Login processing...

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

Engineering

Samtidig mätning av turbulens och partikel kinematik använder Flow Imaging tekniker

doi: 10.3791/58036 Published: March 12, 2019

Summary

Den teknik som beskrivs häri erbjuder en låg kostnad och relativt enkel metod för att samtidigt mäta partikel kinematik och turbulens i flöden med låga partikel koncentrationer. Turbulensen mäts med particle image velocimetry (PIV) och partikel kinematik beräknas från bilder tagna med en höghastighetskamera i en överlappande field-of-view.

Abstract

Många problem i vetenskapliga och tekniska områden innebära förståelse partiklar i turbulenta flöden, såsom föroreningar, marina mikroorganismer eller sediment i havet, eller fluidiserad bädd reaktorer och förbränningsprocesser i kinematik specialkonstruerade system. För att studera effekten av turbulens på kinematik av partiklar i sådana flöden, krävs samtidiga mätningar av både flöde och partikel kinematik. Icke-påträngande, optiska flöde mätmetoder för att mäta turbulens, eller för att spåra partiklar, finns men mäta båda samtidigt kan vara utmanande på grund av interferens mellan teknikerna. Metoden presenteras häri ger en låg kostnad och relativt enkel metod för att göra samtidiga mätningar av flöde och partikel kinematik. Ett tvärsnitt av flödet mäts med en partikel image velocimetry (PIV) teknik, som ger två komponenter av hastighet i mätning planet. Denna teknik använder en pulsad laser för belysning av fältet seedade flöde som är fotograferad av en digital kamera. Partikel kinematik är samtidigt avbildas med hjälp av en ljusavgivande diod (LED) linje ljus som belyser ett plana tvärsnitt av flödet som överlappar den PIV field-of-view (FOV). Line ljuset är tillräckligt låg makt att det inte påverkar PIV mätningarna, men tillräckligt kraftfull för att belysa de största partiklarna av intresse avbildas med hjälp av höghastighets kamera. Snabba bilder som innehåller laser pulserna från PIV tekniken filtreras enkelt genom att undersöka den summerade intensitetsnivån i varje höghastighetståg bild. Genom att göra bildhastigheten för höghastighetskamera merarbete med bildfrekvensen PIV kamera, kan antalet förorenade ramar i höghastighetståg tidsserien minimeras. Tekniken är lämplig för genomsnittlig flöden som är huvudsakligen tvådimensionell, innehåller partiklar som är minst 5 gånger den PIV sådd spårämnen genomsnittlig diameter och låg koncentration.

Introduction

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

Det finns ett stort antal tillämpningar inom både vetenskapliga och tekniska områden som involverar uppförandet av partiklar i turbulenta flöden, till exempel, aerosoler i atmosfären, föroreningar eller sediment i specialkonstruerade system och marine mikroorganismer eller sediment i ocean1,2,3. I sådana program är det ofta av intresse att förstå hur partiklarna bemöta turbulens, vilket kräver samtidig mätning av partikel kinematiken och fluiddynamik.

Befintlig teknik att mäta partikel rörelser, kallas particle tracking (PT), som spårar enskild partikel banor, och den statistiska tekniken particle image velocimetry4,5 (PIV), används för att mäta flöde hastigheter, både införliva icke-störande optiska tekniker. Den största utmaningen i att använda dessa icke-störande optiska tekniker för att mäta både flöde och partikel kinematik samtidigt är separat belysning krävs för varje bildteknik som inte kan störa varandras mätning noggrannhet) t.ex. belysning källa för att mäta partikel kinematik inte fungera som en betydande bullerkälla i vätska hastighet mätning och vice versa). Avbildakontrasten i båda uppsättningar av bilder måste vara tillräcklig för att få tillförlitliga resultat. Till exempel konverteras PT bilderna till svartvita bilder för att utföra en blob-analys för att avgöra partikel positioner; Således, otillräcklig kontrast leder till fel i partikel position. Dålig kontrast i PIV bilder uppgår till en låg signal-brus-förhållande som kommer att orsaka felaktigheter vid uppskattning av flytande hastigheterna.

Här beskrivs en relativt låg kostnad och enkel metod för att samtidigt mäta både partikel kinematik och flöde hastigheter. Genom användning av en högeffekts monokromatiska ljusavgivande diod (LED) linje ljus, där refererar raden till ljusöppningen och dual head hög intensitet laser, är båda partiklarna av intresse och fältet flöde avbildade i samma region samtidigt. Den high power LED är tillräcklig för bildtagning av (spårade) partiklar av höghastighetståg kameran men påverkar inte PIV bilderna eftersom ljusintensiteten utspridda från PIV spårämnen är för låg. När dual head hög intensitet laser lyser upp fältet flöde för PIV bilderna, det sker över ett kort tidsintervall och dessa bilder är lätt identifieras och tas bort från den tidsserie som erhållits av höghastighetståg PT kameran när de registreras. PIV laser pulser registrerats i hög-fart bild (används för partikel spårning) tiden serien kan minimeras genom att inte köra de två systemen vid förvärvet bildhastigheter som står i proportion till varandra. I mer avancerade uppställningar utlösa en externt PT och PIV kameror med en fördröjning som skulle säkerställa att detta inte sker. Slutligen av noggrant övervägande av mängden partiklar som spåras inom PIV synfältet (FOV), beaktas eventuella fel som införs genom dessa spårade partiklar i korrelation analysen av PIV bilder redan av den övergripande fel uppskattningen, inklusive fel i samband med icke-enhetlig storlek distribution av PIV spårämnen i fönstret för förhör. Majoriteten av de PIV sådd spårämnen följer flödet, vilket ger korrekt flöde hastighet uppskattningar. Dessa tekniker möjliggör samtidiga direkt mätning av både partikel kinematik och flöde fältet i ett tvådimensionellt plan.

