Summary

Tridimensional Velocímetro de Partículas de Rastreamento for Applications Turbulência: Case de um fluxo de Jet

Published: February 27, 2016
doi:

Summary

Um sistema tridimensional de rastreamento de partículas velocimetria (3D-PTV) com base em uma câmara de alta velocidade com um divisor de quatro ponto de vista é descrito aqui. A técnica é aplicada a um fluxo de jacto a partir de um tubo circular na vizinhança de dez diâmetros jusante no número de Reynolds Re ≈ 7000.

Abstract

3D-PTV é uma técnica de medição de fluxo quantitativa que tem como objetivo rastrear os caminhos de Lagrange de um conjunto de partículas em três dimensões usando a gravação estereoscópica de sequências de imagens. A base componentes, características, limitações e dicas de otimização de uma topologia de 3D-PTV consistindo de uma câmera de alta velocidade com um divisor de quatro-view são descritas e discutidas neste artigo. A técnica é aplicada ao campo de fluxo de intermediário (5 <x / d <25) de um jacto circular em Re ≈ 7000. características de fluxo de Lagrange e quantidades de turbulência em um quadro Eulerian são estimados em cerca de dez diâmetros a jusante da origem de jato e em várias distâncias radiais do núcleo do jato. Propriedades de Lagrange incluem trajectória, velocidade e aceleração de partículas seleccionadas, assim como a curvatura do trajecto de escoamento, os quais são obtidos a partir da equação de Frenet-Serret. Estimativa da velocidade e turbulência campos 3D em torno do eixo central do jato em um cross-plano situado às dezdiâmetros de jusante do jacto é comparada com a literatura, e o espectro de energia dos movimentos de velocidade streamwise grande escala é obtida a diferentes distâncias radiais do núcleo do jacto.

Introduction

fluxos de jato de turbulência são onipresentes em aplicações de engenharia. caracterização detalhada de tais fluxos é crucial para um amplo espectro de problemas práticos que vão desde sistemas de descarga ambiental em grande escala para dispositivos micro-escala eletrônica. Por causa do seu impacto num número de aplicações gerais, os fluxos de jacto têm sido estudadas em profundidade 1-4. Várias técnicas experimentais, incluindo anemometria hotwire 4-8, Laser Doppler velocimetria (LDV) 4, 9-12, e Velocimetry Imagem de Partículas (PIV) 12-16, têm sido utilizados para caracterizar jet flui em uma ampla gama de números de Reynolds e de fronteira condições. Recentemente, alguns estudos foram feitos usando 3D-PTV para estudar a interface turbulenta / não-turbulento de jet flui 17, 18. 3D-PTV é uma técnica especialmente adequado para descrever complexo fi turbulentocampos de uma perspectiva diferente. Ele permite a reconstrução de trajetórias de partículas dentro de um volume em um quadro de Lagrange de referência utilizando multi-view estereoscopia. A técnica foi introduzida pela primeira vez por Chang 19 e desenvolvidos pela Racca e Dewey 20. Desde então, muitas melhorias foram feitas no algoritmo 3D-PTV e configuração experimental 21-24. Com estas realizações e trabalhos anteriores, o sistema foi utilizado com sucesso para estudar vários fenômenos fluidos como movimento fluido em larga escala em um domínio de 4 mx 2 mx 2 m 25, campo de fluxo de ar interior 26, pulsátil fluxos 27 e sangue da aorta fluxo 28 .

O princípio de funcionamento de uma medição 3D-PTV consiste no sistema de aquisição de dados set-up, a gravação / pré-processamento, calibração, correspondências 3D, acompanhamento temporal e pós-processamento. Uma calibração precisa permite uma detecção exacta da posição da partículas. A correspondência das partículas detectadas em mais de três pontos de vista de imagem permite a reconstrução de uma posição de partículas 3D baseada na geometria epipolar. Uma ligação a partir de quadros de imagem consecutivos resultar em um acompanhamento temporal que define as trajectórias das partículas s (t). Otimização do sistema 3D-PTV é essencial para maximizar a probabilidade de rastreabilidade multi-partículas.

