论文部分内容阅读
粒子图像测速(Particle Image Velocimetry,PIV)是一种先进的非接触式瞬时全流场测量技术,它融合了计算机、光学及数字图像处理等学科,在流体力学、空气动力学等领域广泛应用。从信号处理角度来看,PIV技术主要包括流场图像采集、图像预处理、图像互相关分析及PIV后处理四部分。目前,PIV后处理部分仍是PIV研究热点。PIV速度场异常值识别与校正是PIV后处理的重要领域,而现有速度场异常值的识别与校正方法的稳健性较弱,严重影响PIV精度。因此,本文主要研究复杂流场的PIV速度场异常值的稳健识别与校正方法,提高PIV测量的可靠性。本文主要在以下几个方面开展研究工作:(1)分析了PIV速度场异常值的产生原因及对PIV测量精度的影响。首先介绍了几种常用的速度场异常值识别与校正方法,并通过实验对常用的PIV速度场异常值识别与校正方法进行了分析,指出了常用方法在计算精度和稳健性方面不足。(2)提出了基于空域符号变换的POD分解算法(SSCM-POD)和稳健的速度场异常值识别方法(MADN)。首先简单介绍了 POD-OC法的基本原理,并针对POD-OC法的插值精度和稳健性较低的问题,提出了 SSCM-POD算法。同时针对POD-OC法在识别时易出现错误识别和缺失识别情况,提出了 MADN算法。通过实测的湍流喷射流场数据验证了 SSCM-POD法可有效地降低噪声和异常值对低阶模态的影响。(3)提出了稳健的PIV速度场异常值识别与校正法(MPOD-OC)。MPOD-OC法是结合SSCM和MADN而提出的稳健PIV速度场异常值识别与校正方法,并以实测双涡流场数据作为测试数据,与几种常用PIV速度场异常值识别与校正方法比较分析,分析结果表明MPOD-OC提高了速度场异常值的插值精度,也提高了算法的稳健性和适用性。