Denna teknik demonstreras genom att tillämpa den för att avgöra partikel lösa egenskaper i en turbulent flöde, liknande den som används i studier av Yang och blyg6 och Jacobs et al. 7. partikel lösa är den sista etappen i sedimenttransport, som består i allmänhet av sediment suspension, transport och lösa. I de flesta tidigare studier som har adresserat partikel som bosätter sig i turbulenta flöden, antingen partikel banor eller turbulenta hastigheter mäts inte direkt men sluta sig teoretiskt eller modelleras8,9,10. Detaljer om samspelet mellan partiklar och turbulens har oftast undersökts med hjälp av teoretiska och numeriska modeller på grund av de experimentella begränsningarna i mäta båda samtidigt6,11. Vi presenterar en partikel-turbulens interaktion fallstudie i en oscillerande rutnät anläggning, där vi studerar den lösa hastigheten av partiklar och deras koppling med turbulens. För tydlighetens skull hänvisar hädanefter vi till partiklar under undersökningen som ”partiklar” och sådd partiklarna används för PIV tekniken som ”spårämnen”. Dessutom kommer vi att hänvisa till den kamera som används för den av höghastighetsfilmning av partikel trajectoriesen som ”partikel tracking”, ”PT” eller ”high-speed” kamera, som mäter ”snabba bilder” och den kamera som används för metoden PIV ”PIV kameran”, som mäter ”bilder”. Den metod som beskrivs häri möjliggör samtidig mätning av partiklar kinematik och fluiddynamik över ett fördefinierat fält av intresse inom anläggningen. De erhållna uppgifterna ger en tvådimensionell beskrivning av partikel-turbulens interaktionen.

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

Obs: All personal bör utbildas i säker användning och drift av klass IV lasrar samt liksom säker användning och drift av hand och power tools.

