Tridimensionale Velocimetry monitoraggio di particelle per applicazioni Turbulence: caso di flusso Jet

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

Un sistema tridimensionale di monitoraggio di particelle velocimetry (3D-PTV) sulla base di una telecamera ad alta velocità con uno splitter a quattro vista è descritta qui. La tecnica è applicata a un flusso del getto da un tubo circolare in prossimità di dieci diametri valle al numero di Reynolds Re ≈ 7,000.

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 è una tecnica di misurazione del flusso quantitativa che mira a replicare i percorsi di Lagrange di un insieme di particelle in tre dimensioni utilizzando la registrazione stereoscopica di sequenze di immagini. La base dei componenti, le caratteristiche, i vincoli e suggerimenti per l'ottimizzazione di una topologia 3D-PTV costituito da una telecamera ad alta velocità con uno splitter a quattro viste sono descritte e discusse in questo articolo. La tecnica è applicata al campo intermedio flusso (5 <x / d <25) di un getto circolare Re ≈ 7,000. caratteristiche di flusso lagrangiane e le quantità di turbolenza in una cornice Euleriano sono stimati circa dieci diametri a valle dell'origine jet ed a varie distanze radiali dal nucleo jet. proprietà Lagrangiani includono traiettoria, velocità e accelerazione di particelle selezionati e curvatura del percorso del flusso, che si ottengono dall'equazione Frenet-Serret. Stima della velocità e turbolenza campi 3D intorno all'asse centrale del getto a croce piano posto a diecidiametri a valle del getto viene confrontato con la letteratura, e lo spettro di potenza dei grandi moti velocità streamwise è ottenuto a varie distanze radiali dal centro jet.

Introduction

i flussi turbolenti jet sono onnipresenti nelle applicazioni di ingegneria. Caratterizzazione dettagliata di tali flussi è fondamentale in un ampio spettro di problemi pratici che spaziano dai sistemi di scarico ambientale larga scala per dispositivi elettronici micro scala. A causa del suo impatto su una serie di vaste applicazioni, flussi getto sono stati studiati approfonditamente 1 - 4. Diverse tecniche sperimentali, inclusi hotwire anemometry 4 - 8, Laser Doppler (LDV) 4, 9 - 12 e Particle Image Velocimetry (PIV) 12 - 16, sono stati utilizzati per caratterizzare jet scorre in una vasta gamma di numeri di Reynolds e boundary condizioni. Di recente, alcuni studi sono stati realizzati con 3D-PTV per studiare l'interfaccia turbolenta / non turbolento del jet scorre 17, 18. 3D-PTV è una tecnica particolarmente adatto a descrivere complesso fi turbolentocampi da una prospettiva diversa. Esso permette di ricostruire traiettorie delle particelle all'interno di un volume in una cornice di Lagrange di riferimento utilizzando multi-view stereoscopia. La tecnica è stata introdotta da Chang 19 e ulteriormente sviluppato da Racca e Dewey 20. Da allora, molti miglioramenti sono stati apportati sull'algoritmo 3D-PTV e setup sperimentale 21 - 24. Con questi risultati e delle opere precedenti, il sistema è stato utilizzato con successo per studiare vari fenomeni di fluidi, come movimento fluido su larga scala in un dominio di 4 mx 2 mx 2 m 25, coperta campo flusso d'aria 26, pulsatile scorre 27 e il sangue aortico flusso 28 .

Il principio di funzionamento di una misurazione 3D-PTV costituito da sistema di acquisizione dati set-up, la registrazione / pre-trattamento, calibratura, corrispondenze 3D, monitoraggio temporale e post-elaborazione. Un calibrazione accurata consente un rilevamento preciso della posizione delle particelleS. La corrispondenza delle particelle rilevate in più di tre visualizzazioni immagine permette la ricostruzione di una posizione particelle 3D in base alla geometria epipolare. Un leveraggio da fotogrammi consecutivi comporta un monitoraggio temporale che definisce le traiettorie delle particelle s (t). Ottimizzazione del sistema 3D-PTV è essenziale per massimizzare la probabilità di tracciabilità multi-particelle.

Prima fase di ottimizzazione è quello di acquisire un sistema di acquisizione dati appropriato comprese telecamere ad alta velocità, sorgente di illuminazione e le caratteristiche delle particelle semina. La risoluzione fotocamera insieme con la dimensione del volume di interrogazione definisce la dimensione dei pixel e, quindi, la dimensione delle particelle di semina desiderata, che dovrebbe essere maggiore di un singolo pixel. I centroidi di particelle rilevate sono stimati con una precisione sub-pixel prendendo la posizione media dei pixel di particelle ponderati per luminosità 21. frame rate della telecamera è strettamente AssociatED con numero di Reynolds e la capacità di collegare le particelle rilevate. Un frame rate più elevato consente di risolvere flussi più rapidi o un maggior numero di particelle poiché l'inseguimento diventa più difficile quando lo spostamento medio fra immagini supera la separazione medio delle particelle.

