基于数字粒子图像处理的细水雾雾场速度测量.doc

范文最新推荐------------------------------------------------------1 / 20基于数字粒子图像处理的细水雾雾场速度测量摘要细水雾由于安全、灭火迅速、耗水量小等优点被作为卤代烷系列灭火剂的主要替代品，而对其特性参数的研究具有重要意义动量参数是其特性参数之一，因此本文对其速度场的测量进行了研究在全场测速技术中，DPIV 技术因其无干扰、瞬态、全场测量、实现成本低等特点已经成为一种极为重要的流场全场测速技术DPIV 算法主要有自相关和互相关两种算法本论文采用基于 FFT 的互相关算法，并通过 matlab7.7.0 实现该算法通过与改进的互相关算法进行比较，证明了该算法的优越性平移试验，旋转试验及亚像素拟合试验的结果进一步证明了该算法具有较好的准确度和精确度作者用此算法对细水雾雾场的速度进行了测量，通过对实验结果分析得出：当喷射压力越大时，雾滴的速度越大在通风条件下，喷射压力越大，雾场的雾化效果越好，雾滴的尺寸越小，雾滴速度受气流的影响越大当风速越大时，雾滴在水平方向的分速度越大，而在竖直方向的分速度基本不变，从而雾滴的总速度增加5937关键词细水雾 DPIV 速度测量示踪粒子毕业设计说明书（论文）外文摘要TitleVelocimetry Measurement of Water Mist Based onDigital Particle Image VelocimetryAbstractDue to security, quick fire suppression, less water usage in its merit, water mist is regard as the main alternatives to the Halon extinguishing agent. So the study on its characteristics parameter is significant. As the momentum parameter is one of the characteristics parameter, the mean of velocimetry measurement is studied in this paper. Digital Particle Image Velocimetry has become an extremely important measurement technology because of non-interference, instantaneous, low cost. The algorithm of ---------------------------------------------------------------范文最新推荐------------------------------------------------------3 / 20DPIV mainly includes autocorrelation and cross correlation. The paper selects cross-correlation algorithm based on FFT and realizes the algorithm by Matlab7.7.0. By comparing with improved algorithm, it is proved to be better. The results of translation test, rotation test and the sub-pixel fit test further show that the algorithm has good accuracy and precision. The author uses the algorithm to measure velocimetry of the water mist and analyzes the experimental data. The conclusion can be that: 2．5 亚像素拟合 82．6 数据后处理-误差矢量剔除 92．7 算法的计算机实现 93DPIV 系统 123．1 示踪粒子 12 3．2 光源系统 123．3 图像采集和处理系统 133．4 验证性实验 153.4.1 相关窗口大小和步长的确定 153.4.2 平移试验 203.4.3 旋转试验 223.4.4 亚像素拟合试验 244 细水雾雾场速度测量 254．1 实验装置 254．2 实验结果及讨论 254.2.1 喷射压力实验 25---------------------------------------------------------------范文最新推荐------------------------------------------------------5 / 204.2.2 通风实验 28结论 30致谢 31参 考 文 献 321．1 课题背景和意义通常将距喷头 1 米平面内 99%的雾滴滴径小于 1 毫米的水雾称为细水雾 [1]。

细水雾因其对环境无污染、对保护对象和现场人员安全、灭火迅速、耗水量小等优点被作为卤代烷系列灭火剂的主要替代品，因此关于细水雾速度分布等特性的实验测量及其对灭火机理的影响研究备受世界各国的重视[2]在细水雾的特性参数中包括了动量参数，它的大小决定了液滴的运动距离以及对火焰的穿透能力动量越大，液滴穿透火焰能力越强；若液滴动量不足，使得液滴无法穿透火焰，细水雾的灭火效果会很差此外，在微机械加工过程中热表面的雾滴蒸发冷却研究中，亦非常关心雾滴的速度分布等雾特性参数的试验测量问题[3,4]流场显示和测量问题由来已久流动现象是自然界中普遍存在的一种现象，这些现象存在于人类社会的各个学科、各个行业、各个领域、各个部门近代流体力学、空气动力学、水动力学、材料学、农林科学、气象学、燃烧学以及航空航天工程等都提出了一系列流动问题这些流动问题归纳起来有告诉流、低速流、燃烧流、湍流、多相流等这些流动现象中很多都是现代高新技术以及国防科技中存在的复杂流动特别是非定常流动、湍流等现象一直是流体力学研究中重要的研究课题及疑难问题如通过血液探索病理、飞行器模拟实验、大型水坝模型实验等，都离不开对流动的测量，而测量的主要参数就是流体运动的速度，因此测量流速是研究流动现象的必不可少也极为重要的环节。

