[发明专利]一种基于深度学习的流体密度场生成方法和装置

说明书

本发明公开了一种基于深度学习的流体密度场生成方法和装置。构建均匀密度场和非均匀密度场；分别模拟穿过背景图案的光线在均匀密度场和非均匀密度场的折射光路，在不同相机位置采集图像组成图像集，以图像集作为输入，以非均匀密度场作为标签，组成训练样本；不同情况下不断重复上述步骤构建训练数据集；建立和训练计算密度场的神经网络；对待测背景图像输入神经网络模型获得最终结果。本发明利用了背景图案和三维密度场的双重信息得到结果，精度高，分辨率高，能有效的消除噪音的影响，算法鲁棒性强，并解决了神经网络训练过程中训练数据量不足的问题。

技术领域

本发明涉及流体实验的流动测量与显示领域的一种流体数据处理方法和装置，特别涉及一种基于深度学习的流体密度场生成方法与装置。

背景技术

目前，用于密度场测量的技术主要包括：纹影法、阴影法、干涉法三种技术手段。

阴影法记录的是偏折位置差，反应的是折射率梯度的变化，即折射率的二阶导数，阴影法常用于密度梯度变化很大的地方，适合大尺度，相对的材料要求较低，成本最低。

纹影法记录的是偏折角度差，反应的是折射率的梯度，即折射率的一阶导数。纹影系统相对来说布置比较简单，对环境震动不太敏感，成本较低，并且有比较精确的结果。

干涉法记录的是光波相位差，反应的是折射率本身，干涉系统通常对环境震动比较敏感，安装复杂，可以提供定量信息，但是成本较高，只能测量较小的物体。

近年来，Meier GEA等人将流场测量的粒子图像测速技术（PIV）纹影技术结合起来创造了一种流场测量的全新技术——背景纹影(Background Oriented Schlieren，BOS)，它结合PIV的粒子示踪、粒子图像处理和传统纹影技术的基本原理，可以像PIV一样进行较大视场的流场测量，但是又不需要使用传统纹影技术中的大量精密的光学仪器，能更好的满足实际需要。

背景纹影技术测量系统如图1和图2所示，测量系统主要包括LED阵列光源，背景图案，CCD相机、被测流场4个部分，图1中的被测流场由相同大小的黑点组成，表示密度均匀的流场，图2中的被测流场由大小不同的黑点组成，表示存在密度不均的流场。测量时打开背投式LED阵列光源对背景图案板进行均匀照明，首先如图1所示关闭火焰灯使得测量区域空气密度保持均匀，通过CCD相机拍摄光线穿过没有密度梯度的测量流场的背景图案，然后如图2所示打开火焰，由于火焰的加热，测量区域的空气密度发生畸变，产生密度梯度并通过CCD相机拍摄光线穿过有密度梯度的测量流场的背景图案。根据光的折射规律可知，当一束光线入射进一种存在折射率梯度的介质时，光线会向着折射率偏大的方向进行偏转，由格拉斯通－戴尔定律可知，气体折射率与密度的关系可用下式表示：

(n-1)/𝜌= 𝐾_𝐺−𝐷

式中，𝑛为气体折射率，𝜌为气体密度，𝐾_𝐺−𝐷 为格拉斯通－戴尔常数。

当光线在非均匀介质中传输时，根据费马原理，如果光线偏移量远远小于流场宽度，则有：

∂n/∂x=C·∆𝑥(x,y)

∂n/∂y=C·∆y(x,y)

其中，𝐶为常数，与实验配置相关；∆𝑥、∆𝑦为测量获得的不同方向的斑点位移量，该偏移量可利用PIV测速技术中的互相关算法从上述测量过程中拍摄的两种背景图案中获得，x和y表示二维图像的两个坐标，图像的横向是x坐标，竖直方向是y坐标。

对整个位移矢量场的ｘ和ｙ方向求偏导，则可获得如下的泊松方程：

∇²n = ∂²n/∂x²+∂²n/∂y²=C· (∂∆𝑥/∂x+∂∆y /∂y)