Tredimensionell Partikel Tracking Velocimetry för turbulens Applications: Fallet med en Jet Flow

1Department of Mechanical Science and Engineering, University of Illinois at Urbana-Champaign, 2School of Mechanical Engineering, Tel Aviv University, 3Department of Civil and Environmental Engineering, University of Illinois at Urbana-Champaign
Published 2/27/2016
0 Comments
  CITE THIS  SHARE 
Engineering

You must be subscribed to JoVE to access this content.

Fill out the form below to receive a free trial:

Welcome!

Enter your email below to get your free 10 minute trial to JoVE!





By clicking "Submit," you agree to our policies.

 

Summary

En tredimensionell spårning partikel Velocimetry (3D-PTV) som bygger på en höghastighetskamera med en fyra-view splitter beskrivs här. Tekniken appliceras på ett jetflöde från ett cirkulärt rör i närheten av tio diametrar nedströms vid Reynolds tal Re ≈ 7000.

Cite this Article

Copy Citation

Kim, J. T., Kim, D., Liberzon, A., Chamorro, L. P. Three-dimensional Particle Tracking Velocimetry for Turbulence Applications: Case of a Jet Flow. J. Vis. Exp. (108), e53745, doi:10.3791/53745 (2016).

Please note that all translations are automatically generated through Google Translate.

Click here for the english version. For other languages click here.

Abstract

3D-PTV är en kvantitativ flödesmätning teknik som syftar till att spåra Lagrangian stigar en uppsättning av partiklar i tre dimensioner med hjälp av stereoskopisk inspelning av bildsekvenser. Den grundläggande komponenter, funktioner, begränsningar och optimeringstips för en 3D-PTV topologi bestående av en höghastighetskamera med en fyra-view splitter beskrivs och diskuteras i denna artikel. Tekniken appliceras på den mellanliggande flödesfältet (5 <x / d <25) av en cirkulär stråle vid Re ≈ 7000. Lagrangian flödesfunktioner och turbulens kvantiteter i en Euler ram beräknas omkring tio nedanför jet ursprung och på olika radiella avstånd från jet kärna. Lagrangian egenskaper innefattar bana, hastighet och acceleration av valda partiklar såväl som krökningen av flödesbanan, vilka erhålles från Frenet-Serret ekvation. Uppskattningen av 3D hastighet och turbulens fälten runt strålen kärnaxeln på ett tvärplan som ligger på tionedanför strålen jämförs med litteratur och effektspektrum av de storskaliga strömningshastighet rörelser erhålls vid olika radiella avstånd från jet kärna.

Introduction

Turbulenta jet flöden finns överallt i tekniska tillämpningar. Detaljerad beskrivning av sådana flöden är av avgörande betydelse i ett brett spektrum av praktiska problem som spänner från storskaliga system miljöurladdnings elektroniska mikroskala enheter. På grund av dess inverkan på ett antal breda applikationer, har jet flöden studerats ingående 1-4. Flera experimentella tekniker inkluderande hotwire anemometri 4-8, Laser Doppler Velocimetry (LDV) 4, 9-12, och Particle Image Velocimetry (PIV) 12-16, har använts för att karaktärisera jet flöden i ett brett spektrum av Reynolds-tal och begränsnings villkor. Nyligen har ett fåtal studier gjorts med hjälp av 3D-PTV att studera den turbulenta / icke-turbulent gränssnitt av jet strömmar 17, 18. 3D-PTV är en teknik speciellt lämplig för att beskriva komplexa turbulenta fields från ett annat perspektiv. Det gör det möjligt att återuppbyggnaden av partikelbanor inom en volym i en Lagrangian referensram med hjälp av multi-view stereoskopi. Tekniken introducerades först av Chang 19 och vidareutvecklas av Racca och Dewey 20. Sedan dess har många förbättringar gjorts på 3D-PTV algoritm och experimentuppställning 21-24. Med dessa resultat och tidigare verk, har systemet med framgång använts för att studera olika fluid fenomen som storskalig flytande rörelser i en domän 4 mx 2 mx 2 m 25, inomhus luftflöde fält 26, strömmar pulserande 27 och aorta blodflödet 28 .

Principen bearbetning av en 3D-PTV mätning består av datainsamlingssystem set-up, inspelning / förbehandling, kalibrering, 3D-motsvarigheterna, tidsspårning och efterbearbetning. En noggrann kalibrering möjliggör en exakt detektering av partikel läges. Överensstämmelsen av partiklarna som upptäcktes i mer än tre bildvyer möjliggör återuppbyggnad av en 3D-partikel ställning baserat på epipolar geometri. Ett länksystem från konsekutiva bildramar resulterar i en temporal spårning som definierar partikel banor s (t). Optimering av 3D-PTV-systemet är viktigt för att maximera sannolikheten för flerpartikel spårbarhet.

Första steget i optimeringen är att skaffa en lämplig datainsamlingssystem, inklusive höghastighetskameror, belysningskälla och funktioner i sådd partiklar. Kameran upplösning tillsammans med storleken av frågevolymen definierar pixelstorleken, och därför den erforderliga sådd partikelstorlek, som bör vara större än en enda pixel. De centroids av detekterade partiklar beräknas med delpixel noggrannhet genom att den genomsnittliga positionen för partikel pixlar viktade av ljusstyrka 21. Kamerans bildhastighet är nära associated med Reynolds tal och förmågan att länka detekterade partiklar. En högre bildhastighet möjliggör att lösa snabbare flöden eller ett större antal partiklar eftersom spårnings blir svårare när betyda förskjutningen mellan bilder överstiger medelvärdet separation av partiklarna.

