基于粒子图像叠加方法的微柱群绕流流场测量

发布时间：2019-08-13 11:32

【摘要】：分析了相关深度对Micro-PIV速度场测量的影响,说明采用低密度粒子图像叠加技术能够有效减小相关深度,提高速度测量的准确性。将该方法应用于微柱群绕流流场的分层测量,雷诺数分别取0.8~3.6,在此基础上计算了空间平均速度。将分层速度场和平均速度廓线与采用平均相关技术获得的结果进行了比较。结果表明,采用低密度粒子图像叠加方法获得的全场绕流速度分布更为合理,通道底部和顶部近壁区的平均"伪滑移速度"分别减小了22.7%和17.2%,通道中心平均速度峰值增加了5.2%。
【图文】：

粒子图像,微柱,速度场,测量结果

（ａ）低密度粒子图像（ｂ）１００幅图像叠加后的粒子图像（ｃ）速度剖面图４低密度粒子图像叠加方法计算速度场Ｆｉｇ．４Ｖｅｌｏｃｉｔｙｃａｌｃｕｌａｔｉｏｎｂｙｔｈｅｉｍａｇｅｏｖｅｒｌａｐｐｉｎｇ公司生产）与去离子水按１∶１００比例混合后由注射泵注入微通道。将通道由底部到顶部分为１２个流体层，利用三维坐标平台进行垂直方向的调节，间隔４μｍ。图５给出了典型低密度粒子的原始图像。图５微柱群粒子图像Ｆｉｇ．５Ｐａｒｔｉｃｌｅｉｍａｇｅｂｅｔｗｅｅｎｍｉｃｒｏ－ｃｙｌｉｎｄｅｒａｒｒａｙｓ２．２分层速度场测量结果以圆柱直径Ｄ为特征尺寸，以通道截面的平均速度Ｕ为特征速度，设定０．８～３．６等８个雷诺数，间隔为０．４，由此反算注射泵的输入流量Ｑ，如式（２）所示。Ｑ＝ＡνＤＲｅ（２）式中：Ａ为通道截面面积，ν为运动粘性系数，Ｄ为圆柱直径。对１２层流体平面的叠加图像进行互相关分析，得到由底面到顶面一组二维速度常同时为了评估低密度粒子图像叠加方法，开展了一组采用平均相关算法的实验，示踪粒子溶液与水的体积比为１∶１０。作为示例，图６和７分别给出了采用２种方法获得的底层、峰值速度层和顶层速度场测量结果（Ｒｅ＝０．４），其中图６为采用低密度粒子图像叠加方法的结果，图７为采用平均相关算法的结果。子图（ａ）～（ｃ）分别为底面、峰值速度平面及顶面速度场测量结果。测量结果显示，相比传统的平均相关算法，采用低密度粒子图像叠加方法所获速度场更合理。从顶面和底面的速度场，即对应子图（ａ）和（ｃ）的比较可

空间平均速度,廓线

间平均速度廓线。ｕ－ｋ＝１ＭＮ∑Ｍｉ＝１∑Ｎｊ＝１ｕｉｊｋ（ｘ，ｙ）（３）式中：ｕ－ｋ为第ｋ（ｋ＝１～１２）个流体层的空间平均速度；Ｍ和Ｎ分别为流向和展向的判读域总数；ｕｉｊｋ（ｘ，，ｙ）为第ｋ个流体层的流向速度分布函数，其中下标ｉ（ｉ＝１～Ｍ）和ｊ（ｊ＝１～Ｎ）分别表示判读域在流向和展向的编号。利用式（３）对所有８个雷诺数采用２种方法获得的空间平均速度进行比对。作为示例，图８给出了Ｒｅ数分别取１．２和２．０的结果，其他Ｒｅ数也有类似结果。图中，正方形点为采用平均相关方法的结果，圆点表示低密度图像叠加方法的结果。可以看到，两者都呈现“类抛物线”分布，但两者速度值存在明显差异。以近壁区和中间层为例进行说明：对于近壁区，虽然２个结果都存在“伪滑移速度”，但采用低密度粒子叠加方法得到的近壁区空间平均速度小于采用平均相关算法的结果，后者有更显著的“伪滑移速度”。值得说明的是，采用低密度粒子图像测速方法之所以也出现了“伪滑移速度”，其主要原因与壁面结构以及定位的精度有关，而非相关深度的影响。事实上，经过阈值过滤后，面外粒子图像已经基本被剔除，相关深度影响基本可以忽略。对于峰值速度，能够看到采用低密度粒子叠加方法所测速度值高于平均相关算法。以上结果与图１给出的分析是一致的。（ａ）Ｒｅ＝１．２（ｂ）Ｒｅ＝２．０图８空间平均速度廓线Ｆｉｇ．８Ｐｒｏｆｉｌｅｓｏｆｓｐａｔｉａｌａｖｅｒａｇｅｄｖｅｌｏｃｉｔｙ为了定量说明底面、顶面及峰值测量速度的差异，根据空间平均速度
【作者单位】：金陵科技学院机电工程学院;中国计量学院;
【基金】：国家自然科学基金(11472261,11172287) 金陵科技学院高层次人才启动项目(2016)
【分类号】：O357.5

【相似文献】