1. experimentella Set-up

  1. PIV setup
    1. Ställ in dual head laser och optik.
      1. Placera lasern på en optisk tallrik. Nivå laser med avseende på botten av anläggningen (eller med avseende på marken om man vill ha vertikala hastigheter i linje med gravitationsacceleration) och justera lodrätt laserstrålen med centrum i 2D planet för att avbildas.
      2. Placera den cylindriska linsen i vägen för laserstrålen genom säkra den till optiska plattan. Objektivet kommer att forma balken i ett 2D-plan. Storleken på 2D planet avbildas beror på brännvidd av linsen och avstånd från regionen att undersökas. Justera linsen och avståndet tills regionen belysta är tillräckligt stor för ansökan.
      3. Placera en sfärisk lins på den optiska plattan mellan den cylindriska linsen och 2D bildplanet. Avståndet mellan den sfäriska och cylindriska linser och brännvidden av sfäriska linsen avgör tjockleken på 2D-plan belysta (ljus bladet). Justera detta avstånd och brännvidd av linsen tills bladet ljus är cirka 0,5-1 mm tjock.
    2. Placera och utföra preliminära kalibrering av PIV kameran.
      1. Fäst en lins på PIV kameran, turn-on PIV kameran i gratis/kontinuerligt läge, och grovt fokusera PIV kameran. Justera bländarsteg PIV kameran att tillåta tillräckligt med ljus tas emot av imaging sensorn; f-stop inställningen kan variera när du använder rummets vitt ljus jämfört med laser-baserad belysning.
        1. Justera linsen och avstånd tills storleken på bilden är tillräckligt att konstatera regionen av intresse. Val av linsen och avståndet mellan PIV kameran och bladet ljus bestämmer den fysiska storleken på PIV kamerans bild. Helst, storleken på bilden bör vara mindre än (eller liknande) storleken på den lätta inställningen i 1.1.1.
      2. Säkerställa PIV kameran är vinkelrät mot bladet ljus och grovt justera höjden så att regionen av intresse (definieras av de lätta blad gränserna – se steg 1.1.1) är inom PIV kamerans field-of-view (FOV).
      3. Nivå PIV kameran med avseende på botten av anläggningen flöde (eller med avseende på marken om man vill ha vertikala hastigheter i linje med gravitationsacceleration). Det är av yttersta vikt att PIV kameran vara exakt vinkelrätt mot bladet ljus, så detta bör kontrolleras noggrant.
      4. Stäng av PIV kameran och slå på lasern. Placera en kalibrering mål och justera det mot mitten av bladet ljus, sedan stänga av lasern.
        Obs: Målet för kalibrering är en tvådimensionell platta (vanligen tillverkade av metall för styvhet ändamål), som innehåller flera markörer (t.ex. poäng eller korsar) arrangera i rak linje i ett regelbundet placerade rutnät bildande. Plattan är oftast målad svart med vita markörer. Kända avståndet mellan markörer kan uppskattning av en omräkningsfaktor mellan fysiska enheter och pixlar.
      5. Slå på PIV-kameran tillbaka och finjustera PIV kameran på kalibrering mål. Pixel resolution av PIV kameran kommer att avgöra hur väl regionen kan lösas i rymden; Således bör det övervägas (se steg 2.1.1 och 2.1.4 för detaljer på dessa överväganden).
      6. Fånga en bild. Bekräfta PIV kameran är nivå genom att säkerställa att höjden på en rad för kalibrering mål är konsekvent samt att den horisontella positionen längs en kolumn för kalibrering mål är konsekvent. Kontrollera storleken på kalibrering markörer i varje hörn av bilden (i bildpunkter) för att utvärdera mängden bildförvrängning, som bör minimeras. Skillnaden i storlek av kalibrering markörer vid varje av de fyra hörnen bör helst vara noll; men bör inte avvika mer än 1 pixel.
    3. Lägg till PIV spårämnen i flödet.
      1. Välj lämpliga spårämnen som är neutralt buoyant (liknande densitet som vätskan), kemiskt inert, lämplig storlek och form (sfäriska och tillräckligt små för att följa flödet) och har ett högt brytningsindex i förhållande till den flytande12,13 .
        Obs: I presenterade fallstudie där fluiden är vatten, vi har använt ihåligt glas klot med en genomsnittlig diameter av 10 μm och densitet 1,1 g/CC.
      2. Införa de PIV spårämnen i flödet och köra anläggningen (oscillerar rutnätet) tills de är väl blandade. Stegvis införa spårämnen och utvärdera bildkvaliteten och nivå av spårämnen täthet inom it.
        Obs: En stor separation mellan tracer grå nivå intensitet och bakgrunden intensiteten är optimal.
        1. Utvärdera genom att vrida på laser och samla in bilder i gratis/kontinuerligt läge. De spårämnen koncentration i bilden skall vara tät men inte fläckig4,14. Överväga storleken på fönstret önskad korrelation att välja koncentrationsnivå, eftersom det föreslås för att ha runt 8-10 klart partikel par i PIV bildpar för cross-korrelation analys4 (se steg 2.1.1).
    4. Ställ in parametrarna PIV. Parametrarna PIV består av PIV kamera bildrutehastigheten (som är densamma som den laser dual-pulse upprepning), tidpunkten mellan bild par (dvs. timing mellan på varandra följande (dubbel) laserpulser), och antalet bild-par för att samla in. Förfining av dessa inställningar kan behövas efter granskning av resultaten från steg 1.1.5.
      1. Ange tidpunkterna för PIV kamera och laser (bildhastighet). Dessa avgöra tidsupplösningen av samplade velocity vektorkartor och bör vara så högt som möjligt (begränsning av PIV kamera, laser eller hårddiskutrymme) upp till halva minsta tidsskalan för flödet.
