空气动力学实验方法：粒子图像测速(PIV)：PIV实验设备与系统搭建.docxVIP

PAGE1

PAGE1

空气动力学实验方法：粒子图像测速(PIV)：PIV实验设备与系统搭建

1空气动力学与PIV简介

1.1PIV技术的基本原理

粒子图像测速（ParticleImageVelocimetry，简称PIV）是一种非接触式的流场测量技术，广泛应用于空气动力学、流体力学等领域。PIV技术通过在流体中添加示踪粒子，并使用激光照射流场，使粒子在流场中形成图像，通过对比连续两帧图像中粒子的位置变化，计算出流场的速度分布。

1.1.1工作流程

粒子添加：在流体中添加足够小且密度接近流体的示踪粒子，确保粒子能够跟随流体运动。

激光照射：使用激光器产生短暂的光脉冲，照亮流场中的粒子，形成粒子图像。

图像采集：通过高速相机捕捉连续两帧的粒子图像。

图像处理：对两帧图像进行处理，识别粒子位置并计算位移。

速度计算：根据粒子的位移和时间间隔，计算出流场的速度矢量。

1.1.2图像处理算法

PIV的图像处理算法通常包括以下几个步骤：

图像预处理：包括图像去噪、增强对比度等，以提高粒子识别的准确性。

粒子识别：使用图像处理技术，如边缘检测、阈值分割等，识别图像中的粒子。

粒子位移计算：通过相关性分析，计算两帧图像中粒子的位移。

速度矢量计算：根据位移和时间间隔，计算出速度矢量。

1.2空气动力学实验的重要性

空气动力学实验是研究流体与物体相互作用的关键手段，特别是在航空航天、汽车设计、风力发电等领域。通过实验，可以直观地观察和测量流体的流动特性，验证理论模型，优化设计，提高性能。

1.2.1实验目的

流场可视化：通过PIV等技术，可视化流体的流动，帮助理解复杂的流动现象。

性能评估：评估飞机翼型、汽车外形等在不同气流条件下的性能，如升力、阻力等。

设计优化：基于实验数据，优化设计，减少阻力，提高效率。

理论验证：验证空气动力学理论模型的准确性，为模型的改进提供依据。

1.2.2实验设备

PIV实验通常需要以下设备：

激光器：产生短暂的光脉冲，照亮流场中的粒子。

高速相机：捕捉连续两帧的粒子图像。

图像处理系统：包括计算机和PIV分析软件，用于处理图像，计算速度矢量。

示踪粒子：添加到流体中，用于跟踪流体运动。

风洞或流动装置：提供稳定的流场环境。

1.2.3示例：PIV图像处理

假设我们有两帧PIV图像，我们使用Python的OpenCV库进行粒子位移的计算。

importcv2

importnumpyasnp

#读取两帧图像

img1=cv2.imread(frame1.jpg,0)

img2=cv2.imread(frame2.jpg,0)

#使用FAST特征检测器找到关键点

fast=cv2.FastFeatureDetector_create()

kp1=fast.detect(img1,None)

kp2=fast.detect(img2,None)

#计算关键点描述符

brief=cv2.xfeatures2d.BriefDescriptorExtractor_create()

kp1,des1=pute(img1,kp1)

kp2,des2=pute(img2,kp2)

#使用FLANN匹配关键点

FLANN_INDEX_LSH=6

index_params=dict(algorithm=FLANN_INDEX_LSH,

table_number=6,#12

key_size=12,#20

multi_probe_level=1)#2

search_params=dict(checks=50)

flann=cv2.FlannBasedMatcher(index_params,search_params)

matches=flann.knnMatch(des1,des2,k=2)

#应用比率测试

good=[]

form,ninmatches:

ifm.distance0.7*n.distance:

good.append(m)

#计算位移

src_pts=np.float32([kp1[m.queryIdx].ptformingood]).reshape(-1,1,2)

dst_pts=np.float32([kp2[m.trainIdx].ptformingood]).reshape(-1,1,2)

M,mask=cv2.findHomography(s