—— 沿壁自适应网格变形算法与均匀网格的对比评估

关键词  PIV流场测量软件;近壁PIV测量;千眼狼RFlow软件;沿壁自适应网格变形算法;流体掩膜

一、实验摘要

使用千眼狼(Revealer)RFlow PIV流场测量软件处理近壁水流粒子图像,考察沿壁自适应网格变形算法在壁面邻近区域的网格布置及速度场输出,并与均匀网格处理结果进行比较。图像采集记录为1920×1080 px、800 fps,共8组,每组2400帧,采用二维两分量(2D2C)PIV数据处理,定量考核范围为距壁不超过16 px的近壁带,共12,286个同批考核点。

原对比图报告,相对同一参考场,均匀网格与RFlow软件处理结果的均方根偏差(RMSE)分别为3.243和0.590 px/frame,相对降低约81.8%。壁距分组统计显示,在较小壁距处,RFlow结果的绝对偏差中位数较低,四分位区间较窄。

结果说明,沿壁自适应网格变形能够使网格形态与测点位置适应壁面几何;在本次定量样本中,RFlow结果与参考场的一致性优于均匀网格结果。

二、实验背景

粒子图像测速(PIV)通过估计示踪粒子图像在帧对之间的位移,获得流场速度信息。靠近固体壁面时,查询窗口可能同时覆盖流体和固体区域,固体侧缺少有效粒子信号,壁面反射也可能干扰相关计算。窗口截断与速度梯度共同作用,还可能使有效测量位置偏离窗口几何中心。

对于均匀网格,固定的测点布置不一定适合壁面及拐角附近的几何条件。剔除跨入固体的窗口后,壁面邻近区域可能出现测点缺失。即使全场测点数量增加,近壁区域也未必获得合适的采样位置。

沿壁自适应网格变形算法依据已识别的壁面轮廓,调整网格形态与测点位置,使采样布置适应局部边界。其直接作用是改善网格与壁面的几何适配,不能仅以测点数量增加来解释,也不能将网格变形本身等同于有效空间分辨率提高。

本文分别考察壁面识别与网格布置、近壁速度矢量输出,以及两种处理方式在同一考核点集合上相对参考场的偏差。

三、实验设备与方法

3.1 测量布置与图像数据

实验素材为水流绕过固体表面的近壁粒子图像。激光片光形成测量平面,高速摄像机记录该平面内的示踪粒子分布;软件据图像帧对进行2D2C PIV处理,输出测量平面内的两个速度分量。

图1用于说明布置关系,不作为实际几何尺寸或空间标定比例的依据。

图1 2D2C PIV测量布置示意。

表1 图像数据与评价条件

3.2 定量案例与方法展示素材

曲面近壁考核点、速度散点和壁距统计图作为主要定量案例,RMSE及81.8%的相对降幅只归属于该考核点集合。另一组边界轮廓、网格和矢量图用于说明RFlow软件如何确定流体域并布置近壁采样点,不作为第二组定量验证。

表2 两组展示素材的用途与指标归属

两组素材不能拼接为同一工况的处理前后。采集记录中的8组数据与12,286个考核点也不属于同一统计概念:前者描述采集规模,后者描述评价集合。

3.3 沿壁自适应网格变形算法

RFlow软件首先识别固体边界,生成流体区域掩膜,为速度计算确定有效流体域。随后,沿壁自适应网格变形算法依据局部壁面轮廓,调整网格形态与测点位置,使壁面及拐角附近的采样布置与几何边界相适配。边界识别提供流体域的几何约束,网格变形调整采样位置。

图2展示了粒子图像中的壁面轮廓及相应网格分布。靠近边界的位置可观察到网格随壁面轮廓调整,为理解邻壁测点的空间位置提供依据。

图2 方法展示素材中的边界识别与网格分布。左图红线标示壁面轮廓;右图显示近壁与远场的采样间距差异。

3.4 比较方法与评价指标

定量比较采用同一近壁带内的同批考核点,两种处理结果均与同一参考场对应。距壁距离d以像素表示,速度统计保留px/frame。RMSE用于描述所选速度评价量与参考值之间的均方根偏差。

四、实验数据与测量结果解析

4.1 近壁网格与速度矢量

图3可见壁面下方及拐角附近的矢量位置,为观察局部速度变化提供了采样信息。该图用于展示RFlow软件的输出,未与独立的均匀网格矢量图组成同位置对照;两种方法的量化比较见后续统计。

图3 RFlow软件的近壁速度矢量展示,用途是观察采样位置与矢量分布。

4.2 同批考核点上的参考一致性

曲面近壁带内的考核点位置与速度散点关系见图4。RFlow点群整体更靠近1∶1参考线,均匀网格点群的离散范围更大。1∶1线表示输出速度大小与参考速度大小相等,用于观察两者的一致性。

图4 对应定量样本的近壁考核点与速度散点。图中真值即参考值。

表3 相对参考场的RMSE对比

该降幅说明,在本次考核点集合及参考场条件下,RFlow结果具有较低的均方根偏差。

4.3 偏差随壁距的分布

图5按离壁距离分组显示绝对偏差的中位数和25%—75%分位区间。较小壁距处,RFlow曲线低于均匀网格曲线,阴影带也更窄;随离壁距离增大,两种方法的偏差总体下降。这说明本例中的差异集中体现在壁面邻近区域。

图5 相对参考场的绝对偏差随壁距变化。实线为中位数,阴影为25%—75%分位区间。

五、实验结论

方法展示结果表明,千眼狼RFlow软件的沿壁自适应网格变形算法能够依据壁面轮廓调整网格形态与测点位置,为壁面及拐角邻近区域的速度分布观察提供采样信息。

另一个曲面定量案例中,在12,286个近壁考核点上,RMSE由3.243降至0.590 px/frame,相对降低约81.8%;壁距分组显示较小壁距处的绝对偏差中位数较低,四分位区间较窄。

千眼狼(Revealer)RFlow软件沿壁自适应网格变形算法有效改善固定网格与壁面几何之间的采样适配,使壁面及拐角附近的测点布置更贴合流体边界,为钝体绕流、边界层及分离流动中的近壁速度分布解析提供局部测量依据。