Slutartid, bländare och känslighet finns tre faktorer att beakta vid bildtagning. Slutartid bör vara tillräckligt snabb för att minimera oskärpa runt en partikel, vilket minskar osäkerheten i partikel centroid positionen. Kamera öppning bör anpassas till skärpedjup av frågevolymen att minska sannolikheten för att detektera partiklar utanför volymen. Eftersom den maximala känsligheten hos en kamera är fast, eftersom bildfrekvensen ökar den nödvändiga ljus krävs för att lysa partiklarna bör öka i motsvarande grad. Till skillnad från PIV är komplexa optiska inställningar och hög effekt lasrar inte absolut nödvändigt i 3D-PTV, så länge som ljuskällan är tillräckligt scattrerade från spårämnespartiklar till kameran. Kontinuerliga LED eller halogenlampor är bra kostnadseffektiva alternativ som kringgår behovet av synkronisering 21.

I 3D-PTV, liksom andra tekniker optisk flödesmätnings, är spårämnespartikelhastighet antas vara den lokala momentana fluidhastigheten 29. Detta är dock endast fallet för ideal spårämnen av noll diameter och tröghet; spårpartiklar bör vara tillräckligt stor för att fångas upp av en kamera. Trohet en ändlig partikel kan bestämmas genom den Stokes nummer S t, dvs förhållandet av relaxationstiden skala av partiklar och tidsskalan för turbulenta strukturer av intresse. I allmänhet bör S t vara betydligt mindre än 1. För S t ≤0.1 tracking flödes fel är under 1% 30. Djupgående kan hittas diskussion i Mei et al 29 -. 31 (t.ex. 50 till 200 | j, m) 32, medan mindre partiklar (t ex 1-50 ^ m) 33, 34 kan användas med en högeffekts laser (t.ex. 80-100 Watt CW-laser). Partiklar med hög reflektivitet för en given våglängd, som silver belagd i halogenljus kan förstärka sitt varumärke i en bild. Sådd densitet är en annan viktig parameter för en framgångsrik 3D-PTV mätning. Några partiklar resulterar i lågt antal banor, medan ett alltför stort antal partiklar orsakar tvetydigheter i upprättandet överensstämmelser och spårning. Oklarheter i upprättandet motsvarigheter inkluderar överlappande partiklar och upptäcka flera kandidater längs den definierade epipolar linjen. I spårningsprocessen, tvetydigheten på grund av en hög seedin g Tätheten uppstått på grund av den relativt korta genomsnittliga separation av partiklar.

Andra steget är optimala inställningar i inspelning / förbearbetning för att förbättra bildkvaliteten. Fotografiska inställningar, t.ex. förstärkningen och svartnivå (G & B), spelar en viktig roll när det gäller att optimera bildkvaliteten. Svart nivå definierar ljusstyrka på den mörkaste delen av en bild, medan förstärkningen förstärker ljusstyrkan i en bild. Små variationer i G & B-nivå kan avsevärt påverka sannolikheten för spårbarhet. I själva verket kan höga G & B över ljusare bilden och så småningom skada kamerans sensor. För att illustrera detta, är effekterna av G & B-nivå på återuppbyggnaden flödet undersöks också i den här artikeln. I pre-bearbetningssteget, visas bilderna filtreras med ett högpassfilter för att betona ljusspridningen från partiklar. Pixelstorleken och gråskala justeras för att maximera partikeldetektering inom frågevolymen.

t "> Tredje steget med optimeringen är noggrann kalibrering av den stereoskopiska avbildning, som är baserad på epipolar geometri, kameraparametrar (brännvidd, principen punkt, och distortions koefficienter), och brytningsindexförändringar. är viktigt att minimera den 3D Denna process rekonstruktion fel av de referens målpunkter. Epipolar geometri använder relativa avstånd (mellan kamera och förhör volym) och lutande vinkel från målbilden. brytningsindex förändringar längs kamerabilden genom frågevolymen kan beaktas baserat på förfarandet av Mass et al. 21. I detta experiment är en 3D trappliknande struktur med regelbundet fördelade målpunkter användas som ett mål.

I en 3D-PTV experiment, även om bara två bilder behövs för att bestämma en 3D-partikel ställning, vanligtvis fler kameror används för att minska tvetydigheter 21. Ett alternativ till dyra inställningar med flera höghastighetskameror är VIew splitter, som föreslagits av Hoyer et al. 35 för användning av 3D-PTV och nyligen tillämpas av Gulean et al. 28 för biomedicinska tillämpningar. Vyn splitter består av en pyramidformad spegel (härefter primärspegel) och fyra justerbara speglar (Hereon sekundär spegel). I detta arbete var ett fyra-view splitter och en enda kamera som används för att efterlikna den stereoskopiska avbildning från fyra kameror. Systemet används för att karakterisera den mellanliggande flödesfält av ett rör stråle med en diameter, d h = 1 cm och Re ≈ 7000 från en Lagrange och Eulerian ramar på omkring 14,5-18,5 diametrar nedströms från strålen ursprung.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

1. Lab Säkerhet

  1. Läs riktlinjerna för den valda belysningskällan säkerhet (t.ex. laser, industriell LED, halogen).
    Notera: i detta experiment, är en uppsättning av fem 250 watt halogenspotlights som belysning. Grundläggande säkerhets- och rekommendation aspekterna för denna ljuskälla beskrivs på följande sätt.
    1. Undvik direkt kontakt med halogenlampor, som arbetar vid höga temperaturer (~ 3000 K färgtemperatur).
    2. Håll ljuset bara när insamling av data för att undvika uppvärmning av flödet under övervägande.
    3. Håll undan alla brännbara material nära ljuskällan, inklusive papper av något slag.