Primeira etapa da otimização é a aquisição de um sistema de aquisição de dados adequada, incluindo câmeras de alta velocidade, fonte de iluminação e características de partículas de nucleação. A resolução da câmara, juntamente com o tamanho do volume de interrogação define o tamanho do pixel e, por conseguinte, o tamanho de partícula de semeadura necessária, o que deve ser maior do que um único pixel. Os centroids de partículas detectadas são estimados com precisão sub-pixel, tomando a posição média de pixels de partículas ponderados pelo brilho 21. taxa de quadros da câmera está intimamente ASSOCIATed com o número de Reynolds e a capacidade de ligar partículas detectadas. Uma taxa de fotogramas mais elevada permite resolver flui mais rápido ou um maior número de partículas uma vez que o rastreamento torna-se mais difícil quando o deslocamento entre as imagens for superior significa a separação média das partículas.

A velocidade do obturador, abertura e sensibilidade são três factores a considerar na captura de imagem. A velocidade do obturador deve ser rápido o suficiente para minimizar o desfoque em torno de uma partícula, que reduz a incerteza da posição de partículas centróide. Abertura A câmara deve ser ajustado para a profundidade de campo do volume de interrogação para reduzir a probabilidade de detecção de partículas fora do volume. Uma vez que a sensibilidade máxima de uma câmera é fixa, como taxa de quadros aumenta, a luz necessária necessária para iluminar as partículas deve aumentar em conformidade. Ao contrário de PIV, configurações ópticas complexas e lasers de alta potência não são estritamente necessárias em 3D-PTV, desde que a fonte de luz é suficientemente fezestered das partículas marcadoras para a câmara. Contínuas LED ou lâmpadas halógenas são boas opções rentáveis ​​que ignoram a necessidade de sincronização 21.

Em 3D-PTV, assim como outras técnicas de medição de fluxo óptico, a velocidade do traçador de partículas é assumida como sendo a velocidade do fluido instantânea locais 29. No entanto, este é apenas o caso de rastreadores ideais de diâmetro nula e inércia; partículas tracer deve ser grande o suficiente para ser capturado por uma câmera. A fidelidade de uma partícula finito pode ser determinada pelo número de Stokes S T, ou seja a razão entre a escala de tempo de relaxamento de partículas e a escala de tempo das estruturas turbulentas de interesse. Em geral, S t deve ser substancialmente menor do que 1. Para S t ≤0.1 erros de rastreamento de fluxo são inferiores a 1% 30. Em profundidade discussão pode ser encontrada em Mei et al 29-31. </sup>. tamanho de partícula recomendado para uma experiência 3D-PTV varia dependendo da fonte de luz e a sensibilidade da câmara. Com halogéneo ou LEDs como fontes de iluminação, as partículas relativamente grandes são utilizados (por exemplo, 50-200 um) 32, enquanto que as partículas mais pequenas (por exemplo, 1-50 mm) 33, 34 pode ser usado com um laser de alta potência (por exemplo, 80-100 Watts do laser CW). As partículas com alta refletividade para um determinado comprimento de onda de luz, como a prata revestida sob a luz de halogéneo, pode amplificar a sua marca em uma imagem. A densidade de semeadura é outro parâmetro importante para uma medição bem sucedida 3D-PTV. Algumas partículas resultar em baixo número de trajetórias, enquanto que um número excessivo de partículas causam ambiguidades no estabelecimento de correspondências e rastreamento. Ambiguidades no estabelecimento de correspondências incluem partículas que se sobrepõem e detectar vários candidatos ao longo da linha epipolar definido. No processo de acompanhamento, a ambiguidade devido a uma alta seedin g é a densidade ocorreu por causa da separação média de partículas relativamente curto.

