自适应PIV（Aaptive PIV) 分析方法

2014-12-03 LaVision 欧兰科技

迄今，PIV用户仍然需要具有相当丰富的知识和经验来选择最优化的数据记录（主要是粒子图像数据记录）

参数和恰当的数据分析处理参数，特别是相关运算的问询域尺度的设置。相关运算问询域尺度的设定是需要一定的技巧,

经验甚至是“艺术”的。因为在设置这一参数时，须在分析的自动化，精度和有效空间分辨率等“目标”之间进行必要的权衡和取舍。

此外，由于所观测流场各局部区域之间示踪粒子密度，图像质量和流动条件具有不可避免的差异和变化，

对流场采用全局统一单一的分析参数设置，将永远无法实现对整个流场各部分均有效的最优化。

LaVision公司最新的自适应PIV（Adaptive PIV）技术的推出，提供了一种根据流场在各个局域流动梯度

（“流动的自适应”）和图像质量（“信号的自适应”）全自动优化计算并设置局部相关运算问询域的尺寸

和形状的方法。这种技术极大地改善了PIV测量的精度和空间分辨率。尤其是对于像近壁面，

剪切流等流场梯度较大的区域。

优点和特长：

4 提高了分析处理的空间分辨率，精度和运算速度。

4 自动适应局部流动特点，全自动，无需人工干预地优化设置局部问询域尺寸和形状。 

4 控制图像的对焦，亮度，示踪粒子密度以及双帧曝光时间间隔dt

4 用户友好的交互界面: 参数自动设定优化，不用人工设定，定义。

LaVision的FlowMaster 系统能够不经过人工干预直接判定设置局域示踪粒子密度，

图像对比度/动态范围和最大位移量。在实验装置建立过程中为用户提供实时有效的反馈。

PIV测量所特有的也是最重要的拍摄记录参数-跨帧拍摄时间间隔可以自动优化设置。

问询域窗口尺寸和形状的优化：

用流动梯度的强度和反映示踪粒子密度，图像质量，离开平面运动的相关函数峰值强度

（不仅仅是峰值的位置）等这两类因素的组合来决定相关运算问询域的尺度。在梯度大的区域，

例如漩涡处，较小的问询域更为合适，而在粒子密度低并有较强的脱离测量平面运动分量的

情况下则需要设置更大的问询域。此外用加长的问询域窗口形状，使长轴垂直于局部流动

梯度最大的方向可以使相互垂直的两个方向中的一个方向上的空间分辨率增强，

同时保证在长轴方向上，粒子有足够大的位移像素数目，以保证速度矢量的测量精度。

这种处理方法对沿着流体具有强剪切流动的区域更为重要。在这些区域，问询域窗口

可以自动地被调整为沿着边界排列。当然，问询域窗口的尺寸和形状是完全自动选择设置的不需要低效，费时，繁琐的人工定义。

这种完全自动的，自适应的定义问询域的方法适用于各种流动对象。而那种人工定义问询域的方法，

当速度矢量场是非定常的（实事上这是流动的更一般的形态，定常流动只是一个理想化的状态。

任何流动都只可能是在一定范围内的近似定常流动，没有绝对的定常流动）时候将会失效。

因为流动结构特点在被测区域上的空间位置会随着时间变化，移动。为了适应多种流动特点，

问询域窗口尺寸的自动调整设置范围以及自适应程度均可由用户根据具体情况灵活地自行定义和设置。

采用自适应PIV分析和其它分析方法效果对比

自适应PIV优势特点的实例：采用更小的问询域和加长的窗口可以显著地降低测量误差。 

下组图显示了在一个典型的显微PIV实验中的应用效果。

组合相关: 左: 16 ov. 75% 中: 32 ov. 右: 自适应PIV 32 ov. 75% 

上图显示，自适应PIV，可以测量出用更小的16像素问询域才可测量出来的流动结构特点，

同时保留了在其它区域用32像素尺寸所能得到的精度。

参考文献：

1) WienekeB, Pfeiffer K, Adaptive PIV with variable interrogation window size and shape, 15thInt.Symp. 

Laser Appl Fl. Mech., Lisbon, Portugal, July 2010.

2) TheunissenR, Scarano F and Riethmuller ML, An adaptive sampling and windowing interrogationmethod in PIV,

 Meas.Sc.Techn., 18:275-287, 2007.

3) TheunissenR, Scarano F and Riethmuller ML, On improvement of PIV interrogation near stationaryinterfaces,

 Exp.Fluids, 45:557-572, 2008.

Theunissen R, Scarano F and Riethmuller ML, Spatially adaptive PIVinterrogation based on data ensemble, Exp.Fluids, 

48:875-887, 2010.