2. försöksuppställningen

  1. Välj lämplig lins
    1. Välj en lins med låg aberration för att undvika kalibreringsproblem. Rekommenderade linstyper är tele eller mikrolinser.
    2. Kontrollera att linsen täcker önskat fält-of-view (FOV) inom object avstånd, O, genom att uppskatta den nödvändiga förstoringen, M.
      Notera: förstoringen är förhållandet mellan längden hos kamerachip till FOV, och objektavståndet kan beräknas som O = f (1 / M + 1), där f är fokallängden för linsen. I detta experiment, är längden på den kamerachip 20,34 mm och den motsvarande FOV, eller den primära spegeln, är 50 mm med den begränsade objektavstånd O ≤250 mm. (Objektet avstånd hindras på grund av den ändliga längden av löparen där kameran och vyn splitter är monterade.) Förstoringen är M = 20,34 / 50 = 0,41, och ungefärlig brännvidd med det givna intervallet av objektavståndet är f ≤72.7 mm. Således är en mikrolinser med en brännvidd på 60 mm används med en brännvidd förhållande f / 2.8D.
  2. Montera och justera kamerans med Visa Splitter.
    1. Nivellera centrum av den primära spegeln med den av undersökningsvolymen genom att skjuta mirror längs den vertikala monteringsposten och fastställande spegeln med befattningshavare. Observera att detta steg utförs före installation de sekundära speglarna.
    2. Montera kameran och ställa in centrum av bilden sammanfaller med centrum av den primära spegeln.
    3. Justera bredden och höjden på kameran för att precis täcka primära spegeln genom styrning av regionen av intresse (ROI) aktiveras i inspelningsprogrammet. Denna process är att reducera bildstorlek och bildbrus. Notera: i detta experiment, storleken på den primära spegeln är 5 x 5 cm 2 (1,728 x 1728 bildpunkter).
    4. Utforma en (standard) 3D kalibreringsmålet. Det ska omsluta hela utredningen volymen. Se till att varje bild av splitter fångar alla målmarkeringarna att möjliggöra en enhetlig kalibrering.
      Notera: i denna demonstration, målet var 3D skrivs ut med vero tillbaka plast. Den har en trappliknande form med dimensionen 35 x 35 x 30 mm 3, med 1 mm diameter vit målpunkter Separated 2,5 mm, 5 mm och 10 mm i vertikal, strömnings och spannvisa riktningar. Noggrann geometri av målet är avgörande eftersom den skjuter in i en kalibreringsmodell och position av kamerorna med avseende på rännan.
  3. Placera kalibreringsmålet i fråge volym.
    1. Placera kalibreringsmålet på en justerbar höjd plattform vänd mot kameran.
    2. Matcha höjden för centrum av kalibreringsmålet med mitten av frågevolymen genom att justera höjden på målplattform.
      Obs: i det här exemplet är centrummärket av kalibreringsmålet planat med centrum för strålmunstycket, 20 cm höjd. Ett bubbelnivåmätare kan användas för att jämna ut målet.
  4. Montera och Justera Sekundära Speglar av Four-view Splitter.
    1. Lokalisera den primära spegeln på ett avstånd från fråge som säkerställer dess fullständiga infångning. Det är 0,2 m för denna demonstration (Figure 1).
    2. Montera sekundär spegel vid dess ungefärliga position, där kameran utsikten från vardera sidan av den primära spegeln ungefär i linje med en sekundär spegel. Säkra sekundära spegeln genom att fastställa den till den sekundära spegeln vertikal montering stolpen.
    3. Upprepa denna process för de övriga tre speglar. Kontrollera geometrisk symmetri hos alla sekundära speglarna i förhållande till den primära spegeln.
    4. Göra slutliga justeringar genom att justera spegeln berget av de sekundära speglarna för att säkerställa att var och en av de fyra visningar omsluter hela kalibreringsmålet. Ett effektivt sätt att kontrollera speglar positioner och vinklar är att använda en laserpekare för att visualisera varje vy image väg.
    5. Kontrollera för överlappande under bilder genom att flytta en spegel.
      Obs: Om endast en visa förändringar, då den överlappande regionen är försumbar. Annars, upprepa steg 2.4.2 till 2.4.5 tills den överlappande regionen minimeras.
  5. Placera ljuskällan (s) direkt inför förhöret volymen. Se till att ha kameran täckt vid justering av ljuset för att undvika skador på kamerans sensor.
    1. Kontrollera att ljuskällan är jämnt fördelad över hela undersökningsperioden volymen.
    2. Öka ljusintensiteten, om nödvändigt, genom att placera en förstoringslins direkt under ljuskällan. Notera: i detta experiment, är en plankonvex förstoringslins av brännvidd f 0 = 450 mm som används för att intensifiera belysning.

3. Set-up Optimering

  1. Slå på och justera inställningarna på kameran för att öka bildkvalitet.
    1. Justera objektivets förstoring tills reflektion genom den primära spegeln lika fokuserad i alla fyra vyer av de sekundära speglarna.
    2. Kontrollera att bilderna från vyn splitter är symmetriska och fånga frågevolymen genom att observera symmetri kalibrerings målbilden från fyra vyer.
    3. Justera f-nummer för att fånga den närmaste och mest avlägsna kalibrerings målpunkter från kameran.
      Obs: Det gör att kameran för att fånga spårpartiklar endast i djupet av frågevolymen. I det här exemplet är f-nummer 11.
    4. Ställ in önskad bildfrekvens som 550 Hz (det beror på speciell tillämpning, se inledningen) och maximera ljuskänsligheten följaktligen i inspelningsprogrammet.
  2. Kontrollera belysning i varje tanke på den primära spegeln genom att observera partikeldensitetsskillnaden i varje vy av splitter genom en levande kamera vy.
    Obs: om flera ljuskällor används för att belysa det undersökande volymen, är det sannolikt att ha skillnader i varje bild av splitter. I detta experiment erhöll de översta två sekundära speglar mindre ljus eftersom belysningen kommer uppifrån. Användningen av en plan spegel i botten av rännan kan bidra till att minska den ljusvariationöver vyerna.
  3. Stäng av bakgrundsljus i rummet innan du använder 3D-PTV ljuskällor.
  4. Justera G & B nivå av kameran för att bättre fånga ljusspridningen från partiklarna. Spela in flera korta sekvenser med olika G & B nivåer och hitta den optimala ett genom att observera fördelningen och tätheten av partikelbanor.
    Obs: i detta experiment, utbudet av G & B-nivå var 0-500, och svart (B) nivå sattes till 500, för att lysa upp dimmern ljusspridning, medan var vinst (G) som medium, 300, till måttligt förstärka bilden signaler och undvika över bilden ljusare.