      2. Tidtagningen mellan på varandra följande PIV bilder (dvs. en PIV par).
        1. Tidtagningen mellan på varandra följande PIV bilder baserat på den genomsnittliga flödet hastigheten i anläggningen och storleken på Fönstren förhör (se 2.1.1). Har de spårämnen som tränga undan ca 1/4-1/2 förhör fönsterstorlek i tid förflutit mellan på varandra följande bilder. Tiden mellan på varandra följande bilder anger också tidpunkten mellan de två laserpulser.
        2. Fördefiniera första pulsen för att brand en kort tid efter PIV kamerans slutare har öppnats. Om du använder en cross-korrelation PIV kamera, PIV kameran lagrar bilden i dess buffertminne och åter öppnar slutaren igen.
        3. Avfyra den andra laserpuls baserat på tid inställningen häri. En gång andra puls bränderna, kamerans slutare stängs igen, skicka båda bilderna till frame grabber (eller bräde PIV kamera minne).
        4. Bestämma tiden mellan första pulsen som utlöser förvärvet av den första bilden i bilden paret och den första pulsen som utlöser förvärvet av den första bilden av paret efterföljande bild av PIV kamera ram hjärtfrekvensen (se 1.1.4.1).
      3. Ange antalet bild par att samla. Antalet bild par att samla bör väljas för att säkerställa konvergens av statistiska flödet egenskaper, som beror på den experimentella setup men är vanligtvis i spänna av hundratals till tusentals bild par.
    5. Testa den PIV setup.
      1. Ange lasern till extern trigger-läge för både laser-huvuden och öka lasereffekten. Helt mörklägg rummet.
      2. Initiera data collection i synkroniserade kontinuerligt läge för ett par sekunder.
      3. Stoppa datainsamling.
      4. Cross korrelerar bild par samlas in (se 2.1.1).
        1. Om andelen bra vektorer passerar det signal-brus-förhållandet (förhållandet mellan den högsta toppen på kors korrelationen andra högsta cross korrelation peak-se 2.1.1) är inte i övre 90% intervall eller genomsnittliga tracer förskjutningar inom förhör windows är inte cirka 0,25-0,5 av förhör fönsterstorlek, upprepa och kontrollera korrekt genomförande av steg i avsnitt 1.1 tills det uppnås. När dessa värden uppnås, stoppa anläggningen (stop rutnät svängning).
  2. Setup 2D höghastighetståg partikel spårning
    1. Placera den monokromatiska LED linje ljuset.
      1. Välj linje lampan så att den belyser partikeln under utredning (t.ex. sediment partiklar) med stora bakåtspritt intensitet (stor skillnad i brytningsindex av partikeln med avseende på vätskan). Det bör också kunna belysa kontinuerligt eller i en takt som kan synkroniseras med kamerans PT.
      2. Minimera tjockleken på linjen ljuset att perfekt matcha PIV ljus plåttjocklek, men inte för att vara mer än 10 gånger tjockare än PIV ljus plåttjocklek för att minska eventuella missförstånd på grund av ute-av-plane partikel rörelse.
      3. Storlek bredd på linjen lampan att matcha eller omfatta PIV FOV. Montera LED vinkelrätt mot bladet ljus genereras av laser så att inga problem av ljus blockering (exempelvis PIV ljus plåt från sidan) och LED från botten. Se figur 1.
      4. Justera linje lampan så att PIV ljus plåttjocklek är centrerad inom LED ljus tjocklek. Bara justera placeringen av LED-lampan att uppnå denna anpassning. Förflyttning av bladet PIV ljus kräver upprepa stegen i avsnitt 1.1.
    2. Placera och utföra preliminära kalibrering av höghastighetståg PT kameran.
      1. Fäst en lins på PT-kameran, slå på PT kameran i gratis/kontinuerlig/Live-läge och grovt fokusera PT kameran. Justera vid behov PT kamera f-stop för att tillåta tillräckligt med ljus tas emot av imaging sensorn av PT kameran; f-stop inställningen kan variera när du använder rummets vitt ljus jämfört med LED-baserad belysning. Val av linsen och avståndet mellan kameran och raden LED ljus bestämmer den fysiska storleken på PT kamerans bild. Helst, PT kameran FOV kommer att vara mindre än (eller liknande) storleken på området upplyst av LED.
      2. Säkerställa snabb kameran är vinkelrät mot linjen ljuset och grovt justera höjden så att regionen av intresse inom PT kamerans FOV och inklusive PIV FOV.
      3. Nivå PT kameran med avseende på botten av anläggningen flöde (eller med avseende på marken om man vill ha vertikala hastigheter i linje med gravitationsacceleration). Det är av yttersta vikt att PT kameran vara exakt vinkelrätt mot det plan som upplyst av raden ljus, så detta bör kontrolleras noggrant.
      4. PT kameran slås av, slå på linje ljus, och placera en kalibrering mål i linje med mitten av raden ljuset, sedan stänga av raden ljus.
      5. Slå på PT kameran tillbaka och förfina sitt fokus på mål-kalibrering. Ytterligare förfina linsen och avstånd tills storleken på bilden räcker att iaktta regionen av intresse och vara inklusive PIV FOV.
      6. Välj lins och avstånd så att höghastighetståg PT kameran FOV är större än PIV FOV. Detta arrangemang är nödvändigt för att säkerställa att PIV kameran och höghastighetståg PT kameran inte fysiskt blockerar varandra.