O segundo passo é configurações ideais em / de pré-processamento de gravação para melhorar a qualidade da imagem. ajustes fotográficos, tais como ganho e nível de preto (G & B), desempenham um papel importante na otimização da qualidade da imagem. nível de preto define o nível de brilho na parte mais escura de uma imagem, enquanto o ganho amplifica o brilho de uma imagem. Pequenas variações dos níveis de G & B pode impactar significativamente a probabilidade de rastreabilidade. Na verdade, a alta G & B pode over-iluminar uma imagem e, eventualmente, danificar o sensor da câmera. Para ilustrar isso, o impacto de G & B níveis sobre a reconstrução do fluxo é também examinado neste artigo. No passo de pré-processamento, as imagens são filtrados com um filtro passa-alto para enfatizar a dispersão de luz a partir de partículas. O tamanho do pixel e escala de cinza são ajustados para maximizar a detecção de partículas dentro do volume interrogatório.

t "> Terceira etapa de optimização é uma calibração precisa da formação de imagem estereoscópica, a qual é baseada na geometria epipolar, os parâmetros da câmara (distância focal, ponto de princípio, e coeficientes de distorção), e alterações de índice de refracção. Este processo é essencial para minimizar a 3D erro de reconstrução dos pontos alvo fiduciais. geometria epipolar usa distâncias relativas (entre a câmera eo volume de interrogatório) e ângulo inclinado a partir da imagem alvo. alterações de índice de refração ao longo da vista da câmara através do volume interrogatório pode ser tomado em consideração com base no procedimento de Massa et ai. 21. Nesta experiência, uma estrutura de escada semelhante 3D com pontos distribuídos regularmente alvo é usado como um alvo.

Em uma experiência 3D-PTV, embora apenas duas imagens são necessários para determinar uma posição de partículas 3D, normalmente mais câmeras são usadas para reduzir ambigüidades 21. Uma alternativa para configurações de caras com várias câmeras de alta velocidade é a vidivisor EW, proposto por Hoyer et ai. 35 para a utilização de 3D-PTV e recentemente aplicado por Gulean et al. 28, para as aplicações biomédicas. O divisor de vista consiste em um espelho em forma de pirâmide (espelho hereon primário) e quatro espelhos ajustáveis ​​(Hereon espelho secundário). Neste trabalho, um divisor de quatro vista e uma única câmara foram usadas para imitar a imagem estereoscópica de quatro câmeras. O sistema é usado para caracterizar o campo de fluxo intermédio de um tubo de jacto com um diâmetro, d h = 1 cm e Re ≈ 7000 a partir de um de Lagrange e euleriana armações em cerca de 14,5-18,5 diâmetros a jusante do jacto de origem.

Protocol

1. Segurança Lab Rever as diretrizes de segurança da fonte de iluminação selecionado (por exemplo, a laser, LED industrial, de halogéneo). Nota: neste experimento, um conjunto de cinco 250 holofotes de halogéneo Watts são usados ​​como iluminação. aspectos básicos de segurança e recomendação para essa fonte de luz são descritas a seguir. Evitar o contacto directo com lâmpadas halógenas, que operam a altas temperaturas (~ temperatura de 3.000 K de cor). Ma…

Representative Results

Uma fotografia e uma representação esquemática da configuração são mostrados nas Figuras 1 e 2. O destino de calibragem, os pontos de referência refletido na visão-splitter e reconstrução de calibração 3D está ilustrada na Figura 3. Os RMS dos alvos de calibração reconhecidos é de 7,3 mm, 5,7 mm e 141,7 mm na x streamwise, spanwise y, e z profundidade direções. O parente mais elevados R…

Discussion

3D-PTV tem um grande potencial para desvendar a complexa física de uma variedade de fluxos turbulentos, tais como movimentos turbulentos em grande escala na atmosfera inferior 25, a distribuição do ar interior 26 ou fluxos pulsátil em topologia aórtica 28, entre muitos outros. No entanto, a compreensão de suas vantagens e limitações, bem como a experiência é essencial para maximizar o seu potencial. Experimentação e testes preliminares erro e iterações exaustivos para…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Este trabalho foi financiado pelo Departamento de Ciência e Engenharia Mecânica, Universidade de Illinois em Urbana-Champaign, como parte do pacote de start-up de Leonardo P. Chamorro.