4. Kalibrering

  1. Placera kalibreringsmålet i utredningen volymen innan du lägger spårpartiklar, och ta några kalibreringsbilder. Använd en dimmer ljuskälla (t.ex. LED-blixt ljus) för att lysa upp målet.
  2. Dela upp kalibreringsbild i fyra självständiga under bilder och göra en textfil som innehåller den hänvisarhet samordna ståndpunkter målmarkeringarna. OpenPTV programvara (http://www.openptv.net) används här för detta ändamål.
    Obs: onward bearbetning är identisk med användare som använder en multipel kamera set-up.
  3. Klicka på "Skapa kalibrering fliken för att starta kalibreringsprocessen efter att ha sparat bilder och textfilen som erhållits i steg 4,2 i" Cal "mapp av programvaran.
  4. Klicka på fliken "Redigera kalibreringsparametrar" och välj fliken "Kalibreringsorienteringsparametrarna" för att definiera förstoring, rotationsvinklar och avstånd mellan mitten av varje delad vy och ursprung kalibreringsmålet.
    Obs: Den första raden är avståndet från origo kalibreringsmålet till kamerasensorn i x, y, z-riktningen. Den andra raden visar vinklarna, i radianer, runt x, y, z-axlarna. Därefter representerar en 3 av 3 uppgifter rotationsmatrisen. Då, de två följande rader är de pinhole avstånden för x- och x, y, z-riktningen.
  5. Klicka på "Detection" och "Visa första gissning" att undersöka att "gissa" poäng matchas med de detekterade målpunkter.
  6. Upprepa steg 4,4 för alla fyra vyer tills "gissning" poäng i linje med uppsättningen av kalibreringsbilder.
  7. Klicka på "Orientering" för att rekonstruera orienteringen av frågevolymen.
    Obs: Kalibreringen kan förbättras genom att justera lins distorsion och relaterad transformation. Nu är utredningen volym kalibrerad och klar att bearbeta data. Se författarens tes 36 för ytterligare beskrivning kalibreringsprocessen.

5. Flödesinställning / datainsamling

  1. Uppskatta maximala mängden partiklar fångade i varje kamera vy från bildhastighet end maximal flödeshastighet. I denna demonstration är referenshastigheten U ≈ 0,4 m / sek, är bildfrekvensen 550 Hz och ~ 4 x 4 x 4 cm 3 förhör volym. Detta resulterade i ~ 1.000 partiklar per ram.
  2. Slå på kameran med optimerade inställningar som erhållits i steg 3.
  3. Lägg sådd partiklar och vänta flera medeluppehållstiden för att tillåta flödet når ett stabilt tillstånd. Lägg till fler partiklar om det behövs, men undvika höga sådd densitet, beräknad i steg 5,1, vilket kan orsaka oklarheter.
    Obs: i det här exemplet, ~ 1,6 g av 100 m silverbelagda ihåliga keramiska sfärer av 1,1 g / cm 3 densitet används som ympning för det flytande mediet (2 x 0,4 x 0,4 m 3).
  4. Spela in det önskade antalet flödesbilder.
    Notera: i detta experiment, var 9.000 bilder på 550 Hz tagits med inspelningsprogrammet. Upprepa steg 2,4-5,3 om kameran och / eller visa splitter flyttas (även en liten rörelse kan kraftigt påverka resultatet).