      7. Arrangera PT och PIV kamerorna vertikalt (staplade) eller förskjutning vid sidan av varandra. Det kan vara praktiskt att anpassa ett hörn av höghastighetståg PT FOV och PIV FOV. Pixel resolution av PT kameran kommer att avgöra hur väl regionen kan lösas i rymden; Således övervägas det. Omräkningsfaktorn mellan fysiska enheter och pixlar bestämmer det fysiska avståndet omfattas av en pixel. Partiklarna ska tränga undan ca 3-10 pixlar mellan på varandra följande bilder, och om denna förskjutning är alltför stor (eller liten) eftersom FOV är för liten (eller alltför stor) eller antalet pixlar är för stor (eller för liten) då partiklar kan inte förskjuta en idealisk antalet pixlar mellan bilder (se även 1.2.3.2).
      8. Välj partiklar för utredning.
        1. Använda partiklar av intresse mycket större än den PIV sådd spårämnen för att skilja tillräckligt undersökta partiklarna och de PIV spårämnen. Vi har varit framgångsrika med partiklar ca 5 gånger större än de PIV spårämnen och anser att detta är den nedre gränsen men gränsen kan bero på partikel refractive index och ljuskällor. De undersökta partikeln bör omfatta runt 4-5 pixlar i området i bilden höghastighetskamera. Storleken på de undersökta partiklarna kan därför medge mindre pixlar för höghastighetståg bilden än PIV bilder.
        2. Upprepa steg 1.2.2.1-1.2.2.5 som behövs för att uppnå detta steg.
      9. Skaffa en bild av målet för kalibrering. Bekräfta den PT kameran är nivå genom att säkerställa att höjden på en rad för kalibrering mål är konsekvent och att den horisontella positionen längs en kolumn för kalibrering mål är konsekvent. Också kontrollera storleken på kalibrering markörer i varje hörn av bilden för att utvärdera mängden bildförvrängning, som bör minimeras (inte avviker med mer än 1 pixel).
    3. Ange parametrarna höghastighetskamera. Höghastighetskamera parametrarna består av bildhastigheten för PT kameran (i detta fall också inställning exponeringstiden), PT kamera upplösning (fullformat eller binning pixlar för att öka bildfrekvensen eller förlänga förvärv) och antalet bilder samlas in.
      1. Ställa in antalet bilder ska samlas in (dvs längd förvärv tid). Antalet bilder som samlats in påverkar antalet partikel banor mäts – ju längre förvärv tiden, de mer banor som kan mätas.
      2. Ställ in bildhastighet (och exponeringstid) och upplösning av höghastighetståg PT kameran.
        1. Undvik att ange andelen hög-fart bild förvärv till samma eller multipel av PIV bildfrekvensen. Ställa in bildhastigheten utifrån beräknade hastighet av partiklarna i flödet. Partiklarna ska tränga undan mer än 1 eller 2 pixlar för att undvika instanser av överlappande partikel positioner i två på varandra följande bilder; dock ett stort gap (> 10 pixlar) kommer att resultera i mindre förtroende för att identifiera samma partikeln i på varandra följande bilder, ger förlust av partikel bana (se 2.2.4). Justera PT kamera bildupplösning och bildhastighet för att uppnå partikel förskjutningar i detta intervall (3-10 pixlar).
    4. Testa den höghastighetskamera setup.
      1. Turn-on LED linje ljus och annat mörklägg rummet.
      2. Köra anläggningen (start oscillerande rutnätet).
      3. Införa partiklarna i flödet och fånga några ramar efter partiklarna visas i kamerans höghastighets FOV. Overlay bildrutor och utvärdera om partiklar i bildrutor kan särskiljas.
        1. Kontrollera att införandet av partiklar till kamerans höghastighets FOV uppstår tillräckligt långt ifrån FOV att ingångseffekter är försumbar, att tätheten av partiklar är gles nog att det inte är täta instanser av överlappning av partiklar inom den hög-fart bild FOV och att partikeln rörelse är primärt i planet avbildas så att partiklarna är spårbara genom ögat i kameran FOV/PT kamera bild historia.
        2. Om dessa resultat inte erhålls, upprepa sedan 1.2 tills det uppnås. När uppnåtts, stoppa anläggningen (stop rutnät svängning).
  3. Kombinerade slutliga kalibrering
    1. Placera den kalibrering mål i både PIV och PT kamera FOVs och inom både LED och PIV ljus ark. Målet för kalibrering bör ses av både PT höghastighetskamera och PIV kamera. Kontrollera att båda kamerorna är i fokus. Om en inte är i fokus, sedan behöver steg 1.1 och 1.2 upprepas för PIV kameran och höghastighetskamera, respektive.
    2. Se till att minst en unik mark finns på kalibrering mål som ses av både höghastighetskamera FOV och PIV kameran FOV. Mät och beteckna detta unika märke position i fysiskt utrymme för ändamål av spatial registrering mellan bilderna.
    3. Kalibrera höghastighetskamera genom att fånga och spara en bild av målet för kalibrering av höghastighetståg PT kameran. Kalibrera PIV kameran på samma sätt.
    4. Ta bort målet för kalibrering från vätskan.
  4. Insamling av data
    1. Köra anläggningen (oscillerar rutnät) tills den når steady-state (~ 20 min).
    2. Ange ljusförhållanden genom mörkare rum och slå på LED ljus. Tillsätt partiklar i vätskan.
    3. Synkront börja bild förvärv för båda systemen när första partiklarna visas i kamerans höghastighets PT FOV (i live-läge).
    4. Hämta de snabba bilderna från RAM för höghastighetståg PT kameran och spara bilderna förvärvats av PIV kameran.
    5. Stoppa anläggningen (sluta rutnät svängningarna).