早期的热线热膜流速计（简称 WFA）和激光多普勒测速技术(简称 LDV)是流体测量的有利手段，但其只能进行单点测量，无法实现全场测量全场测速技术是近代发展起来的一种跨学科的流场诊断技术，充分利用了激光技术、图像技术、计算机技术和近代光学技术的最新成果[5]全场测速技术包括激光散斑---------------------------------------------------------------范文最新推荐------------------------------------------------------7 / 20全场测速技术(Laser Speckle Velocimetry，简称 LSV) [6,7,8]、粒子跟踪测速技术(Particle Tracking Velocimetry，简称 PTV)、粒子图像测速技术 (Particle Image Velocimetry，简称 PIV)、数字粒子图像测速技术(Digital Particle Image Velocimetry，简称 DPIV)、全息粒子测速(Holographic Particle Velocimetry，简称HPV) [9]等。

表 1.1 列出了上述各种方法的特点在这些测量技术中，PIV 及由其演化而来的 DPIV 技术因其无干扰、瞬态、全场测量、实现成本低等特点而广受关注，目前已经成为一种极为重要的流场全场测速技术，并成为了现今流动测量技术研究的一大热点表 1.1 各种全场测速方法的比较方法测量维数处理算法方向二义性时/空分辨率实时性设备  PIV2D 自相关有高/高无复杂DPIV2D 互相关无中/中有简单HPV3D 自相关有高、低无复杂LSV3D 自相关有高/低无复杂PTV2D 轨迹法、拖尾法有低 /低无简单1．3 主要工作和研究内容作者首先进行细水雾雾场测量的数字图像处理方法筛选，研究 DPIV 测速技术的原理和算法，确定选用基于 FFT 的互相关算法以 Matlab7.7.0 为软件平台实现该算法，并通过平移试验、旋转试验、亚像素拟合试验分析、验证该算法的测量精度及准确性利用上述 DPIV 系统对细水雾雾场速度分布特性进行测量，并分析试验结果，讨论影响雾场速度的因素2DPIV 算法研究---------------------------------------------------------------范文最新推荐------------------------------------------------------9 / 202．1 基本原理DPIV 技术是拉格朗日法的具体体现，它的原理[25~26]较为简单：预先在流场中布撒一定浓度的合适的示踪粒子，用激光片光源照射所要研究的流场切面区域，同时在垂直于流场方向通过图像记录设备获得流场的时间序列图像，利用相关算法得到面内粒子的位移，根据已知时间间隔求得粒子的速度，即流体的速度（如图 2.1 所示） 。

DPIV 技术的计算公式是速度的原始定义:V=[S(t1)-S(t2)]/(t2-t1) DPIV 是通过测量粒子图像的位移∆X, ∆Y 来获得粒子的速度，因此位移必须足够小，使得∆X/∆t 是速度 u 的近似，∆Y/∆t 是速度 v 的近似，如图 2.2 所示： (2.2)2．3 基本的相关算法基本的相关算法的实现过程是：取相邻时刻的两帧图像，在第一帧中划分出适当大小的子窗口图像 f，称为参考窗口，并假设 f 内所有粒子的运动相同在第二帧中划分出相同大小的子图像 g，称为搜索窗口二者作互相关运算，得到一个相关测度在第二帧图像中移动 g 并分别和 f 作相关运算直至覆盖完第二帧图像找出上述测度中极值所对应的 f 和 g，它们被认为是最匹配的，即在 t1 时刻 f 的中心位置运动到了 t2 时刻 g 的中心位置，从而进一步计算出中心位置的速度该算法物理含义明了，实现简单，精确度高，可测速度的动态范围很大，但是显而易见运算量太大若图像大小为 512×512，查询窗口大小为 64×64，窗口偏移为 16×16，则运算次数的数量级为 O(1012) [29]。

模板匹配的“相似”性采用相关函数的值作为标准，其定义如下：(2.3)设第一、二幅图像的灰度函数分别为 F=f(m,n)|m=1…M,n=1…N，G=g(m,n)|---------------------------------------------------------------范文最新推荐------------------------------------------------------11 / 20m=1…M,n=1…N，在 F 中区查问窗口为Fw(x,y)={f(m,n)|m=x-wx/2…x+wx/2,n=y-wy/2…y+wy/2}(。