6. Data Processing (Via OpenPTV Software)

  1. Dela rå bild som erhållits i steg 5,4 i fyra självständiga underbilder.
  2. Klicka på "Init / omstart" under fliken "Start" för att ladda initiala bilder från fyra vyer.
  3. Högerklicka på "Kör" katalog och klicka på "huvudparametrar" för att kontrollera antalet kameror, brytningsindex, partikel erkännande, antal sekvensbilder, observation volym och kriterier för överensstämmelser.
    1. Definiera antalet kameror (visningar) som används för experimentet under fliken "Allmänt". I detta experiment, ställa in antalet kameror som fyra.
    2. Definiera brytningsindex längs kameravyn under fliken "brytningsindex".
    3. Definiera min och max antal pixel upptäckt samt grå tröskelvärde för att optimera antalet partikeldetektering i alla fyra vyer under "Partikel erkännande fliken. Min och max antal pixel deskydd och grå tröskel bestämma pixelstorlek och ljusstyrkan för partikeldetektering. Det eliminerar buller och partiklar ur fokus.
    4. Definiera antalet bilder till processen under "Parametrar för sekvens bearbetning".
    5. Definiera observations volym under Observations Volym fliken.
    6. Definiera korrelationen av motsvarighet under "Kriterier för överensstämmelser" inklusive hela bandet parameter (mm) för stereo matchning.
  4. Klicka på "Högpassfilter" under "förbehandla" -fliken. Detta förstärker ljusspridning från partiklar i alla fyra vyer.
  5. Klicka på "Particle Detection" för att avgöra tyngd detekterade partiklar vid underpixelnivå för alla fyra vyer. Upprepa steg 6,2 och 6,3 tills antalet detekterade partiklar liknande den som förväntas antalet partiklar som beräknades i steg 5,1.
  6. Klicka på "motsvarigheter" att etablera stereoskopisk correspondenCES i varje vy.
    Obs! För att rekonstruera 3D upptäckta partiklar, bör korrespondens bestämmas åtminstone från tre vyer.
  7. Klicka på "3D positioner" för att erhålla detekterade partikel 3D-position baserat på kalibreringen.
  8. Klicka på "Sekvens utan display" för att upprepa processen från steg 6,4 till 6,7 för alla bildsekvenser.
    Obs: Detta skapar en "rt_is" fil för varje bild uppsättning innehåller en sammanfattning av upptäckta partiklar i ramen med en tabbseparerad textfil format.
  9. Högerklicka på "Kör" katalog och klicka på "spårningsparametrar" för att definiera parametrar för radie sfär (t.ex. dvxmin och dvymin mm / ram), för att söka kandidatpartiklar för spårning.
  10. Klicka på "Tracking utan display" för att definiera identifierings partikel (ID) av rekonstruerade partiklar som erhållits i steg 6,7.
    Obs: Det korrelerar en sekvens av intilliggande ramar för att spåra användning av en fyra-ram Predictor prediktor-corrector system 24. Denna process skapar en ptv_is fil för varje bild set som innehåller spårningsinformation detekterade partiklar i ramen; de två första kolumnerna visar partikel ID i den tidigare ramen och nästa ram, respektive.
  11. Klicka på "Visa banor" att visualisera banor i varje kameravyn.

7. Post Processing (OPTATIV)

Obs: syn- och typ av efterbehandling beror på individuella behov och det är därför anpassade. Här, är punkten grundberäkningarna kortfattat beskrivas som ett exempel.

  1. Skaffa data i Lagrange Frame (via Matlab).
    1. Extrahera 3D-position hos varje partikel och dess tillhörande ID från ptv_is filer. Den tillåter länkning detekterade partiklar bland bildsekvenser för att rekonstruera banor.
    2. Beräkna hastighet och acceleration av partiklar från den givna bildhastighet för varje bana.I denna demonstration, är den hastighet och acceleration av partiklar beräknas genom lågpass-filtrering av den lägessignal med en rörlig kubisk spline 34, 37.
    3. Gör en struct array format med fält som innehåller 3D-positioner, 3D hastigheter, 3D-acceleration och tidsstämpel samt banan ID för varje bana. I detta dataformat, längden av struct array representerar antal banor.
  2. Skaffa data i Eulerian Frame (via Matlab).
    1. Omvandla struct array (steg 7.1.3) till en tids en med hjälp av tidsstämpel för varje partikel. Detta skapar en liknande struct array struktur som erhållits i steg 7.1.3, men längden på struct array representerar nu ramnummer, som är 9000 i detta experiment.
    2. Interpolera den temporala struct array till en tredimensionell galler för varje tidsram för att erhålla momentana hastighetsfält i Eulerian koordinater. I denna demonstration, griddata kulInsatser i Matlab används för att utföra interpolationen.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Ett fotografi och ett schema av konfigurationen visas i Figurerna 1 och 2. Kalibreringsmålet, de referenspunkter som återspeglas på visnings splitter och 3D kalibrerings rekonstruktion visas i figur 3. RMS av de erkända kalibrerings mål är 7,3 um, 5,7 um och 141,7 um i strömnings x, spann y, och djupet z riktningar. Den relativa högre RMS i z -koordinaten beror på de minskade mål punkter med avseende på de i andra riktningar och relativt små vinklar av fyra vyer med z-axeln jämfört med x- och y-koordinater. De detekterade partiklarna i var och en av de fyra vyer vid varje givet ögonblick var i storleksordningen 10 3. Bland de detekterade partiklarna är antalet lyckade 3D ​​rekonstruktioner minskat till ungefär hälften på grund av det faktum att endast partiklar i korsningen regionen are fångas. Video 1 visar ett exempel på höghastighetsvideo av jetstrålen från fyra-view splitter.

Ett prov av fyra representativa partikelbanorna i det mellanliggande-fältområdet runt och korsar x / d h = 16 plan på radiella avstånd R / D h = v0, 1,5, 3 från strålen kärnan illustreras i figur 4. Som väntat är längre banor i givet tidsintervall (At ≈ 1 sek) observerades runt jet kärnan. Vid kanten av strålen (r / d h ≥2), spårämne partiklar uppvisar korta och mer komplexa banor. Figur 5 visar alla framgångsrikt rekonstruerade partikelbanor korsar x / d h = 16 plan. Partikelhastigheterna i den valda domänen uppvisar en bred distribution varierar från nästan 0-0,6 U j, där U j Figur 6 A visar fallet med en partikel som korsar x / d h = 16 plan runt jet kärnan. Figur 6b, 6c och 6 d visar de 3 komponenterna i partikelbanan, hastigheten och accelerationen som en funktion av normaliserad tid. Det är värt att understryka att de lokala partikelacceleration kan vara flera gånger standardgravitations. Partikel banor tillåter att erhålla specifika egenskaperna hos de partikel banor via så kallade Frenet-Serret ram. Den beskriver förändringar av ortonormala vektorer (tangentiell, normal, binormal) längs s (t). Av särskild betydelse är den krökning, κ, som är inversen av krökningsradien, ρ, och definieras som:

