0 Товар(ов) - 0.00 USD
Корзина товаров В корзину

Категории товаров

Измерение механики потоков. PIV, PTV, DIC, LDV, LDA

Компания MicroVec успешно поставляет системы PIV, PTV, DIC и LDV более чем 200 компаниям по всему миру, включая США, Австралию, Новую Зеландию, Швейцарию, Испанию, Польшу, Сингапур, Корею, Китай, Индию, Малайзию, Индонезию, Пакистан, Объединенные Арабские Эмираты и т. д. Системы с инновационными и запатентованными технологиями, повышенным уровнем сложности, включая новейшие методы, такие как Pressure PIV, Tomographic PIV, Light Field PIV и AI PIV. MicroVec предлагает системы PIV по самым низким ценам.

Microvec Pte. Ltd. предлагает комплексные системы измерения скорости изображения частиц (PIV), скорости отслеживания частиц (PTV), цифровой корреляции изображений (DIC) и лазерные доплеровские измерители скорости (LDV). Системы PIV, PTV и DIC разработаны специалистами Microvec и использованы собственные запатентованные технологии, также в системах применены разработки немецкой компании PIVTEC GmbH. Системы LDV поставляются компанией Measurement Science Enterprise Inc. из Пасадены, Калифорния.

Искусственный интеллект в Велосиметрии изображения частиц (PIV)

Первая статья, в которой использовался термин «велосиметрия по изображению частиц» (PIV), была опубликована в 1984 году. С тех пор PIV стал стандартным методом измерения потока. Техника осталась практически неизменной за последние 35 лет. Непрерывные лазеры или специальные двух импульсные лазеры, также известные как PIV лазеры, используются для генерации лазерных световых лучей со специальной оптикой. Световой лист освещает плоскость, которая делает видимыми частицы-индикаторов, следующие за потоком. Свет рассеивается частицами, и камера делает снимок, мгновенно делая снимок потока (рис. 1). Сделав второе изображение вскоре после этого, можно увидеть смещение частиц между этими двумя изображениями. Затем, применяя алгоритм взаимной корреляции, векторы скорости могут быть вычислены, чтобы найти направление и скорость потока. Когда анализ всего изображения завершен, можно визуализировать и проанализировать результирующее поле скорости, поле завихренности и многие другие характеристики потока. 

11097 6

Фото 1. Типичная система PIV, показывающая исследование потока за хвостовой частью модели самолета. Предоставлено компанией Microvec Pte. Ltd.

Лазеры являются ключевыми компонентами в измерениях PIV, поскольку они обеспечивают когерентное освещение высокой интенсивности. Различные лазеры были разработаны специально, чтобы помочь PIV добиться лучших результатов. Чаще всего используются лазеры на Nd: YAG (иттрий-алюминиевый гранат, легированный неодимом) (532 нм) с двойными генераторами, способными генерировать два импульса с очень короткими временными интервалами, вплоть до наносекунд. Они имеют уровни энергии от 50 до 500 мДж. Чем выше уровень энергии, тем большую площадь или объем плоскости может осветить лазер, что дает исследователям возможность измерять большие потоки.

Другой распространенный тип PIV-лазера — это Nd: YLF (фторид иттрия-лития, легированный неодимом) (527 нм), используемый в основном с высокими частотами и измерениями с временным разрешением, которые генерируют импульсы с частотой до 10 кГц. Эти длины волн соответствуют максимальной квантовой эффективности ПЗС- или КМОП-датчиков, используемых в цифровых камерах.

До недавнего времени PIV использовала традиционный метод захвата пары изображений, которая показывала частицы, рассеивающие свет, а затем использовала алгоритмы взаимной корреляции для анализа смещения частиц на основе двух изображений. Эти вычисления обычно выполняется на сетке с окнами размером 64 × 64, 32 × 32 или 16 × 16 пикселей в случаях 2D PIV, чтобы вычислить вектор средней скорости для частиц в окнах. Чем меньше размер окна, тем выше разрешение потока (рисунок 2). Однако слишком маленькое окно будет содержать меньше частиц, что приведет к трудностям в сопоставлении пар частиц и увеличит погрешность измерения. Это становится очевидным ограничением пространственного разрешения в традиционных методах измерения PIV. Любая информация, связанная с мелкомасштабными структурами потока, остается необнаруженной.