2. bildanalys

Obs: Det finns många programvarupaket tillgängliga för att utföra både PIV och PT bildanalys – både kommersiella och freeware. För PIV analys är freeware koder OpenPIV (http://www.openpiv.net/) och MatPIV (http://folk.uio.no/jks/matpiv/index2.html). Kommersiella företag säljer även PIV analysprogram. För PT analys finns talrika partikel spårningskoder i både 3D och 2D såsom Partikel Tracker (https://omictools.com/particle-tracker-tool); en fullständig förteckning över olika mjukvaruplattformar kan hittas här: https://omictools.com/particle-tracking-category eller http://tacaswell.github.io/tracking/html/. De flesta analys paket, t.ex., MATLAB, har inbyggda verktyg som gör det relativt enkelt att genomföra din egen spårningskoden. För de resultat som presenteras i denna studieOpenPIV, användes TSD insiktoch MATLAB custom skrivna spårning koder.

  1. Analysera PIV bilder
    1. Dela upp varje bild i ett rutnät av förhör windows (t.ex., 64 x 64 pixlar2 med 50% överlappning) över vilka genomsnittliga flödeshastigheten på varje fönster beräknas av cross-korrelera två på varandra följande PIV bilder (dvs PIV bild par) som diskuterade i PIV setup, avsnitt 1.1.4.2.
      Obs: Avståndet mellan peak korrelationen i varje fönster och mitten av fönstret definierar den genomsnittliga tracer förskjutningen i fönstret. När kalibrerad, ger denna förskjutning dividerat med tiden mellan på varandra följande PIV bilder (PIV bild par - se steg 1.1.4.2) uppskattningar av de två komponenterna i i-plan av hastighet vid varje läge4. Kollektivt, kallas det en hastighet vektor karta. Storleken på fönstret förhör bestämmer upplösningen på fältet flöde produceras av PIV analysen som hälften av detta avstånd är den beräknade hastigheten vektor avstånd. Detta avstånd tillsammans med pixeln till fysiska enhetskonverteringsfaktorn anger upplösningen på fältet uppmätt flöde. Dessutom, för att få låga antalet felaktiga vektorer (se 2.1.2), ett tillräckligt antal spårämnen måste vara närvarande i varje fönster (minst 8-10 spårämnen) och de får inte tränga undan mer än cirka ¼ till ½ av fönstrets storlek.
    2. Filtrera resultaten om cross-sambandet att ta bort falska resultat från velocity vektorkartor.
      1. Tillämpa en signal-brus (SNR) filter. Som kräver förhållandet 1,5 och ovan används vanligtvis (detta nummer kan ändras beroende på de särskilda villkor som experimentell).
        1. Ange SNR antingen förhållandet mellan först och andra högsta korrelation topp i fönstret förhör eller förhållandet mellan den första och genomsnittliga korrelationen över fönstret specifika förhör. Optimera förhållandet SNR för varje uppsättning experiment. Antalet vektorer misslyckas denna SNR kontroll bör inte överstiga 10%.
      2. Filtrera återstående felaktiga vektorer (högst 5% mellan steg 2.1.2.2 och 2.1.2.3) använder ett globalt filter som jämför varje enskilda velocity vektor med velocity karta medelvärdet plus eller minus tre standardavvikelser av karta hastigheterna, och eliminerar hastigheter utanför detta intervall.
      3. Filtrera återstående felaktiga vektorer (högst 5% mellan steg 2.1.2.2 och 2.1.2.3) använder en lokal filter som jämför varje enskilda velocity vektor med median hastigheten i ett kvarter av omgivande velocity vektorer, vanligtvis 5 x 5 i storlek.
        Obs: Användning av median och fastställande av stadsdelen storleken kan ändras beroende på de särskilda villkor som experimentell.
    3. Ersätta felaktiga vektorer steg 2.1.2 med interpolerade vektorer (eller stadsdelen medianen) använder information från de omgivande stadsdelen vektorerna, vanligtvis av storlek 5 x 5.
    4. Bestäm det avstånd-till-pixel omräkningstal. Undersöka hur många bildpunkter översätta till en viss distans med hjälp av avståndet mellan markörer på kalibrering mål avbildas i steg 1.3.3.
    5. Kalibrera vektorer. Konvertera de vektorer som beräknats i steg 2.1.1-2.1.3 till fysiska enheter med denna konverteringsfaktor från steg 2.1.4 och tiden mellan bild par i steg 1.1.4.2; konvertera förskjutningarna i pixlar till hastigheter i fysiska enheter.
  2. Analysera höghastighetståg bilder
    1. Ta bort eventuella bildrutor från hög-fart bild tidsserierna där PIV lasern var lysande flödet.
      1. Summera intensitetsvärdena för varje bildruta som förvärvats. Ramarna som PIV lasern var blinkande har en summerade intensitet som är mycket större än de utan PIV lasern aktiva i bilden. Baserat på en tröskel på summerade intensitet, att ta bort alla bilder från tidsserien som har en summerade intensitet som är större än tröskelvärdet. Se avsnitt 1.2.3.2 för vägledning i att minimera mängden ramar som detta inträffar.
    2. Konvertera återstående gråskalebilder till binära bilder med hjälp av ett tröskelvärde. I det här fallet, använder vi Otsu metod för att bestämma tröskelvärdet som konverterar partiklarna till vitt och bakgrunden till svart.
    3. Utföra blob analys för varje bild.
      1. Identifiera regioner av connectivity i den svartvita bilden - hädanefter för objekt. Vanligtvis används en anslutning av 8 pixlar.
      2. Ta bort eventuella föremål som är mycket mindre i området (dvs. antal pixlar objekt förbrukar i bilden) än den typiska partikelstorleken i pixlar i bilden, vanligtvis runt 3 pixlar.
    4. Beräkna de partikel banor.
      1. Identifiera centroiden av alla (kvarvarande) objekt i den första bilden.
      2. För varje objekt som upptäcks, Sök den efterföljande bilden för samma objekt genom att söka i en region nära centroiden i den föregående bilden. Om bara en partikel/objekt i sökfönstret finns, sedan fortsätta banan och spela in platsen för centroiden i bilden; annars avsluta banan.
        Obs: För stora för en sökning område kan resultera i felaktig identifiering av partikeln i den efterföljande bilden så sökområdet bör som begränsas så mycket som möjligt utan att orsaka bias i resultaten. Om objektet position i efterföljande ram är ofta på maximal räckvidd för sökfönstret, då är sökfönstret inte tillräckligt stor.
      3. Upprepa steg 2.2.4.2 tills objektet finns inte längre i den efterföljande bilden. När detta inträffar banan anses avslutade.
        Obs: Om majoriteten av partikel spårar är konsekvent kort (t.ex. mindre än 5 ramar), då detta resultat kan tyda på att det finns betydande tredimensionell rörelse och att denna metod inte är lämplig. Som en tumregel, bör partikel spår vara minst ¼ av partikeln spårning FOV14; Men nödvändigheten av visst spår längd kan variera med ansökan.
      4. Upprepa steg 2.2.4.1-2.2.4.3 börjar med den andra ramen för alla objekt som inte redan spåras från bildruta 1. Upprepa denna process för alla möjliga start ramar. Resultatet blir ett bibliotek av partikel banor i hela experimentet.