ekvation 1

var ekvation 3 = Dr / ds är tangenten enhetsvektorn av banan och r är positionsvektorn (euklidiska rymden) av partikeln som en funktion av tid, vilket kan skrivas som en funktion av, det vill säga, r (s) = r (t (er)). Krökningen, κ, beräknas för samtliga partiklar passerar x/d h = 16 och x/d h = 17 plan. Medelvärdet krökning, ekvation 3 , Som en funktion av avståndet från strålen kärn r beräknas som: ekvation 2

där Ar = 0.2D h används här. Figur 7 illustrerar ekvation 3 = F (r) normaliserad med d h. Den visar en relativt låg och nästan konstant ekvation 3 inom det område som definieras av det cirkulära tvärsnittet av röret, r / d h ≤0.5. På ett större avstånd från strålen kärnan i x / d h = 16 plan, ekvation 3 ökar monotont. En liknande trend erhålls vid x / d h = 17 plan, men med en reducerad ekvation 3 utanför jet kärna (r / d h ≥0.5). Det är värt att understryka att detta flöde FEAturen kan utläsas endast med 3D-PTV teknik. Datakvaliteten baserad på olika nivåer i G & B inställningar bedöms i termer av förhållandet mellan kopplade partiklar till resten av 3D-rekonstruerade partiklar som visas i tabell 1. Den högsta länk förhållandet observeras på G & B inställningen 300 och 500.

Eulerian flödesegenskaper kan uppnås genom galler interpolation, som härmar 3D Particle Image Velocimetry (3D-PIV). Det är viktigt att notera att på grund av den jämförelsevis låga partiklar spåras vid varje tidpunkt, en signifikant högre antal ramar som behövs för att verkligen härma PIV kvalitet till ett Eulerian beskrivning. Detta är mer kritiskt vid uppskattningen av hög orderstatistik (t.ex. turbulensintensiteten och Reynolds spänningar). Strömningshastigheten vid jet kärna för olika G & B-halter visas i figur 8. Mätningarna jämförs med Theoretical beteende:

ekvation 3

där U 0 (x) är strömningshastigheten vid jet kärna, B ≈ 6 är en konstant, och x 0 är den virtuella ursprunget 38. Figuren visar betydelsen av att sätta G & B-nivå. Figur 9 visar medelhastigheten fördelningen av jets i x / d h = 16 plan.

Slutligen, den spektrala fördelningen φ (f) av de storskaliga rörelser av strömningshastigheten vid platser r / d h = 0, 0,6, och en i x / d h = 10 plan visas i figur 10. Ett Butterworth lågpassfilter applicerades på hastigheten tidsseriermed gränsfrekvens, f ^ = 200 Hz.

Figur 1
Figur 1:. Schematisk bild av den experimentella set-up klicka god här för att se en större version av denna siffra.

figur 2
Figur 2:. Experimental set-up Detta illustrerar olika vyer av kameran och fyra-bildsvisning splitter, vattenränna och förhör volym: (överst till vänster) uppifrån, (nederst till vänster) Baksidan av kameran och visa splitter systemet ( högst upp i mitten, botten mitten) sidovyer av den totala försöksuppställningen, (höger) zooma in tanke på sådd partiklar i jet flödena. <a href = "https://www.jove.com/files/ftp_upload/53745/53745fig2large.jpg" target = "_ blank"> Klicka här för att se en större version av denna siffra.

Figur 3
Figur 3: Kalibrering:. (A) Kalibrerings mål, (b) bild uppsättning av kalibreringsmålet från vyn splitter, (c) 3D erkännande av de referenspunkter från kalibreringsmålet Klicka här för att se en större version av denna figur.

figur 4
Figur 4: Vald partikel banor på r/d h = 0, 1. 5, 3. Klicka här för att se en större version av denna siffra.

figur 5
Figur 5:. Partikel banor korsar x / d h = 16 plan, där hastigheten visas som en färgnivå Frågevolym som visas i figuren är upptagen mellan (x) /d h Figur 1 (14.5,18.5), y/d h Figur 1 (-2,2), Och z/d h.jpg "/> (- 2,2), där (x, y, z) = (0, 0, 0) är belägen vid centrum av strålen ursprungs Hastigheten längs de individuella banor, normaliseras genom bulkhastigheten. U 0, visas som en färgnivå. klicka här för att se en större version av denna siffra.

figur 6
Figur 6:. (A) Partikel bana, (b) förskjutning, (c) hastighet, och (d) acceleration av en godtycklig partikel Klicka här för att se en större version av denna siffra.

figur 7 /> Figur 7: krökning av partiklar: Diagram som visar betyda krökning av partiklarna som en funktion av det radiella avståndet från jet kärnan på planen x/d h = 16 och x/d h = 17. Klicka här för att se en större version av denna siffra.

Figur 8
Figur 8: strömningshastighet på jet kärna inom (x) /d h Figur 1 (15, 18) för olika G & B-nivå. Tre G & B-nivå ingår (300 & 500 (optimal), 300 och 250, 100 och 250).745fig8large.jpg "target =" _ blank "> Klicka här för att se en större version av denna siffra.

figur 9
Figur 9:. Icke-dimensionell fördelning av strömningshastighetskomponenten vid x / d h = 16 Klicka här för att se en större version av denna siffra.

Figur 10
Figur 10: Effekt spektrum φ (f) av strömningshastighetskomponent i en punkt belägen vid r / d h = 0 (jet kärna), 0. 6, och ett i x / d h = 16 plan. Klicka här för att se en större version av denna siffra.

video 1
Video 1: Video prov av jetstrålen från fyra-view splitter, 10 gånger långsammare än den verkliga hastigheten uppnås vid 550 fps ( högerklicka för att ladda ner ).