La velocità dell'otturatore, l'apertura e la sensibilità sono tre fattori da considerare nella cattura delle immagini. La velocità dell'otturatore dovrebbe essere abbastanza veloce per ridurre al minimo la sfocatura intorno una particella, che riduce l'incertezza della posizione di baricentro della particella. apertura obiettivo deve essere regolata per la profondità di campo del volume di interrogazione per ridurre la probabilità di rilevare particelle fuori del volume. Poiché la sensibilità massima di una telecamera è fissata, all'aumentare frame rate, la luce necessaria necessaria per illuminare le particelle dovrebbe aumentare di conseguenza. Diversamente PIV, impostazioni ottiche complesse e laser ad alta potenza non sono strettamente necessari 3D-PTV, fintanto che la sorgente luminosa è sufficientemente scattrato dalle particelle traccianti alla telecamera. Luci a LED o alogene continue sono buone opzioni di costo-efficacia che ignorano la necessità di sincronizzazione 21.

In 3D-PTV, come altre tecniche di misurazione del flusso ottico, la velocità delle particelle traccianti si presume essere il locale velocità del fluido istantanea 29. Tuttavia, questo è solo il caso di traccianti ideali di diametro nullo e di inerzia; particelle traccianti dovrebbe essere grande abbastanza per essere catturato da una telecamera. La fedeltà di una particella finita può essere determinata dal numero di Stokes S t, cioè il rapporto tra il tempo di rilassamento scala delle particelle e la scala temporale della strutture turbolente di interesse. In generale, S t dovrebbe essere sostanzialmente più piccolo di 1. Per S t ≤0.1 errori di tracciamento di flusso sono sotto l'1% 30. In discussione approfondita può essere trovato in Mei et al. 29 - 31 (ad esempio 50-200 micron) 32, mentre le particelle più piccole (per esempio 1-50 micron) 33, 34 può essere utilizzato con un laser ad alta potenza (ad esempio 80-100 Watts laser CW). Le particelle con alta riflettività per una data luce di lunghezza d'onda, come l'argento rivestito in luce alogena, possono amplificare il loro segno in un'immagine. La densità di semina è un altro parametro importante per una misurazione di successo 3D-PTV. Poche particelle provocano basso numero di traiettorie, mentre un numero eccessivo di particelle causano ambiguità nello stabilire corrispondenze e il monitoraggio. Ambiguità a stabilire corrispondenze sono le particelle che si sovrappongono e rilevare più candidati lungo la linea epipolare definito. Nel processo di monitoraggio, l'ambiguità a causa di un elevato seedin Densità g è verificato a causa della relativamente breve separazione media di particelle.

Secondo passo è impostazioni ottimali in registrazione / pre-elaborazione per migliorare la qualità dell'immagine. impostazioni fotografici, come livello di nero (G e B) guadagno e, giocano un ruolo importante per ottimizzare la qualità dell'immagine. Livello nero definisce il livello di luminosità nella parte più scura di un'immagine, mentre il guadagno amplifica la luminosità di un'immagine. Lievi variazioni dei livelli di G & B possono avere un impatto significativamente la probabilità di tracciabilità. Infatti, alta G e B possono over-schiarire un'immagine ed eventualmente danneggiare il sensore della fotocamera. Per illustrare questo, l'impatto dei livelli di G & B sulla ricostruzione flusso è inoltre esaminato in questo articolo. Nella fase di pre-elaborazione, le immagini vengono filtrati con un filtro passa-alto per enfatizzare diffusione della luce da particelle. La dimensione dei pixel e scala di grigi sono adeguati per massimizzare il rilevamento delle particelle all'interno del volume interrogatori.

t "> Terza fase della ottimizzazione è calibrazione accurata della creazione di immagini stereoscopiche, che si basa sulla geometria epipolare, parametri della telecamera (lunghezza focale, punto principio, e coefficienti di distorsione), e variazioni dell'indice di rifrazione. Questo processo è essenziale per minimizzare la 3D errore di ricostruzione dei capisaldi fiduciali. geometria epipolare utilizza distanze relative (tra fotocamera e il volume degli interrogatori) e angolo di inclinazione da l'immagine di destinazione. variazioni dell'indice di rifrazione lungo la telecamera attraverso il volume degli interrogatori possono essere prese in considerazione in base alla procedura di messa et al. 21. In questo esperimento, una struttura scala-come 3D con punti di destinazione distribuiti regolarmente è usato come bersaglio.