Рису

11097 5

Рисунок 2. Векторные поля скорости с областями опроса 64 × 64, 32 × 32 и 16 × 16 пикселей. Предоставлено компанией Microvec Pte. Ltd.

Традиционный способ определить или предсказать поток информации между частицами - выполнить интерполяцию с использованием математических подходов, поскольку этот метод может получить больше векторов скорости. К сожалению, интерполированные векторы обычно нефизичны, то есть они не удовлетворяют определяющим уравнениям потоков и не представляют физический механизм потоков. Однако новый метод PIV искусственного интеллекта (AI), который использует глубокое обучение и сверточные нейронные сети, обещает снять это ограничение, создав поля вектора скорости с разрешением до 1 пикселя. Это значительно улучшает пространственное разрешение и может стать прорывным методом, который изменит способ измерения потоков в исследованиях механики жидкости. Благодаря использованию глубокого обучения AI PIV может достигать сверхвысокого разрешения обработки изображений. Методика сможет предсказывать неопределенные потоки небольшого масштаба путем изучения физической механики с помощью процедур обучения на основе большого набора данных потоков, которые строго удовлетворяют основным уравнениям механики жидкости (рис. 3).

11097 4

Рисунок 3. Принцип глубокой нейронной сети для PIV. Предоставлено компанией Microvec Pte. Ltd.

Основная идея заключается в разработке оценщика глубокого обучения для движения жидкости. Сверточная нейронная сеть, работает как функция сопоставления изображений с движением. Ее ввод такой же, как и в традиционном PIV - например, с использованием двух последовательных изображений для получения выходного поля скорости. Результатом является глубокая нейронная сеть (DNN) для PIV, которая может точно и эффективно предоставлять поля скорости с одним вектором для одного пикселя.

Принцип проектирования основан на вычислении оптического потока, которое затем объединяется с процессами глубокого обучения для создания средства оценки движения глубокого обучения. Вычисление оптического потока основано на оптимизации целевой функции и обеспечивает плотное поле движения для всего изображения в отличие от разреженного поля движения, полученного с помощью традиционной PIV. Сами по себе вычисления оптического потока обычно занимают много времени и чувствительны к шуму; поэтому становится сложно получить точные результаты с реальными изображениями PIV.

Чтобы точно сопоставить изображения с соответствующим движением в соответствии с законами, регулирующими механику жидкости, основные движения жидкости моделируются путем решения основных уравнений с использованием вычислительной гидродинамики (CFD). Набор данных изображений синтетических частиц на основе этих движений потока создается в качестве обучающих данных. Эта информация затем используется для обучения сетей.

Поскольку результаты сгенерированных результатов являются надежными и точными на основе решения определяющих уравнений, синтетические изображения используются для создания наборов данных. Каждый отдельный элемент данных содержит пару изображений (вход) и поле истинной скорости (выход) (рисунок 4). На шагах 1 и 2 создается изображение частицы и картина движения потока. На шаге 3 положения частиц симметрично смещаются за счет движения потока, чтобы создать пару изображений и найти истинный теоретический результат.

11097 3

Рисунок 4. Принцип генерации набора данных для обучения глубокой нейронной сети. Предоставлено компанией Microvec Pte. Ltd.

При создании этих изображений синтетических частиц необходимо соблюдать общие правила. Каждую частицу можно описать двумерной функцией Гаусса. Параметры, определяющие изображение, включают распределение частиц, а также диаметр, плотность посева и пиковую интенсивность. Эти факторы выбираются случайным образом в подходящем диапазоне для создания уникального изображения частицы, которое имитирует реальные изображения PIV. Чтобы обеспечить максимально возможное разнообразие обучающего набора данных, используются различные схемы потока. К ним относятся ламинарные и турбулентные потоки с различной скоростью. Типичные потоки включают: обтекание цилиндров, сфер и других объектов; обратные шагающие потоки; струйные течения; следовые потоки; ограниченная стенками турбулентность; и однородная изотропная турбулентность. В настоящее время существуют десятки тысяч комбинаций пар изображений с точными результатами. Со временем будет добавлено больше комбинаций, чтобы результаты были более точными и надежными.

Чтобы сделать набор данных более точным, в обучающие изображения частиц добавляются различные типы шумов изображения, чтобы моделировать реальные экспериментальные условия, связанные с лазерным освещением. Также рассматриваются особые условия получения изображений PIV, в том числе проблема смещения из плоскости, отражение лазера от стены и движущееся поле границы потока.

