseret på computing RMS af de turbulente udsving. For denne oscillerende gitter facilitet, bør omfanget af det rumlige gennemsnit af RMS velocity udsving over PIV FOV øge med gitter frekvens for begge velocity komponenter7,15. Hvis der ikke opnås dette resultat, derefter funktionen gitter, PIV setup eller PIV analyse indeholder fejl og bør gentages. Et eksempel på den lodrette profil af RMS velocity svingninger til forskellige gitter frekvenser er fastsat i figur 3, når det påvises, at RMS turbulente udsving øger med gitter frekvens.

Partikel baner vurderes ved at undersøge fordelingen af hastigheder fra partikel baner, som vist i figur 4. Disse distributioner bør være ca Gaussisk Distribution. Hvis de ikke er, kan så der være et problem med erhvervelse af højhastighedstog billederne afhængigt af de specifikke strømningsforhold, et problem med analysen af de high-speed billeder, eller et utilstrækkeligt antal partikel baner. I dette program af metoden, kan validering af bane resultater også opnås ved sammenligning Dietrich16 kurver for stillestående vand. Bane beregninger i stillestående vand ved hjælp af de samme procedurer her skitserede for partikler skal give en bilæggelse velocity, der er cirka i overensstemmelse med disse empiriske kurver som vist i figur 5, hvor resultaterne for den stagnerende flow tilstanden Vis aftale med Dietrich16 kurver. Figur 5 viser også, at partikler tendens til at have øget bilægge hastigheder i turbulens, som drøftet i Jacobs et al. 7.

Figure 1
Figur 1: skematisk beskrivelse af eksperimentel opsætning, som består af et gitter turbulens tank, partikel billede Velocimetri opsætning (ved hjælp af en CCD (PIV) kamera og laser) og 2D højhastigheds imaging partikel tracking opsætning (ved hjælp af en CMOS (PT) kamera og LED lys ). Dimensioner på skematiske er givet i centimeter. Dette tal er blevet ændret fra, vises i Jacobs et al. 7 Venligst klik her for at se en større version af dette tal.

Figure 2
Figur 2: hastighed distribution og baner. (A) et eksempel øjeblikkelige væske velocity distribution repræsenteret af vektorer i pixels/s overlejret på øjeblikkelig vorticity karakteriseret ved farve. Den røde skala vektor i nederste venstre hjørne repræsenterer 500 pixels/s. (B) et eksempel på time-lapse (over 30 PT billeder) baner af partikler med en 261 µm gennemsnitlig diameter på 5 Hz gitter svingninger. Panelet B af denne figur er blevet ændret fra, vises i Jacobs et al. 7 Venligst klik her for at se en større version af dette tal.

Figure 3
Figur 3: vandret i gennemsnit lodrette profiler af RMS (a) horisontal og (b) lodret turbulente udsving for alle gitter frekvenser (Se forklaring). Turbulente RMS hastigheder stige med gitter frekvens. RMS-værdier er baseret på 500 vektor kort beregnet på alle steder, og derefter efterfølgende gennemsnit over alle vandret stilling (50 point) i hver lodret position til at få vist lodrette profiler. Dette tal er blevet ændret fra, vises i Jacobs et al. 7 Venligst klik her for at se en større version af dette tal.

Figure 4
Figur 4: histogrammer af partiklerne målt vandret og lodret hastigheder i stillestående vand og turbulente forhold (Se undertekster) til (en, venstre to paneler) en naturlig (uregelmæssigt formet) sand partikel med 261 µm middelværdi diameter og (B, højre to paneler) en sfærisk syntetiske partikel med en gennemsnitlig diameter på 71 µm. Linjerne i subplots er Gaussisk passer til histogrammer. Dette tal er blevet ændret fra, vises i Jacobs et al. 7 Venligst klik her for at se en større version af dette tal.

Figure 5
Figur 5: afregning hastigheder i stillestående og turbulente strømningsforhold versus partikelstørrelse til flere forskellige typer af partikler. Som illustreret i forklaringen, farverne repræsenterer forskellige sediment typer: syntetisk eller producerede partikler, flere industrielle sand typer (120, 100, 35), og sand fra en lokal strand i Myrtle Beach, SC-se tabel 1 i Jacobs et al. 7 for flere detaljer. Symboler, herunder den udfyldt cirkel, angive strømningsforhold repræsenteret som gitter frekvens i legenden, hvor stillestående refererer til nul frekvens. Gitter hyppigheden stiger, øge RMS turbulente velocity udsving. De empiriske kurver af Dietrich16 for partikel bilægge hastighed i stillestående vand er også vist for flere forskellige form faktorer. Dette tal er blevet ændret fra, vises i Jacobs et al. 7 Venligst klik her for at se en større version af dette tal.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

or Start trial to access full content. Learn more about your institution’s access to JoVE content here