In un esperimento 3D-PTV, anche se solo due immagini sono necessari per determinare una posizione di particelle 3D, tipicamente più telecamere sono utilizzati per ridurre ambiguità 21. Un'alternativa a configurazioni costosi con più telecamere ad alta velocità è il VIew splitter, proposto da Hoyer et al. 35 per l'uso di 3D-PTV e recentemente applicato dalla Gulean et al. 28 per le applicazioni biomediche. Lo splitter vista costituito da uno specchio piramidale (specchio hereon primario) e quattro specchi orientabili (, procedendo specchio secondario). In questo lavoro, uno splitter quattro-view e una singola telecamera sono stati usati per imitare il immagini stereoscopiche da quattro telecamere. Il sistema è utilizzato per caratterizzare il campo di flusso intermedio di un jet tubo con un diametro, d h = 1 cm e Re ≈ 7,000 da una lagrangiana e Euleriana telai a circa 14,5-18,5 diametri valle dall'origine jet.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

1. Laboratorio di sicurezza

  1. Rivedere le linee guida sulla sicurezza della fonte di illuminazione selezionata (ad esempio laser, LED industriali, alogene).
    Nota: in questo esperimento, una serie di cinque 250 faretti alogeni Watts sono usati come illuminazione. Aspetti fondamentali di sicurezza e di raccomandazione per questo fonte di luce sono descritti come segue.
    1. Evitare il contatto diretto con luci alogene, che operano a temperature elevate (~ temperatura di 3000 K di colore).
    2. Tenere la luce accesa solo quando l'acquisizione di dati per evitare il riscaldamento del flusso in esame.
    3. Allontanare tutti i materiali burnable vicino alla sorgente di luce, compresa carta di qualsiasi tipo.

2. set-up sperimentale

  1. Scegliere l'obiettivo appropriato
    1. Scegliere un obiettivo con bassa aberrazione per evitare problemi di calibrazione. tipi di lenti consigliate sono teleobiettivo o micro lenti.
    2. Assicurarsi che la lente copre il campo di vista desiderato (FOV) all'interno del object distanza, O, stimando l'ingrandimento necessario, M.
      Nota: l'ingrandimento è il rapporto tra la lunghezza del chip fotocamera al FOV e la distanza dell'oggetto può essere calcolato come O = f (1 / M + 1), dove f è la lunghezza focale della lente. In questo esperimento, la lunghezza del chip fotocamera è 20,34 millimetri e il corrispondente FOV, o specchio primario, è di 50 mm con la limitata distanza dell'oggetto O ≤250 mm. (La distanza dell'oggetto è trattenuto a causa della lunghezza finita del cursore in cui sono montati la telecamera e la vista splitter.) L'ingrandimento è M = 20,34 / 50 = 0,41, e la lunghezza focale approssimativa con la data gamma della distanza dell'oggetto è f ≤72.7 mm. Così, un micro lenti con una lunghezza focale 60 mm viene utilizzato con un rapporto focale di f / 2.8D.
  2. Montare e regolare la telecamera con la vista Splitter.
    1. Livello centro dello specchio primario con quello del volume interrogatori trascinando il mirROR lungo il palo di montaggio verticale e fissare lo specchio con il titolare del posto. Si noti che questo passaggio viene eseguita prima di installare gli specchi secondari.
    2. Montare la videocamera e impostare il centro dell'immagine coincidente con il centro dello specchio primario.
    3. Regolare la larghezza e l'altezza della telecamera per coprire solo lo specchio primario attraverso il controllo della regione di interesse (ROI) impostazione nel software di registrazione. Questo processo è quello di ridurre le dimensioni delle immagini e rumore dell'immagine. Nota: in questo esperimento, la dimensione dello specchio primario è di 5 x 5 cm 2 (1.728 x 1.728 pixel).
    4. Progettare un target di calibrazione (su misura) 3D. Esso dovrebbe racchiudere il volume indagini intero. Assicurarsi che ogni vista dello splitter cattura tutti i segni di destinazione per consentire una calibrazione uniforme.
      Nota: in questa dimostrazione, l'obiettivo era 3D stampato utilizzando vero posteriore in plastica. Ha una forma scala-come con dimensioni 35 x 35 x 30 mm 3, con 1 mm di diametro capisaldi bianco separatcato 2,5 mm, 5 mm e 10 mm in verticale, streamwise e direzioni alare. geometria accurata del target è fondamentale in quanto proietta in un modello di calibrazione e la posizione delle telecamere rispetto al canale artificiale.
  3. Posizionare il bersaglio di calibrazione nel volume interrogatori.
    1. Posizionare il target di calibrazione su una piattaforma regolabile in altezza rivolto verso la telecamera.
    2. Abbinare l'altezza del centro del bersaglio calibrazione con il centro del volume interrogatori regolando l'altezza della piattaforma di destinazione.
      Nota: in questo esempio, il segno centrale della calibrazione è livellato con il centro dell'ugello a getto, 20 cm di altezza. Un indicatore di livello bolla può essere utilizzato per livellare il bersaglio.
  4. Montare e regolare l'specchi secondari del divisore quattro-view.
    1. Individuare specchio primario ad una distanza dalla interrogatori che ne assicura la cattura completa. Si tratta di 0,2 m per questa dimostrazione (Figure 1).
    2. Montare specchio secondario nella posizione approssimativa, dove la telecamera da ciascun lato dello specchio primario è approssimativamente allineata con uno specchio secondario. Fissare lo specchio secondario fissandolo al palo montaggio verticale dello specchio secondario.
    3. Ripetere questa procedura per gli altri tre specchi. Verifica simmetria geometrica di tutti gli specchi secondari rispetto allo specchio primario.
    4. Effettuare le regolazioni finali regolando il monte specchio degli specchi secondari per garantire che ciascuno dei quattro viste racchiude l'intero profilo di calibrazione. Un modo efficace per controllare le posizioni e gli angoli degli specchi 'è quello di utilizzare un puntatore laser di visualizzare il percorso dell'immagine di ogni vista.
    5. Verificare la presenza di sovrapposizione di immagini derivate spostando uno specchio.
      Nota: se una sola vista cambia, allora la regione di sovrapposizione è trascurabile. In caso contrario, ripetere i punti 2.4.2 a 2.4.5 fino a quando la regione di sovrapposizione è ridotto al minimo.
  5. Posizionare sorgente luminosa (s) si affaccia direttamente sul volume di interrogatori. Assicurarsi di avere la macchina fotografica coperto durante la regolazione della luce per evitare di danneggiare il sensore della fotocamera.
    1. Verificare che la sorgente luminosa è distribuita uniformemente su tutto il volume di indagine.
    2. Aumenti l'intensità della luce, se necessario, posizionando una lente di ingrandimento direttamente sotto le sorgenti luminose. Nota: in questo esperimento, una lente piano-convessa della distanza focale f 0 = 450 mm è utilizzato per intensificare l'illuminazione.