Bord 1

Tkunna 1. Förhållandet mellan kopplade partiklar till resten av 3 D-rekonstruerade partiklar vid olika G & B-nivå Tre G & B-nivå ingår (100 & 250, 300 & 250, 300 & 500).

Subscription Required. Please recommend JoVE to your librarian.

Discussion

3D-PTV har stora möjligheter att riva upp komplexa fysik av en mängd olika turbulenta flöden såsom storskaliga turbulenta rörelser i den lägre atmosfären 25, inomhusluft fördelnings 26, eller pulserande flöden i aorta topologi 28 bland många andra. Det är dock viktigt att förstå dess fördelar och begränsningar samt erfarenhet för att maximera sin potential. Trial and error preliminära tester och uttömmande iterationer för optimala inställningar, inklusive bildhastighet, belysningskälla, G & B-nivå och bildfiltreringsmetod, är direkt korrelerad med förmågan att rekonstruera den Lagrangian stigar en uppsättning (t.ex. spårämne) partiklar. Det är viktigt att notera att de kritiska protokollsteg, vilket visas här, är de justeringar av G & B-nivå och belysningen av FOV (kombination av halogenlampor fläckar lampor, förstoringsglas och reflekterande spegel från botten av rännan).

ent "> Dessa justeringar bidrar till att optimera ljus scatters inom utredningen till fyra vyer. Efter att ha identifierat de experimentella inställningarna för high-fidelity mätningar bör göras en grundlig modifiering och felsökning för att beräkna det maximala antalet korrekta banor baserade på bildfrekvens ,. Även om antalet infångade partiklar kan ökas med högre bildfrekvens, är det kamerans upplösning och storleken på undersökningsvolym värt att notera att antalet spårade partiklar i 3D-PTV är mycket lägre jämfört med PIV. den största potentialen för 3D -PTV är i sin unika förmåga att beskriva den Lagrangian stigar flera partiklar. i denna demonstration, var vyn splitter set-up genomföras för att undvika att använda flera expansiva kameror, är det dock viktigt att notera att detta set-up kräver högre kamera upplösning och begränsar storleken på prowolymen.

I denna studie, de mellanliggande fält funktioner i en cirkulär stråle är analyzed med 3D-PTV teknik. Tillvägagångssättet tillåts få viktiga inslag i flödet från Eulerian och Lagrange ramar. I synnerhet är den genomsnittliga krökningen av partiklarna som en funktion av det radiella avståndet karaktäriserats för första gången vid två tvärsnittsplan med användning av de Lagrangian funktioner i partikel banor. RMS av de erkända kalibrerings mål varierar mellan 7,3 um till 141,7 nm i strömnings och spann riktningar. Även om denna höga relativa felet i spannvisa riktningen på grund av små vinklar av vyerna i z-riktningen inte kan vara helt övervinnas, kan den reduceras ytterligare genom att lägga till fler målpunkter i z-riktningen såsom användning av en 2D- kalibreringsmål på olika platser (i flera plan kalibrering).

Totalt sett är 3D-PTV en användbar teknik som kan tillämpas på ett antal andra problem, bland annat tidsberoende flöden eller dynamik aktiva skalärer. Till exempel, kan det vara mycket användbart att stuDy samspelet mellan turbulens och arter i vattenmiljöer.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Författarna förklarar att de inte har någon konkurrerande ekonomiska intressen.

Acknowledgements

Detta arbete stöddes av Institutionen för Mekanisk Science and Engineering, University of Illinois i Urbana-Champaign, som en del av startpaketet Leonardo P. Chamorro.

Materials

Name Company Catalog Number Comments
Mikrotron 4CXP 4 lanes CXP-6 CoaXPress ImageOps CAMMC4082 High-speed camera
Active Silicon FireBird CoaX Frame Grabber ImageOps FBD-4XCXP6 Frame Grabber
100 μm silver-coated hollow ceramic spheres Potters Industries LLC AG-SL150-30-TRD Seeding Paritcles
StreamPix6 Upstate Technical Equipment CO.,INC MISNOR-STP-6-S-CL Camera appliation
Four-view splitter Photrack AG Customized part and necessary if performing 3D-PTV with one camera
250 Watts Spotlight Halogen General Electrics 23719 Light source
OpenPTV (Software) OpenPTV (http://www.openptv.net) Open source particle tracking software (Note: available as a service for anyone who wants to use it without all the installation mess or computer power availability problems).