Den metode beskrevet heri er relativt billig og giver en enkel måde at måle samtidig partikel baner og turbulens for at undersøge flow indflydelse på partikel kinematik. Det er værd at nævne, at strømme eller partikel bevægelser, der er stærkt tredimensionale ikke er velegnet til denne teknik. Ud af flyet bevægelse vil resultere i fejl17 i både 2D sporing og til analyse af PIV og bør minimeres. Derudover kræver metoden koncentration af sporet partikler er forholdsvis lav (på rækkefølgen af titusindvis af partikler per PT billede). Denne begrænsning er vigtigt for at maksimere tillid til at den samme partikel spores i på hinanden følgende billeder. Hvis for mange partikler eksisterer samtidigt i FOV af PT kamera, derefter unøjagtigheder i beregningerne af bane og tidlig afslutning af baner kan forekomme samt øget fejl i billedanalyse PIV. Problemer forbundet med partikel flokkulering ville derfor være udfordrende for denne teknik til at undersøge for store partikel koncentrationer er normalt nødvendigt. Endelig, denne teknik er bedst egnet til sporing af større partikler (> 50 µm). Der skal være tilstrækkelig adskillelse mellem PIV røbestoffer (~ 10 µm) fra de partikler, der spores. En faktor på mindst 5 foreslås.

De mest kritiske trin i protokollen til partikel tracking er kalibreringstrinnene, udvalg af frame rate, partikel koncentration i billederne, og at sikre høj signal-støj-forholdet i high-speed billeder. Blob analyse kræver konvertering af gråtoner billede til et sort-hvidt billede, hvorpå partikel baner er beregnet. Hvis kontrasten i high-speed billederne er sådan, at denne omstilling er vanskelig, så er fejl i baner sandsynligvis fordi der vil være usikkerhed i identifikation af partikler. Utilstrækkelig partikel forskydning, for stor af forskydning mellem rammer, eller for mange partikler kan føre til fejl i partikel baner og/eller tidlig afslutning af partikel baner. Til PIV, kalibrering af billedets størrelse, indstilling af tid mellem billede par, korrekt udvælgelse af røbestoffer, og detaljerede tilpasning mellem PIV kamera og laseren er de vigtigste skridt til at sikre et godt resultat i PIV korrelation analyse , som er nøglen til at opnå nøjagtige statistikker om turbulensen.

Her, viste vi resultaterne af teknikken ved at anvende det for at undersøge bilægge hastigheden af forskellige typer og størrelser af sediment partikler i varierende turbulente forhold. Resultaterne viser en næsten Gaussisk distribution af partikel afregning hastigheder (samt horisontale hastigheder) som middelværdien er betragtes som en typisk bilægge hastighed for denne partikel i forskellige betingelser. RMS turbulente velocity udsving viser en stigning med gitter frekvens som forventet7,15 , og er omtrent ensartet over FOV lodret højde (bortset fra et mindre turbulens tilfælde - 2 Hz gitter frekvens, jf figur 3 ). Sammen, disse resultater viser, at den samtidige måling af partikler og feltet informationsstrøm var vellykket. De viser også, at der er øget bilægge hastigheder med stigende uro7, som er i overensstemmelse med "fast-tracking" teori af partikel bilægge adfærd i turbulent strømning11.

Udnyttelsen af metoden heri er et eksempel til at tackle en videnskabelige spørgsmål, der involverer partikel-turbulens interaktion; metoden kan udnyttes i andre forskningsdiscipliner og applikationer. Ud over at undersøge tendenser i et bestemt aspekt af partikel opførsel i varierende flow betingelser, er det også muligt at undersøge flow hastigheder på bestemte forekomster i gang langs banen af en partikel. Integration af flow hastighed information med partikel bane data afhænger af det konkrete spørgsmål undersøgt og tilbyder en potentiel rigdom af oplysninger vedrørende partikel kinematik i strømme for en lang række applikationer. I Resumé giver denne teknik en billig løsning på samtidig måling af partikel baner og turbulens relevante i en række applikationer hvor væskestrøm interagerer med naturlige eller menneskeskabte partikler.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Forfatterne har ikke noget at oplyse.

Acknowledgments

Dele af dette arbejde blev støttet af II-VI Foundation og Coastal Carolina Professional Enhancement Grant. Vi vil også gerne anerkende Corrine Jacobs, Marek Jendrassak og William Merchant for hjælpe med opsætningen af eksperimenterende.