3. Ottimizzazione Set-up

  1. Accendere e regolare le impostazioni della fotocamera per aumentare la qualità dell'immagine.
    1. Regolare l'ingrandimento della lente fino a quando la riflessione attraverso lo specchio primario è ugualmente messo a fuoco in tutte le quattro viste degli specchi secondari.
    2. Verificare che le immagini dallo splitter vista sono simmetriche e catturare il volume interrogatori osservando la simmetria dell'immagine di calibrazione dai quattro viste.
    3. Regolare il numero f di catturare il più lontane punti di riferimento di calibrazione più vicina e dalla fotocamera.
      Nota: Questo permette alla fotocamera di catturare particelle traccianti solo nella profondità del volume interrogatori. In questo esempio, il numero f è 11.
    4. Impostare il frame rate desiderato come 550 Hz (dipende dalla particolare applicazione, vedere Introduzione) e massimizzare la sensibilità alla luce di conseguenza nel software di registrazione.
  2. Controlla illuminazione in ciascuna vista dello specchio primario osservando la differenza di densità di particelle in ciascuna vista dello splitter attraverso una ripresa dal vivo.
    Nota: Se più fonti di luce sono utilizzati per illuminare il volume interrogatori, è probabile avere differenze in ogni vista dello splitter. In questo esperimento, i primi due specchi secondari hanno ricevuto meno luce perché l'illuminazione proviene dall'alto. L'uso di uno specchio piano sul fondo della canaletta può contribuire a ridurre la variazione di luceattraverso i punti di vista.
  3. Spegnere le luci di sfondo nella stanza prima di utilizzare sorgenti luminose 3D-PTV.
  4. Regolare il livello di G & B della macchina fotografica per catturare meglio la diffusione luminosa dalle particelle. Registrare più brevi sequenze con diversi livelli di G & B e trovare quello ottimale osservando la distribuzione e la densità delle traiettorie delle particelle.
    Nota: in questo esperimento, la gamma di livello di G & B era 0-500, e nero (B) il livello è stato fissato a 500, per illuminare la diffusione luminosa dimmer, di media, mentre, il guadagno (G) è stato istituito, 300, per amplificare moderatamente immagine segnali e evitare un eccesso di illuminare l'immagine.

4. La calibrazione

  1. Posizionare il target di calibrazione del volume di indagine prima di aggiungere particelle traccianti, e prendere alcune immagini di calibrazione. Utilizzare una sorgente di luce dimmer (ad esempio la luce flash LED) per illuminare il bersaglio.
  2. Dividere l'immagine di calibrazione in quattro sotto-immagini indipendenti e fare un file di testo contenente il riferimentoza coordinare le posizioni dei marchi di riferimento. software OpenPTV (http://www.openptv.net) viene qui utilizzato per questo scopo.
    Nota: in avanti l'elaborazione è identico per gli utenti che utilizzano un multiplo di set-up della fotocamera.
  3. Fare clic sulla scheda 'Crea calibrazione' per avviare il processo di calibrazione dopo aver salvato le immagini e il file di testo ottenuto al punto 4.2 nella cartella 'Cal' del software.
  4. Fare clic sulla scheda 'Modifica parametri di calibrazione' e scegliere la scheda "Calibration Orientamento parametri 'per definire l'ingrandimento, angoli di rotazione e la distanza tra il centro di ogni split view e l'origine del target di calibrazione.
    Nota: La prima riga è la distanza dal bersaglio di calibrazione origine al sensore della fotocamera in x, y, z direzione. La seconda riga indica gli angoli, in radianti, intorno alle x, y, z assi. Successivamente, un dato 3 per 3 rappresenta la matrice di rotazione. Poi, le due righe seguenti sono le distanze foro di spillo del x e x, y, direzione z.
  5. Fare clic su 'Detection' e 'Mostra un'ipotesi iniziale' di indagare che la 'indovinare' punti sono abbinati con i punti di riferimento rilevati.
  6. Ripetere il passaggio 4.4 per tutti e quattro viste fino a quando punti il ​​'indovinare' sono allineati con il set di immagini di calibrazione.
  7. Istruzioni 'orientamento' di ricostruire l'orientamento del volume di interrogazione.
    Nota: La calibrazione può essere migliorata regolando la distorsione della lente e trasformazione affine. Ora, il volume di indagine è calibrato e pronto per elaborare i dati. Vedere la tesi dell'autore 36 per descrizione aggiuntiva del processo di calibrazione.

