空气动力学实验方法：激光多普勒测速(LDV)与粒子图像测速(PIV)的比较.pdf

空气动力学实验方法：激光多普勒测速(LDV)与粒子图像测

速(PIV)的比较

1空气动力学实验基础

1.1实验方法概述

空气动力学实验是研究流体与物体相互作用的科学，其核心在于理解流体

流动的特性以及流体对物体产生的力。实验方法在空气动力学研究中扮演着至

关重要的角色，它们能够提供直观的流场可视化和精确的流体速度测量，从而

帮助研究人员深入理解流动现象。在众多实验方法中，激光多普勒测速（Laser

DopplerVelocimetry,LDV）和粒子图像测速（ParticleImageVelocimetry,PIV）是

两种广泛使用的流体速度测量技术。

1.1.1激光多普勒测速（LDV）

LDV是一种基于多普勒效应的非接触式流体速度测量技术。它通过向流体

中发射激光束，激光束与流体中的粒子相互作用，产生多普勒频移，从而计算

出粒子的速度。LDV能够提供单点高精度的速度测量，适用于需要高时间分辨

率和高精度速度数据的实验。

1.1.1.1原理

LDV系统通常由激光源、光学系统、检测器和数据处理系统组成。激光源

发射的激光束被光学系统聚焦并导向流体中的粒子。当激光束与粒子相互作用

时，粒子散射的光会产生多普勒频移，频移的大小与粒子的速度成正比。检测

器捕获散射光，并将其转换为电信号。数据处理系统分析电信号，计算出粒子

的速度。

1.1.2粒子图像测速（PIV）

PIV是一种基于图像处理的流体速度测量技术。它通过在流体中引入示踪粒

子，并使用高速相机捕捉粒子在流场中的运动图像，然后通过图像处理算法分

析粒子的位移，从而计算出流体的速度场。PIV能够提供二维或三维的流体速度

分布，适用于需要了解流场整体结构的实验。

1.1.2.1原理

PIV系统包括粒子生成、照明、成像和图像处理四个主要部分。粒子生成是

将示踪粒子引入流体中，以便于成像。照明通常使用激光片光源，照亮流体中

1

的粒子。成像使用高速相机捕捉粒子的图像。图像处理是PIV的核心，它通过

分析连续图像中粒子的位移，计算出流体的速度场。

1.2流体速度测量的重要性

流体速度测量在空气动力学实验中至关重要，它能够提供流体流动的详细

信息，包括速度大小、方向和分布。这些数据对于理解流体动力学现象、验证

理论模型和设计流体动力学设备具有重要意义。例如，在飞机设计中，精确的

流体速度测量可以帮助工程师优化翼型设计，减少阻力，提高飞行效率。

1.2.1应用实例

假设我们正在研究一个风洞实验，目标是测量翼型周围的流体速度分布。

使用PIV技术，我们可以在翼型周围引入示踪粒子，并使用高速相机捕捉粒子

的图像。通过图像处理算法，我们可以分析粒子的位移，从而计算出翼型周围

的速度场。这有助于我们理解翼型的气动特性，如升力和阻力的产生机制。

1.2.2数据分析

在PIV实验中，图像处理算法是关键。以下是一个简单的PIV图像处理算

法示例，用于计算粒子的位移：

importnumpyasnp

importcv2

#加载连续的两帧图像

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

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

#使用OpenCV的光流算法计算粒子位移

flow=cv2.calcOpticalFlowFarneback(frame1,frame2,None,0.5,3,15,3,5,1.2,0)

#计算平均位移

avg_displacement=np.mean(np.sqrt(flow[...,0]**2+flow[...,1]**2))

#输出平均位移

print(f平均位移:{avg_displacement})

在这个示例中，我们使用了OpenCV库中的calcOpticalFlowFarneback函数

来计算两帧图像之间的光流，从而得到粒子的位移。flow数组包含了每个像素

的位移向量，我们通过计算位移向量的模长并求平均值，得到了平均位移。

通过比较LDV和PIV的测量结果，我们可以更全面地理解流体流动的特性，

为流体动力学研究提供更丰富的数据支持。

2

2激光多普勒测速(LDV)原理与应用

2.1LDV的工作原理

激光多普勒