Materials

Name Company Catalog Number Comments
Optical lenses CVI LASER OPTICS Y2-1025-45, RCC-25.0-15.0-12.7-C, PLCC-25.4-515.1-UV Other optics companies are acceptable. Spherical and cyclindrical lenses for generating PIV light sheet.
Camera lens for PIV Nikon Nikkor 105mm f/2D Other camera lens companies are acceptable. Camera lens for PIV imaging.
Camera lens for high-speed Nikon Nikkor 50mm f/1.8D Other camera lens companies are acceptable. Camera lens for high-speed imaging.
Dual-head pulsed laser Quantel EverGreen: 532nm, 70mJ@15Hz Other laser companies are acceptable. Dual-head Pulsed-laser for PIV: Nd:YAG
LED line light Gardasoft Vision, Ltd. VLX2 LED Line Lighting - Green - GAR-VLX2-250-LWD-G-T04 Other companies are acceptable. Line light for LED.
PIV seeding particles/tracers Potters Industries SPHERICAL Hollow Glass Spheres: 11 mm average diameter Other companies are acceptable. PIV seeding particles
CCD cross-correlation camera TSI, Inc. POWERVIEW 11M: CCD, Double-exposure, 4008x2672 pixels @ 4.2 Hz with 12bit dynmic range Other companies are acceptable. Double-exposurem, CCD camera for PIV imaging.
High-speed camera Photron FASTCAM SA3; Model 60K: 1024x1024 pixels @ 1kHz Other companies are acceptable. CMOS camera for high speed imaging.
Synchronizer TSI, Inc. LASERPULSE SYNCHRONIZER 610036 Other companies are acceptable. Synchronize the acquisition of the PIV camera and laser.
Calibration target TSI, Inc. Other companies are acceptable. Precision target for image calibration.

DOWNLOAD MATERIALS LIST

References

  1. Maxey, M. R. The gravitational settling of aerosol particles in homogeneous turbulence and random flow fields. Journal of Fluid Mechanics. 174, 441-465 (1987).
  2. Good, G. H., Ireland, P. J., Bewley, G. P., Bodenschatz, E., Collins, L. R., Warhaft, Z. Settling regimes of inertial particles in isotropic turbulence. Journal of Fluid Mechanics. 759, R3 (2014).
  3. Ha, H. K., Maa, J. P. Y. Effects of suspended sediment concentration and turbulence on settling velocity of cohesive sediment. Geosciences Journal. 14, (2), 163-171 (2010).
  4. Raffel, M., Willert, C. E., Wereley, S. T., Kompenhans, J. Particle image velocimetry: A practical guide. Springer. (2007).
  5. Lu, L., Sick, V. High-speed particle image velocimetry near surfaces. Journal of Visualized Experiments. 76, e50559 (2013).
  6. Yang, T. S., Shy, S. S. The settling velocity of heavy particles in an aqueous near-isotropic turbulence. Physics of Fluids. 15, (4), 868-880 (2003).
  7. Jacobs, C. N., Merchant, W., Jendrassak, M., Limpasuvan, V., Gurka, R., Hackett, E. E. Flow scales of influence on the settling velocities of particles with varying characteristics. PLoS One. 11, (8), 0159645 (2016).
  8. Murray, S. P. Settling velocities and vertical diffusion of particles in turbulent water. Journal of Geophysical Research. 75, (9), 1647-1654 (1970).
  9. Nielsen, P. Turbulence effects on the settling of suspended particles. Journal of Sedimentary Research. 63, (5), 835-838 (1993).
  10. Kawanisi, K., Shiozaki, R. Turbulent effects on the settling velocity of suspended sediment. Journal of Hydraulic Engineering. 134, (2), 261-266 (2008).
  11. Maxey, M. R., Corrsin, S. Gravitational settling of aerosol particles in randomly oriented cellular flow fields. Journal of the Atmospheric Sciences. 43, 1112-1134 (1986).
  12. Melling, A. Tracer particles and seeding for particle image velocimetry. Measurement Science and Technology. 8, (12), 1406-1416 (1997).
  13. Hadad, T., Gurka, R. Effects of particle size, concentration and surface coating on turbulent flow properties obtained using PIV/PTV. Experimental Thermal and Fluid Science. 45, 203-212 (2013).
  14. Adrian, R. J. Particle-imaging techniques for experimental fluid mechanics. Annual Review of Fluid Mechanics. 23, (1), 261-304 (1991).
  15. Shy, S. S., Tang, C. Y., Fann, S. Y. A nearly isotropic turbulence generated by a pair of vibrating grids. Experimental Thermal and Fluid Science. 14, (3), 251-262 (1997).
  16. Dietrich, W. E. Settling velocity of natural particles. Water Resources Research. 18, (6), 1615-1626 (1982).
  17. Huang, H., Dabiri, D., Gharib, M. On errors of digital particle image velocimetry. Measurement Science and Technology. 8, (12), 1427 (1997).
Samtidig måling af turbulens og partikel kinematik bruge Flow Imaging teknikker
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Hackett, E. E., Gurka, R. Simultaneous Measurement of Turbulence and Particle Kinematics Using Flow Imaging Techniques. J. Vis. Exp. (145), e58036, doi:10.3791/58036 (2019).More

Hackett, E. E., Gurka, R. Simultaneous Measurement of Turbulence and Particle Kinematics Using Flow Imaging Techniques. J. Vis. Exp. (145), e58036, doi:10.3791/58036 (2019).

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