5. impostazione del flusso / Raccolta dati

  1. Stimare la quantità massima di particelle catturate in ogni telecamera dal un frame rated velocità massima di flusso. In questa dimostrazione, la velocità di riferimento è U ≈ 0.4 m / sec, il frame rate è di 550 Hz e ~ 4 x 4 x 4 cm 3 di volume interrogatori. Ciò ha provocato ~ 1.000 particelle per fotogramma.
  2. Accendere la fotocamera con le impostazioni ottimizzate ottenuti al punto 3.
  3. Aggiungere particelle semina e attendere vari tempo medio per consentire il flusso di raggiungere uno stato stazionario. Aggiungere più particelle se necessario, ma evitando alta densità di semina, stimato nel passo 5.1, che può causare ambiguità.
    Nota: in questo esempio, ~ 1,6 g di 100 m sfere cave di ceramica rivestiti d'argento di 1,1 g / cm 3 densità sono usati come semina per mezzo fluido (2 x 0,4 x 0,4 m 3).
  4. Registrare il numero desiderato di immagini di flusso.
    Nota: in questo esperimento, 9.000 immagini a 550 Hz sono stati catturati utilizzando il software di registrazione. Ripetere i passaggi 2,4-5,3 se la fotocamera e / o vista splitter viene spostato (anche un leggero movimento può influenzare pesantemente i risultati).

6. Elaborazione Dati (Via OpenPTV Software)

  1. Dividere l'immagine grezza ottenuta al punto 5.4 in quattro sotto-immagini indipendenti.
  2. Fare clic su 'Init / restart' nella scheda 'Start' per caricare le immagini iniziali da quattro punti di vista.
  3. Fare clic con il directory 'Run' e cliccare su 'principale Parametri' il numero per il controllo delle telecamere, indici di rifrazione, il riconoscimento delle particelle, il numero di immagini della sequenza, il volume di osservazione e criteri di corrispondenze.
    1. Definire il numero di telecamere (visualizzazioni) utilizzati per l'esperimento sotto la scheda 'Generale'. In questo esperimento, impostare il numero di telecamere come 4.
    2. Definire indici di rifrazione lungo la telecamera sotto la scheda "indici di rifrazione.
    3. Definire il minimo e il numero massimo di rilevazione di pixel così come soglia di valore di grigio per ottimizzare il numero di rivelazione di particelle in tutte le quattro viste sotto la scheda 'di riconoscimento delle particelle'. Min e Max numero di pixel deprotezione e la soglia grigio determinano la dimensione dei pixel e livello di luminosità per il rilevamento di particelle. Si elimina il rumore e le particelle fuori fuoco.
    4. Definire il numero di immagini da elaborare sotto i "Parametri per l'elaborazione sequenza '.
    5. Definire il volume di osservazione sotto la scheda 'osservazione Volume'.
    6. Definire la correlazione delle corrispondenze sotto i "Criteri per corrispondenze 'tra cui il parametro di banda totale (mm) per la corrispondenza stereo.
  4. Fare clic su 'Filtro passa alto' nella scheda 'pre-elaborazione'. Questo intensifica dispersione della luce da particelle in tutti e quattro i punti di vista.
  5. Fare clic su 'Particle Detection' per determinare il baricentro di particelle rilevate a livello sub-pixel per tutti e quattro i punti di vista. Ripetere le fasi 6.2 e 6.3 fino a che il numero di particelle rilevate simili al numero atteso di particelle calcolati al passaggio 5.1.
  6. Fai clic su "Corrispondenze" di stabilire corresponden stereoscopicaces in ogni vista.
    Nota: per ricostruire la posizione 3D di particelle rilevate, corrispondenze dovrebbero essere determinati almeno da tre punti di vista.
  7. Fai clic su "posizioni 3D 'per ottenere la posizione 3D di particelle rilevata in base alla calibrazione.
  8. Fare clic su 'Sequenza senza display' per ripetere il processo da passi 6.4 a 6.7 per tutte le sequenze di immagini.
    Nota: Questo crea un file 'rt_is' per ogni set di immagini contenente un riepilogo delle particelle rilevate nel telaio con un formato di file di testo separato da tabulazioni.
  9. Fare clic con il directory 'Run' e cliccare su 'monitoraggio dei parametri' per definire i parametri di raggio della sfera, (ad esempio dvxmin e dvymin in mm / frame), per cercare particelle di candidati per il monitoraggio.
  10. Fare clic su 'Monitoraggio senza display' per definire l'identificazione delle particelle (ID) di particelle ricostruiti ottenuti nella fase 6.7.
    Nota: correla una sequenza di fotogrammi adiacenti per il monitoraggio utilizzando una predizione quattro fotogrammitor schema predittore-correttore 24. Questo processo crea un file ptv_is per ogni set di immagini che contiene informazioni di rilevamento delle particelle rilevate nel telaio; le prime due colonne mostrano l'ID particelle nel fotogramma precedente e nel frame successivo, rispettivamente.
  11. Fai clic su "Visualizza traiettorie 'di visualizzare le traiettorie in ogni visualizzazione della telecamera.