Materials

ImageOps CAMMC4082 High-speed camera
ImageOps FBD-4XCXP6 Frame Grabber
Potters Industries LLC AG-SL150-30-TRD Seeding Paritcles
Upstate Technical Equipment CO.,INC MISNOR-STP-6-S-CL Camera appliation
Photrack AG Customized part and necessary if performing 3D-PTV with one camera
General Electrics  23719 Light source
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).

References

  1. Wygnanski, I., Fiedler, H. . Some measurements in the self preserving jet. , (1968).
  2. Rajaratnam, N. . Turbulent jets. , (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. Liepmann, D., Gharib, M. The role of streamwise vorticity in the near-field entrainment of round jets. J Fluid Mech. 245, 643-668 (1992).
  10. 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).
  11. 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).
  12. 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).
  13. 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).
  14. 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).
  15. 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).
  16. 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).
  17. 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).
  18. Racca, R., Dewey, J. A method for automatic particle tracking in a three-dimensional flow field. Exp Fluids. 6, 25-32 (1988).
  19. Maas, H. G., Gruen, D., Papantoniou, D. Particle tracking velocimetry in three-dimensional flows. Exp Fluids. 15, 133-146 (1993).
  20. 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).
  21. Virant, M., Dracos, T. 3D PTV and its application on Lagrangian motion. Meas Sci Technol. 8, 1539 (1997).
  22. Willneff, J. . A spatio-temporal matching algorithm for 3 D particle tracking velocimetry. , (2003).
  23. 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).
  24. Fu, S., Biwole, P. H., Mathis, C. Particle Tracking Velocimetry for indoor airflow field: A review. Build Environ. 87, 34-44 (2015).
  25. Kolaas, J., Jensen, A., Mielnik, M. Visualization and measurements of flows in micro silicon Y-channels. Eur Phys J E. 36, 1-11 (2013).
  26. Gülan, U., et al. Experimental study of aortic flow in the ascending aortavia Particle Tracking Velocimetry. Exp Fluids. 53, 1469-1485 (2012).
  27. Mei, R. Velocity fidelity of flow tracer particles. Exp Fluids. 22, 1-13 (1996).
  28. Tropea, C., Yarin, A. L., Foss, J. F. . Springer handbook of experimental fluid mechanics. 1, (2007).
  29. Melling, A. Tracer particles and seeding for particle image velocimetry. Meas Sci Technol. 8, 1406 (1997).
  30. 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).
  31. Biferale, L., et al. Lagrangian structure functions in turbulence: A quantitative comparison between experiment and direct numerical simulation. Phys Fluids. 20, 065103 (2008).
  32. Lüthi, B., Tsinober, A., Kinzelbach, W. Lagrangian measurement of vorticity dynamics in turbulent flow. J Fluid mech. 528, 87-118 (2005).
  33. Hoyer, K., et al. 3d scanning particle tracking velocimetry. Exp Fluids. 39, 923-934 (2005).
  34. Kim, J. -. T. . Three-dimensional particle tracking velocimetry for turbulence applications. , (2015).
  35. Lüthi, B. Some aspects of strain, vorticity and material element dynamics as measured with 3D particle tracking velocimetry in a turbulent flow. ETH Zürich. , (2002).
  36. Pope, S. B. . Turbulent flows. , (2000).
check_url/kr/53745?article_type=t

Play Video

Cite This Article
Kim, J., 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).

View Video