DOWNLOAD MATERIALS LIST

References

  1. Wygnanski, I., Fiedler, H. Some measurements in the self preserving jet. Cambridge university press. (1968).
  2. Rajaratnam, N. Turbulent jets. Elsevier. (1976).
  3. Panchapakesan, N., Lumley, J. Turbulence measurements in axisymmetric jets of air and helium. Part 1. Air jet. J Fluid Mech. 246, 197-223 (1993).
  4. Hussein, H. J., Capp, S. P., George, W. K. Velocity measurements in a high-Reynolds-number, momentum-conserving, axisymmetric, turbulent jet. J Fluid Mech. 258, 31-75 (1994).
  5. Yule, A. Large-scale structure in the mixing layer of a round jet. J Fluid Mech. 89, 413-432 (1978).
  6. Yule, A., Chigier, N., Ralph, S., Boulderstone, R., Venturag, J. Combustion-transition interaction in a jet flame. AIAA Journal. 19, 752-760 (1981).
  7. Quinn, W. Upstream nozzle shaping effects on near field flow in round turbulent free jets. Eur J Mech B-Fluid. 25, 279-301 (2006).
  8. Mi, J., Nathan, G. J., Luxton, R. E. Centreline mixing characteristics of jets from nine differently shaped nozzles. Exp Fluids. 28, 93-94 (2000).
  9. Karlsson, R. I., Eriksson, J., Persson, J. LDV measurements in a plane wall jet in a large enclosure. DTIC [Internet]. Available from: http://oai.dtic.mil/oai/oai?verb=getRecord&metadataPrefix=html&identifier=ADP008905 (1992).
  10. Liepmann, D., Gharib, M. The role of streamwise vorticity in the near-field entrainment of round jets. J Fluid Mech. 245, 643-668 (1992).
  11. Oh, S. K., Shin, H. D. A visualization study on the effect of forcing amplitude on tone-excited isothermal jets and jet diffusion flames. Int J Energ Res. 22, 343-354 (1998).
  12. Cenedese, A., Doglia, G., Romano, G., De Michele, G., Tanzini, G. LDA and PIV velocity measurements in free jets. Exp Therm Fluid Sci. 9, 125-134 (1994).
  13. Wang, H., Peng, X., Lin, W., Pan, C., Wang, B. Bubble-top jet flow on microwires. Int J Heat Mass Tran. 47, 2891-2900 (2004).
  14. Shestakov, M. V., Tokarev, M. P., Markovich, D. M. 3D Flow Dynamics in a Turbulent Slot Jet: Time-resolved Tomographic PIV Measurements. 17th Int Symp on Applications of Laser Techniques to Fluid Mechanics. (2014).
  15. Bridges, J., Wernet, M. P. Measurements of the aeroacoustic sound source in hot jets. AIAA [Internet]. Available from: http://arc.aiaa.org/doi/abs/10.2514/6.2003-3130 (2003).
  16. Scarano, F., Bryon, K., Violato, D. Time-resolved analysis of circular and chevron jets transition by tomo-PIV. 15th Int Symp on Applications of Laser Techniques to Fluid Mechanics. (2010).
  17. Holzner, M., Liberzon, A., Nikitin, N., Kinzelbach, W., Tsinober, A. Small-scale aspects of flows in proximity of the turbulent/nonturbulent interface. Phys Fluids. 19, 071702 (2007).
  18. Holzner, M., et al. A Lagrangian investigation of the small-scale features of turbulent entrainment through particle tracking and direct numerical simulation. J Fluid Mech. 598, 465-475 (2008).
  19. Chang, T. P., Wilcox, N. A., Tatterson, G. B. Application of image processing to the analysis of three-dimensional flow fields. Opt Eng. 23, 283-287 (1984).
  20. Racca, R., Dewey, J. A method for automatic particle tracking in a three-dimensional flow field. Exp Fluids. 6, 25-32 (1988).
  21. Maas, H. G., Gruen, D., Papantoniou, D. Particle tracking velocimetry in three-dimensional flows. Exp Fluids. 15, 133-146 (1993).
  22. Kasagi, N., Matsunaga, A. Three-dimensional particle tracking velocimetry measurement of turbulence statistics and energy budget in a backward-facing step flow. Int J Heat Fluid Fl. 16, 477-485 (1995).
  23. Virant, M., Dracos, T. 3D PTV and its application on Lagrangian motion. Meas Sci Technol. 8, 1539 (1997).
  24. Willneff, J. A spatio-temporal matching algorithm for 3 D particle tracking velocimetry. Mitteilungen- Institut fur Geodasie und Photogrammetrie an der Eidgenossischen Technischen Hochschule Zurich. Zurich. (2003).
  25. Rosi, G. A., Sherry, M., Kinzel, M., Rival, D. E. Characterizing the lower log region of the atmospheric surface layer via large-scale particle tracking velocimetry. Exp Fluid. 55, 1-10 (2014).
  26. Fu, S., Biwole, P. H., Mathis, C. Particle Tracking Velocimetry for indoor airflow field: A review. Build Environ. 87, 34-44 (2015).
  27. Kolaas, J., Jensen, A., Mielnik, M. Visualization and measurements of flows in micro silicon Y-channels. Eur Phys J E. 36, 1-11 (2013).
  28. Gülan, U., et al. Experimental study of aortic flow in the ascending aortavia Particle Tracking Velocimetry. Exp Fluids. 53, 1469-1485 (2012).
  29. Mei, R. Velocity fidelity of flow tracer particles. Exp Fluids. 22, 1-13 (1996).
  30. Tropea, C., Yarin, A. L., Foss, J. F. Springer handbook of experimental fluid mechanics. 1, Springer Science & Business Media. (2007).
  31. Melling, A. Tracer particles and seeding for particle image velocimetry. Meas Sci Technol. 8, 1406 (1997).
  32. Hering, F., Leue, C., Wierzimok, D., Jähne, B. Particle tracking velocimetry beneath water waves. Part I: visualization and tracking algorithms. Exp Fluids. 23, 472-482 (1997).
  33. Biferale, L., et al. Lagrangian structure functions in turbulence: A quantitative comparison between experiment and direct numerical simulation. Phys Fluids. 20, 065103 (2008).
  34. Lüthi, B., Tsinober, A., Kinzelbach, W. Lagrangian measurement of vorticity dynamics in turbulent flow. J Fluid mech. 528, 87-118 (2005).
  35. Hoyer, K., et al. 3d scanning particle tracking velocimetry. Exp Fluids. 39, 923-934 (2005).
  36. Kim, J. -T. Three-dimensional particle tracking velocimetry for turbulence applications. UIUC. http://chamorro.mechse.illinois.edu/3d.htm (2015).
  37. Lüthi, B. Some aspects of strain, vorticity and material element dynamics as measured with 3D particle tracking velocimetry in a turbulent flow. ETH Zürich. Nr. 14893 (2002).
  38. Pope, S. B. Turbulent flows. Cambridge university press. (2000).

Comments

0 Comments


    Post a Question / Comment / Request

    You must be signed in to post a comment. Please or create an account.

    Video Stats