7. Post Processing (Ottativo)

Nota: la portata e il tipo di post-elaborazione dipende esigenze individuali ed è, quindi, personalizzabile. Qui, calcoli di base punto sono brevemente descritti come esempio.

  1. Ottenere dati nel fotogramma di Lagrange (tramite Matlab).
    1. Estrarre la posizione 3D di ogni particella e il suo ID associato dai file ptv_is. Esso consente il collegamento particelle rilevate tra le sequenze di immagini per ricostruire traiettorie.
    2. Calcolare la velocità e l'accelerazione di particelle dalla data frame rate per ogni traiettoria.In questa dimostrazione, la velocità e l'accelerazione di particelle sono calcolati passa-basso filtrando il segnale di posizione con una spline cubica movimento 34, 37.
    3. Fare un formato di array di struct con campi che contengono posizioni 3D, velocità, accelerazioni 3D 3D e di data e ora, nonché ID traiettoria di ogni traiettoria. In questo formato di dati, la lunghezza dell'array struct rappresenta il numero di traiettorie.
  2. Disporre di dati Eulerian Frame (tramite Matlab).
    1. Trasforma la matrice struct (fase 7.1.3) ad uno temporale, utilizzando il timestamp di ogni particella. Questo crea una simile struttura a matrice struct ottenuto nel passaggio 7.1.3, ma la lunghezza dell'array struct ora rappresenta i numeri di telaio, che è 9.000 in questo esperimento.
    2. Interpolare la matrice struct temporale in tre griglia bidimensionale per ogni periodo di tempo per ottenere campi di velocità istantanea in coordinate Euleriani. In questa dimostrazione, il divertimento gridDataction in Matlab viene utilizzato per eseguire l'interpolazione.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Una fotografia e uno schema della configurazione sono illustrati nelle figure 1 e 2. Il target di calibrazione, punti di riferimento riflette sulla visione-splitter e la ricostruzione di calibrazione 3D sono illustrati nella Figura 3. I RMS dei bersagli di calibrazione riconosciuto è 7,3 micron, 5,7 micron e 141,7 micron nel streamwise x, y dell'apertura alare, e la profondità Z. Il relativo RMS più elevati nella z -coordinate è dovuta agli obiettivi di riduzione dei punti rispetto a quelli nelle altre direzioni e relativamente piccoli angoli di quattro opinioni con l'asse z rispetto alle coordinate x e y. Le particelle rilevate in ciascuna delle quattro viste in qualsiasi dato istante erano dell'ordine di 10 3. Tra le particelle rilevate, il numero di ricostruzioni 3D di successo è ridotta a circa la metà dovuto al fatto che solo le particelle della regione di intersezione are catturato. Video 1 mostra un campione video ad alta velocità del flusso del getto dal splitter quattro viste.

Un campione di quattro traiettorie rappresentativi delle particelle nella regione intermedia campo intorno e attraversando il x / d h = 16 piano a distanze radiali r / d h = v0, 1,5, 3 dal nucleo jet è illustrato nella figura 4. Come previsto, le traiettorie più lunghe nell'intervallo dato tempo (Dt ≈ 1 sec) sono stati osservati attorno al nucleo del getto. Sul bordo del getto (r / d h ≥2), particelle traccianti presentano traiettorie brevi e più complesse. Figura 5 mostra tutte le traiettorie delle particelle ricostruiti correttamente attraversano il x / d h aereo = 16. Le velocità di particelle nel dominio selezionato presentano un'ampia distribuzione vanno da circa 0 al 0,6 U j, dove U j Figura 6 a illustra il caso di una particella che attraversa il x / d h = 16 dell'aereo intorno al nucleo jet. Figura 6 b, 6 c e 6 D mostrano i 3 componenti della traiettoria della particella, velocità e accelerazione in funzione del tempo normalizzata. È opportuno sottolineare che l'accelerazione delle particelle locale può essere più volte la gravità standard. Le traiettorie delle particelle consentono di ottenere caratteristiche specifiche delle traiettorie delle particelle tramite il cosiddetto FrTelaio enet-Serret. Esso descrive i cambiamenti dei vettori ortonormali (tangente, normale, binormale) lungo s (t). Di particolare rilevanza è la curvatura, κ, che è l'inverso del raggio di curvatura, ρ, e definito come:

Equazione 1

dove Equazione 3 = Dr / ds è l'unità vettore tangente della traiettoria ed r è il vettore posizione (spazio euclideo) della particella in funzione del tempo, che può essere scritta come una funzione, cioè, r (s) = r (t (S)). La curvatura, κ, viene calcolato per tutte le particelle che attraversano il x/d h = 16 e x/d h = 17 piani. La curvatura media, Equazione 3 , In funzione della distanza dal nucleo jet r è calcolato come: Equazione 2

dove Δr = 0.2d h viene utilizzato qui. La figura 7 illustra Equazione 3 = F (r) normalizzate d h. Essa mostra una relativamente bassa e pressoché costante Equazione 3 all'interno dell'area definita dalla sezione circolare del tubo, r / d h ≤0.5. Ad una distanza maggiore dal nucleo jet nella x / d h = 16 piano, Equazione 3 aumenta monotonicamente. Una tendenza simile si ottiene alla x / d h = 17 piano, ma con un ridotto Equazione 3 fuori del nucleo jet (r / d h ≥0.5). Vale la pena di sottolineare che questo flusso feature può essere desunto solo con la tecnica 3D-PTV. La qualità dei dati in base a diversi livelli di impostazioni G & B è valutata in termini di rapporto di particelle collegata al resto di particelle 3D ricostruiti indicati nella tabella 1. Il rapporto di collegamento più elevata si osserva con l'impostazione G & B di 300 & 500.

caratteristiche di flusso Euleriani possono essere raggiunti da griglia di interpolazione, che imita 3D velocimetria immagine di particelle (3D-PIV). È importante notare che a causa delle particelle relativamente basse rilevate ad ogni volta, un numero significativamente maggiore di fotogrammi sono necessari per qualità PIV veramente mimico per una descrizione Eulerian. Questo è più critico nella stima delle statistiche di ordine superiore (ad esempio, intensità di turbolenza e sollecitazioni Reynolds). La velocità streamwise al centro del getto per i vari livelli di G & B è illustrata nella Figura 8. Le misurazioni vengono confrontati con la Theoretcomportamento iCal:

Equazione 3

dove U 0 (x) è la velocità streamwise al centro jet, B ≈ 6 è una costante, ed x 0 è l'origine virtual 38. La figura mostra l'importanza di impostare i livelli di G & B. La figura 9 illustra la distribuzione velocità media dei getti in x / d h = 16 piano.

Infine, la distribuzione spettrale φ (f) dei moti velocità streamwise in posizioni larga scala r / d h = 0, 0,6, e 1 nel x / d h = 10 piano è illustrato in Figura 10. Un filtro passa-basso Butterworth è stato applicato alla serie temporali velocitycon frequenza di taglio, f c = 200 Hz.

Figura 1
Figura 1:. Schema del set-up sperimentale Cliccate qui per vedere una versione più grande di questa figura.

figura 2
Figura 2:. Set-up sperimentale Questo illustra vari punti di vista della fotocamera e le quattro-immagine Vista splitter, il volume flume e gli interrogatori: (in alto a sinistra) vista dall'alto, (in basso a sinistra) vista posteriore del sistema splitter fotocamera e vista, ( Medio alto, al centro in basso) vista laterale sul set-up sperimentale generale, (a destra) zoom-in vista delle particelle di semina nei flussi d'acqua. <a href = "https://www.jove.com/files/ftp_upload/53745/53745fig2large.jpg" target = "_ blank"> Clicca qui per vedere una versione più grande di questa figura.

Figura 3
Figura 3: Calibrazione:. (A) di calibrazione, (b) Immagine-set del target di calibrazione dal splitter vista, (c) il riconoscimento 3D dei punti di riferimento della calibrazione Si prega di cliccare qui per vedere una versione più grande di questa figura.

Figura 4
Figura 4: Selected traiettorie delle particelle a r/d h = 0, 1. 5, 3. Clicca qui per vedere una versione più grande di questa figura.

Figura 5
Figura 5:. Traiettorie delle particelle che attraversano il x / d h = 16 piano, in cui la velocità è mostrato come un livello di colore Il volume di interrogazione illustrata nella figura è contenuta tra (x) /d h Figura 1 (14.5,18.5), y/d h Figura 1 (-2,2), E z/d h.jpg "/> (- 2,2), dove (x, y, z) = (0, 0, 0) si trova al centro di origine jet La velocità lungo le traiettorie individuali, normalizzata per la velocità bulk. U 0, è illustrato come un livello di colore. clicca qui per vedere una versione più grande di questa figura.

Figura 6
Figura 6:. (A) traiettoria delle particelle, (b) di spostamento, (c) la velocità, e (d) l'accelerazione di una particella arbitraria Cliccate qui per vedere una versione più grande di questa figura.

