空气动力学实验方法：粒子图像测速(PIV)：原理与应用.pdf

空气动力学实验方法：粒子图像测速(PIV)：原理与应用

1引言

1.1PIV技术的历史背景

粒子图像测速（ParticleImageVelocimetry，简称PIV）技术是一种非接触式

的流场测量方法，它能够提供流体流动的瞬时速度场信息。PIV技术的起源可以

追溯到20世纪70年代，最初是由德国的H.R.Kähler和美国的A.J.Meinhart等

人独立发展起来的。然而，直到80年代末和90年代初，随着激光技术、高速

摄影技术和图像处理技术的迅速发展，PIV技术才真正开始在流体力学领域得到

广泛应用。

PIV技术的发展历程中，经历了从单点测量到二维、三维测量的转变，从低

速流到高速流的拓展，以及从实验室应用到工业现场应用的推广。随着计算机

技术的不断进步，PIV技术的处理速度和精度也在不断提高，使其成为现代流体

力学研究中不可或缺的工具之一。

1.2PIV在空气动力学中的重要性

在空气动力学领域，PIV技术的应用极为广泛。它能够帮助研究人员和工程

师们直观地观察和分析流体在不同条件下的流动特性，如涡流结构、边界层分

离、流动稳定性等。PIV技术在风洞实验、飞机翼型设计、汽车空气动力学优化、

涡轮机内部流动分析等方面都发挥着重要作用。

通过PIV技术，可以获取流体流动的详细信息，包括速度、加速度、涡度、

应变率等，这些信息对于理解流体动力学现象、验证理论模型、优化设计等都

至关重要。例如，在飞机翼型设计中，PIV技术可以用来研究翼型周围的流场分

布，分析翼型的升力和阻力特性，从而指导翼型的优化设计，提高飞机的飞行

性能。

1.2.1示例：PIV数据处理

假设我们有一组PIV实验数据，包含了一系列流体流动的图像，接下来我

们将使用Python的OpenPIV库来处理这些数据，提取流场的速度信息。

#导入必要的库

importopenpiv.tools

importopenpiv.pyprocess

importnumpyasnp

importmatplotlib.pyplotasplt

#设置PIV参数

frame_a=openpiv.tools.imread(path/to/frame_a.png)

1

frame_b=openpiv.tools.imread(path/to/frame_b.png)

window_size=32

overlap=16

search_size=64

dt=0.02#时间间隔，单位：秒

#进行PIV分析

u,v,sig2noise=openpiv.pyprocess.extended_search_area_piv(frame_a.astype(32),

frame_b.astype(32),

window_size=window_size,

overlap=overlap,

dt=dt,

search_area_size=search_size,

sig2noise_method=peak2peak)

#绘制速度矢量图

x,y=openpiv.pyprocess.get_coordinates(image_size=frame_a.shape,window_size=window_siz

e,overlap=overlap)

plt.figure(figsize=(10,10))

plt.quiver(x,y,u,v)

plt.title(PIV速度矢量图)

plt.xlabel(x)

plt.ylabel(y)

plt.show()

在这个示例中，我们首先导入了OpenPIV库以及处理图像和绘图所需的其

他库。然后，我们设置了PIV分析的参数，包括窗口大小、重叠量、有哪些信誉好的足球投注网站区域

大小以及时间间隔。接着，使用extended_search_area_piv函数对两帧图像进行

PIV分析，得到速度分量u和v。最后，我们使用matplotlib库