3. analys

  1. Beräkna partikel hastigheter och accelerationer från position-banor som erhållits från de snabba bilder som används för PT.
    1. Differentiera partikel trajectoriesen iakttog i 2.2 i tid (baserat på den frame rate som i steg 1.2.3.2) för att beräkna hastigheter i varje riktning. Denna tid differentiering resulterar i uppskattningar av Lagrangian hastighet av partiklarna i pixlar per tidsenhet.
      Obs: Detta steg behöver bara utföras om velocity information av partiklarna önskas.
    2. Kalibrera hastigheterna genom att konvertera hastigheterna från pixlar per tidsenhet att distansera per tidsenhet. Konverteringsfaktorn (avstånd per pixel) kan erhållas genom att undersöka avståndet mellan markörer på kalibrering mål avbildas i steg 1.3.3.
  2. Utföra Reynolds nedbrytning på PIV vektorkartor att beräkna turbulenta kvantiteter.
    1. Beräkna ensemble medelvärdet över alla PIV velocity vektorkartor samlas in på varje plats i PIV vektorkartor från steg 2.1.
    2. Utföra en Reynolds nedbrytning genom att subtrahera dessa medelvärden som beräknas i punkt 3.2.1 från de momentana hastigheterna i varje karta att erhålla tidsserier med turbulent velocity fluktuationer.
    3. Beräkna statistik av intresse, till exempel turbulenta velocity root-mean-square (RMS). Alternativt kan man undersöka turbulenta fluktuationer på exakta partikel platser inom banor.

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 Schematisk bild av den experimentella setup visas i figur 1. Figuren visar ordningen av ljus ark (LED och laser), överlappningen i FOVs och placera av FOVs i förhållande till den oscillerande rutnät och tank väggar. Den turbulens och partiklar mäts samtidigt som beskrivs i avsnittet protokoll. Figur 2 visar exempel på resultat av mätningar av momentan hastighet och vorticity tillsammans med provet partikel banor. Resultaten av PIV analysen utvärderas baserat på computing RMS av de turbulenta fluktuationerna. Detta pendlande grid facility, bör omfattningen av det rumsliga medelvärdet av RMS velocity fluktuationer över PIV FOV öka med rutnät frekvens för båda hastighet komponenter7,15. Om detta inte uppnås, då anläggningen rutnät, PIV setup eller PIV analys innehåller fel och bör upprepas. Ett exempel på den vertikala profilen för RMS velocity variationer för olika rutnät frekvenser ges i figur 3, där det visas att RMS turbulenta svängningarna ökar med rutnät frekvens.

Partikel trajectoriesen utvärderas genom att undersöka fördelningen av hastigheter som erhållits från partikel trajectoriesen, som visas i figur 4. Dessa distributioner bör vara cirka Gaussisk distribution. Om de inte är, kan då det vara ett problem med förvärvet av höghastighetståg bilderna beroende på de specifika flödesförhållanden, ett problem med analysen av de snabba bilderna eller ett otillräckligt antal partikel banor. I det aktuella programmet för metoden, kan validering av bana resultat också uppnås i jämförelse till Dietrich16 kurvor för stillastående vatten. Bollbana uträkningar i stilla vatten på samma sätt som beskrivs här för partiklar bör ge en lösa hastighet som ungefär överensstämmer med dessa empiriska kurvor som visas i figur 5, där resultaten för stillastående flödet villkor Visa avtal med Dietrich16 kurvor. Figur 5 visar också att partiklarna tenderar att ha ökat lösa hastigheter i turbulens som diskuteras i Jacobs et al. 7.

Figure 1
Figur 1: Schematisk beskrivning av experimentell uppsättning, som består av ett rutnät turbulens tank, particle image velocimetry setup (med en CCD (PIV) kamera och laser) och 2D höghastighetståg imaging partikel spårning setup (med en CMOS (PT)-kamera och LED ljus ). Dimensioner på schematiskt tillhandahålls i centimeter. Denna siffra har ändrats från den som visades i Jacobs et al. 7 Klicka här för att se en större version av denna siffra.

Figure 2
Figur 2: Velocity distribution och banor. (A) ett exempel momentana vätska hastighet distribution representeras av vektorer i pixlar/s överlagras på momentana vorticity kännetecknas av färg. Den röda skala vektorn i det nedre vänstra hörnet representerar 500 pixlar/s. (B) ett exempel på time-lapse (över 30 PT bilder) banor av partiklar med en 261 µm genomsnittlig diameter på 5 Hz rutnät svängningar. Panel B av denna siffra har ändrats från den som visades i Jacobs et al. 7 Klicka här för att se en större version av denna siffra.

Figure 3
Figur 3: horisontellt i genomsnitt vertikala profiler av RMS av de horisontella (a) och (b) vertikala turbulenta fluktuationerna för alla rutnät frekvenser (se förklaring). Turbulent RMS hastigheter öka med rutnät frekvens. RMS-värden är baserade på 500 vektorkartor beräknas på alla platser och sedan därefter i genomsnitt för alla horisontella positioner (50 poäng) på varje lodrät position att erhålla de vertikala profilerna visas. Denna siffra har ändrats från den som visades i Jacobs et al. 7 Klicka här för att se en större version av denna siffra.

Figure 4
Figur 4: histogram av partiklarnas mätta horisontella och vertikala hastigheter i stillastående vatten och turbulenta förhållanden (se undertexter) för (en, vänster två paneler) en naturlig (oregelbundet formade) sand partikel med 261 µm genomsnittlig diameter och (B, höger två paneler) en sfärisk syntetiska partikel med en genomsnittlig diameter 71 µm. Raderna i subplots är Gaussisk passar till histogram. Denna siffra har ändrats från den som visades i Jacobs et al. 7 Klicka här för att se en större version av denna siffra.