Figura 7 /> Figura 7: curvatura delle particelle: il grafico mostra la curvatura media delle particelle in funzione della distanza radiale dal nucleo jet gli aerei x/d h = 16 e x/d h = 17. Clicca qui per vedere una versione più grande di questa figura.

Figura 8
Figura 8: velocità Streamwise al centro del getto all'interno di (x) /d h Figura 1 (15, 18) per i vari livelli di G & B. Tre livelli di G & B sono inclusi (300 e 500 (ottimale), 300 e 250, 100 e 250).745fig8large.jpg "target =" _ blank "> Clicca qui per vedere una versione più grande di questa figura.

Figura 9
Figura 9:. La distribuzione non-dimensionale del componente di velocità streamwise in x / d h = 16 Si prega di cliccare qui per vedere una versione più grande di questa figura.

Figura 10
Figura 10: Potenza spettro φ (f) del componente di velocità streamwise in un punto situato a r / d h = 0 (core jet), 0. 6, e 1 in x / d h = 16 piano. Fai clic qui per vedere una versione più grande di questa figura.

Video 1
Video 1: Esempi di video del flusso del getto dal splitter quattro-view, 10 volte più lento di velocità reale ottenuta a 550 fps ( tasto destro del mouse per scaricare ).

Tabella 1

Tgrado 1:. Il rapporto tra particelle legati al resto 3 particelle D-ricostruito a vari livelli G e B Tre livelli G e B sono inclusi (100 e 250, 300 e 250, 300 e 500).

Subscription Required. Please recommend JoVE to your librarian.

Discussion

3D-PTV ha un grande potenziale di svelare il complesso di fisica di una varietà di flussi turbolenti, come su larga scala moti turbolenti nella bassa atmosfera 25, la distribuzione dell'aria interna 26, o dei flussi di pulsatile in topologia aortica 28 tra molti altri. Tuttavia, una comprensione dei suoi vantaggi e limitazioni nonché esperienza è essenziale per massimizzare il suo potenziale. Tentativi ed errori test preliminari e iterazioni esaustivi per le impostazioni ottimali, tra cui frame rate, fonte di illuminazione, il livello di G & B e il metodo di immagine-filtraggio, sono direttamente correlati con la capacità di ricostruire i percorsi di Lagrange di una serie di (ad esempio, tracciante) particelle. È importante notare che i passi protocollo critici, come dimostrato qui, sono le regolazioni dei livelli G e B e l'illuminazione del FOV (combinazione di alogeni macchie luci, lente e specchio riflettente dal fondo della canaletta).

ent "> Queste regolazioni consentono di ottimizzare le diffonde la luce entro l'indagine ai quattro punti di vista. Dopo aver identificato le impostazioni sperimentali per misure ad alta fedeltà, la modifica approfondita e la risoluzione dei problemi devono essere effettuate per calcolare il numero massimo di traiettorie precise in base al frame rate , risoluzione della fotocamera e la dimensione del volume di ricerca. Anche se il numero di particelle catturate può essere aumentato con frame rate più elevati, è degno di nota che il numero di particelle cingolati in 3D-PTV è molto più basso rispetto a PIV. la più grande potenzialità del 3D -PTV è in sua capacità unica di descrivere i percorsi di Lagrange di più particelle. in questa dimostrazione, il set-up di vista splitter è stato implementato per evitare la utilizzano più telecamere espansiva, tuttavia, è importante notare che questo set-caso richiede una camera higher risoluzione e limita la dimensione del volume del campione.

In questo studio, le caratteristiche intermedia di campo di un getto circolare sono analeyzed con la tecnica 3D-PTV. L'approccio ha permesso di ottenere importanti caratteristiche del flusso da Euleriani e lagrangiani cornici. In particolare, la curvatura medio delle particelle in funzione della distanza radiale si caratterizza per la prima volta, in due piani trasversali utilizzando le funzioni Lagrangiane delle traiettorie delle particelle. I RMS dei bersagli di calibrazione riconosciuti varia tra 7,3 micron, a 141,7 micron nelle direzioni streamwise e dell'apertura alare. Sebbene questo alto errore relativo nella direzione dell'apertura alare causa di piccoli angoli delle viste in direzione z non possono essere completamente superato, può essere ulteriormente ridotta aggiungendo più punti di destinazione in direzione z come l'utilizzo di un profilo di calibrazione 2D alle varie posizioni (calibrazione multiplane).

Nel complesso, 3D-PTV è una tecnica utile che può essere applicata in un certo numero di altri problemi compreso flussi dipendenti dal tempo o le dinamiche di scalari attivi. Per esempio, può essere molto utile per Study l'interazione tra turbolenza e le specie in ambienti acquatici.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Gli autori dichiarano di non avere alcun interesse finanziario in competizione.

Acknowledgements

Questo lavoro è stato sostenuto dal Dipartimento di Scienze Ingegneria Meccanica e, University of Illinois a Urbana-Champaign, come parte del pacchetto di start-up di 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