Обученное DNN программное обеспечение AI PIV, используемое на искусственных данных, было успешно применено к реальным экспериментам и их изображениям. В примере показаны результаты измерения струйного потока, который может образовывать типичные типы потоков и структуры, общие в механике жидкости, такие как области высокоскоростного потока, сдвиговые потоки с сильным градиентом скорости и сложные вихри с масштабами различной длины. Традиционное программное обеспечение PIV, основанное на алгоритмах взаимной корреляции, использовалось для вычисления результатов с сеткой 32 × 32 пикселя (рис. 5), а программное обеспечение AI PIV использовалось для расчета результатов (рис. 6) без ограничения сетки. Темные области на изображениях образованы всеми векторами, отображаемыми на изображении. Оба результата похожи в большом масштабе; однако, поскольку плотное поле скорости, полученное в AI PIV, содержит более подробную информацию вплоть до уровня одного пикселя, результаты более плавные и показывают новый уровень детализации. Можно обнаружить неразрешенную небольшую вихревую структуру (рис. 8). Ранее он был невидим на рисунке 7 из-за ограничений пространственного разрешения традиционного программного обеспечения PIV. Значительно улучшена точность как скорости, так и градиента скорости, что будет способствовать изучению турбулентных потоков в энергетическом спектре.

11097 2

Рисунок 5. Результат взаимной корреляции PIV. Предоставлено компанией Microvec Pte. Ltd.

11097 1

Рисунок 6. Результат взаимной корреляции AI PIV. Предоставлено компанией Microvec Pte. Ltd.

Это только начало. Внедрение нейронных сетей в механику жидкости будет продолжать развиваться и улучшаться. К набору обучающих данных будут добавлены тысячи других изображений, чтобы сделать это решение AI (нейронная сеть) более точным и еще более способным получать результаты из экспериментальных потоков. Помимо технологического прорыва, реальные приложения в академических исследованиях и промышленном проектировании продуктов, обрабатывающих эти потоки, откроют новые возможности - от области авиации, разрабатывающей более аэродинамические самолеты, до областей машиностроения и гражданского строительства, обеспечивающих эффективный и энергосберегающий поток воды и снижение сопротивления в нефтепроводах, в области медицины и гемодинамики для оценки кровотока для выявления ранних признаков сердечного приступа. Способность лучше понимать потоки с беспрецедентным разрешением и большей точностью может изменить область гидродинамики.

11097

Рисунок 7. Подробный результат кросс-корреляции PIV. Предоставлено компанией Microvec Pte. Ltd.

11097 7

Рисунок 8. Подробный результат AI PIV. Предоставлено компанией Microvec Pte. Ltd.

Статья подготовлена: Войцех Маевски - управляющий директор Microvec Pte. Ltd.

 

Сортировка:
orderby
Количество:
Производитель:
от
USD
До
USD
Отзывов (0)
По запросу
Производитель: Measurement Science Enterprise, Inc., США
Срок поставки: 90 дней
Отзывов (0)
По запросу
Производитель: Measurement Science Enterprise, Inc., США
Срок поставки: 90 дней
Отзывов (0)
По запросу
Производитель: Measurement Science Enterprise, Inc., США
Срок поставки: 90 дней
Отзывов (0)
По запросу
Производитель: Measurement Science Enterprise, Inc., США
Срок поставки: 90 дней
Отзывов (0)
По запросу
Производитель: Measurement Science Enterprise, Inc., США
Срок поставки: 90 дней
Отзывов (0)
По запросу
Производитель: Measurement Science Enterprise, Inc., США
Срок поставки: 90 дней
Отзывов (0)
По запросу
Производитель: Measurement Science Enterprise, Inc., США
Срок поставки: 90 дней
Отзывов (0)
По запросу
Производитель: Measurement Science Enterprise, Inc., США
Срок поставки: 90 дней
Copyright MAXXmarketing GmbH
JoomShopping Download & Support

Высокое качество оказываемых услуг и минимальные сроки доставки лазеров, оптики и оптомеханики достигается за счет собственной логистики на всех участках доставки товара, осуществление таможенного оформления собственными силами, финансовой прозрачности внешнеторговых операций, отсутствия посредников в цепи поставки, контроля сроков изготовления и доставки лазерных и оптических систем и их элементов.

Будьте с нами на связи