Figure 5
Figur 5: reglera hastigheter i stillastående och turbulenta flödesförhållanden kontra partikelstorlek för flera olika typer av partiklar. Som illustreras i legenden, färgerna representerar olika sediment typer: syntetiska eller tillverkade partiklar, flera industriella sand typer (120, 100, 35), och sand från en lokal strand i Myrtle Beach, SC-se tabell 1 i Jacobs et al. 7 för mer information. Symbolerna, inklusive fyllda cirkeln, anger villkorar flödet representerade som rutnät frekvens i förklaringen, där stillastående refererar till noll frekvens. Som rutnät frekvensen ökar, öka RMS turbulenta velocity fluktuationer. Den empiriska kurvor av Dietrich16 för partikel lösa hastighet i stillastående vatten visas också för flera olika form faktorer. Denna siffra har ändrats från den som visades i Jacobs et al. 7 Klicka här för att se en större version av denna siffra.

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 metod som beskrivs häri är relativt billig och ger ett enkelt sätt att samtidigt mäta partikel banor och turbulens för att undersöka påverkan av flödet på partikel kinematik. Det är anmärkningsvärt att nämna att flöden eller partikel rörelser som är starkt tredimensionella inte är väl lämpade för denna teknik. Den ute-av-plan rörelsen kommer att resultera i fel17 i både 2D tracking och PIV analys och bör minimeras. Metoden kräver dessutom koncentrationen av spårade partiklar vara relativt låg (storleksordningen tiotals partiklar per PT bild). Denna begränsning är viktigt för att maximera förtroende att samma partikeln spåras i på varandra följande bilder. Om alltför många partiklar finns samtidigt i FOV av PT kameran, sedan felaktigheter i beräkningarna av bana och förtida uppsägning av banor kan uppstå samt ökad fel i den PIV bildanalys. Problemen med partikel flockning skulle därför vara utmanande för denna teknik för att undersöka eftersom stora partikel koncentration behövs vanligen. Slutligen, denna teknik är bäst lämpad för spårning större partiklar (> 50 µm). Det måste finnas tillräcklig åtskillnad mellan de PIV spårämnen (~ 10 µm) från partiklarna som spåras. En faktor på minst 5 föreslås.

De viktigaste stegen i protokollet för partikeln spårning är kalibreringsstegen, urval av bildrutehastigheten, partikel koncentration i bilderna, och garanterar hög signal-brus-förhållande i snabba bilder. Blob analysen kräver konvertering av grå skala bilden till en svartvit bild som partikel trajectoriesen beräknas. Om kontrasten i höghastighetståg bilder är sådan att denna omvandling är svårt, då sannolikt fel i trajectoriesen eftersom det kommer att finnas osäkerhet i identifiering av partiklarna. Otillräcklig partikel deplacement, för stor förskjutning mellan ramar eller alltför många partiklar kan leda till fel på partikel banor och/eller förtida uppsägning av partikel banor. För PIV, den kalibrering av bildens storlek, inställning av tiden mellan bild par, korrekt val av spårämnen och detaljerad justering mellan PIV kameran och laser är de viktigaste stegen för att säkerställa ett bra resultat i PIV korrelation analysen , som är nyckeln för att få korrekt statistik på turbulensen.

Här, visat vi resultaten av tekniken genom att tillämpa den för att undersöka den lösa hastigheten av olika typer och storlekar av sediment partiklar i olika turbulenta förhållanden. Resultaten visar en nästan Gaussisk fördelning av partikel lösa hastigheter (samt horisontella hastigheter) som medelvärdet anses vara en typisk lösa hastighet för att partikel i olika förhållanden. RMS av de turbulenta velocity fluktuationerna visar en ökning med rutnät frekvens som förväntade7,15 och är cirka enhetliga över FOV vertikala höjden (bortsett från ett låg turbulens fall - 2 Hz rutnät frekvens, se figur 3 ). Tillsammans, dessa resultat visar att samtidig mätning av partiklar och fältet informationsflöde var framgångsrika. De visar också att det finns ökad lösa hastigheter med ökande turbulens7, vilket är förenligt med ”snabb-tracking” teorin av partikel lösa beteende i turbulent flöde11.

Användningen av metoden häri är ett exempel att ta itu med en vetenskaplig fråga som inbegriper partikel-turbulens interaktion; metoden kan utnyttjas i andra forskningsdiscipliner och program. Förutom att undersöka trender i en viss aspekt av partikel beteende under varierande flödesförhållanden, är det också möjligt att undersöka flödeshastigheter på särskilda instanser i tid längs banan för en partikel. Integrationen av flödet hastighet informationen med partikel bana data beror på den specifika frågan utreds och erbjuder en potentiell rikedom av information om partikel kinematik i flöden för ett stort spektrum av applikationer. Sammanfattningsvis erbjuder denna teknik en billig lösning på samtidig mätning av partikel banor och turbulens som är relevanta i ett antal applikationer där vätskeflöde interagerar med naturkatastrofer eller partiklar.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Författarna har något att avslöja.

Acknowledgments

Delar av detta arbete var stöds av stiftelsen II-VI och Coastal Carolina Professional Enhancement bidraget. Vi vill också erkänna Corrine Jacobs, Marek Jendrassak och William Merchant för hjälp med den experimentella setup.

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 mätning av turbulens och partikel kinematik använder Flow Imaging tekniker
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