【摘 要】
:
风洞油膜试验是在风洞试验中采集飞行器试验模型物面荧光油膜流动的时序图像,基于光流法测得试验模型绕流的物面速度场,并将其可视化,为“物面流动分离的位置、分离方式以及漩涡形成机理”等基础研究提供测试手段,为先进飞行器的气动布局设计、飞行力学特性分析提供依据。现有光流法采用了类雅克比的矩阵分割迭代形式,计算复杂度大、收敛速度慢、耗时长,加之,油膜流动的时序图像数据量巨大,故现有光流法尚难在生产型风洞的荧
【基金项目】
:
国家自然科学基金(基金号11872069与基金号12002357);
论文部分内容阅读
风洞油膜试验是在风洞试验中采集飞行器试验模型物面荧光油膜流动的时序图像,基于光流法测得试验模型绕流的物面速度场,并将其可视化,为“物面流动分离的位置、分离方式以及漩涡形成机理”等基础研究提供测试手段,为先进飞行器的气动布局设计、飞行力学特性分析提供依据。现有光流法采用了类雅克比的矩阵分割迭代形式,计算复杂度大、收敛速度慢、耗时长,加之,油膜流动的时序图像数据量巨大,故现有光流法尚难在生产型风洞的荧光油膜试验现场实时测量并显示模型壁面流动过程,降低其工程应用的价值。为此,本文围绕“油膜实验的油流特性实时测量技术”展开研究:1、提出荧光油膜速度场的空间自适应共轭光流法,一方面在数值计算方式上,通过构造共轭迭代式,较现有光流法的雅可比矩阵分割迭代式有更高的计算效率。另一方面,借鉴金字塔思想,提出“荧光油膜图像进行空间的灰度梯度与速度场自适应降/升采样”方法,降低计算的复杂度。仿真实验表明:本文创建的空间自适应共轭光流法在给定收敛误差限下较现有光流法计算速度提升26.6%,有效提升了荧光油膜速度场的解算速度。2、提出空间自适应共轭光流法的GPU加速技术,将荧光油膜图像进行分块处理,分别创建其对应的光流并行计算方法与边界层填充方法。探究了数据块大小与拷贝性能的关系,充分利用GPU的并行架构优势,为实时定量观测试验模型物面荧光油膜运动路径速度场提供技术支持。GPU的并发数据流实验表明:流的并发数量与性能呈正相关但受限于硬件资源的限制,在可以独占GPU时并发量应尽可能的接近设备的拷贝引擎数量;速度场数值解算结果显示:本文提出的GPU加速技术在数值精度上与CPU相同,在全局迭代误差限1.0×10-6条件下,解算速度较CPU提升145.6~191.6倍。3、研究了自适应共轭迭代光流法的CPU/GPU架构,提出了油膜时序图像解算最大吞吐量的GPU线程最优分配方法、多GPU扩展及载荷优化方法、时序图像的数据传输设计方法,RTX 2080Ti显卡的实验结果表明:本文方法最大效率提升了32%,总体的效率提升大约在30%左右,由于数据拷贝阶段的优化使得在数据总线负载上限内,使得数据的拷贝不会对整个程序的运行造成太多的负面影响。4、设计并搭建了基于CPU-GPU异构架构的油膜实验的实时测量系统,CPU端实现参数设置、实验数据管理、图像及解算结果的显示等功能,GPU端实现光流法的并行加速对荧光油膜速度场的解算,多个试验(包括2个风洞试验)验证了本文方法:实现了荧光油膜速度场的实时解算及显示,实时处理速度最高达到3.2G/s;另一方面,测得了正确流动现象,并且给出了清晰的摩擦力线图谱,工程应用价值大。
其他文献
随着互联网的发展与大数据时代的到来,网络成为人们沟通的主要桥梁。图像作为信息的主要载体承载着各种各样的信息。这些信息中,有些是公开透明的,比如表情图片;有些是保密的,比如企业机密、军事机密等。随着数据的增多,经典计算机的加密效率显然无法满足需求,量子图像加密算法显现出优势。这些加密算法大多是基于几何变换或者是固定顺序的量子逻辑门运算,没有充分发挥量子计算的优势。在分析经典图像处理弊端、量子图像处理
府谷县作为我国最大的金属镁生产基地,采用皮江法炼镁过程中产生了大量的金属镁还原渣被堆存和填埋。通过对府谷县11家金属镁企业的镁渣堆场进行了土壤pH调查测试研究,发现镁渣长时间堆存对土壤pH值有一定的影响,渣场周边土壤pH碱化趋势明显,深层土壤碱化趋势高于表层土壤,重度碱化土壤所在位置与污染迁移途径明显相关。
视频测量(Videogrammertric Measurement,VM)是通过在被测物上粘贴人工特征点(一般采用回光标记点),再采集其图像解算出被测物坐标与外形的测量方法。仅需相机、标记点和光源等简单设备,即可实现三维坐标的非接触测量。典型的商用VM系统,如美国“V-STARS”和国内“XJTUDP测量系统”等,需采集大量的多视角/大重叠特征点图像,而基于大量特征点图像求解三维坐标十分耗时,成为
作为一种繁殖力极高的浮游生物,不受监测的水母爆发势必破坏海洋生物多样性,甚至严重危害人类的社会活动,如堵塞水电站取水系统,阻碍沿海旅游业的发展等。因此,开发一种水母爆发预警系统是发展智慧海洋的必然要求。是否能够准确并实时监测水母爆发是水母爆发预警系统的关键,但是由于水母生物习性和复杂的水下环境给水母监测带来很多挑战。本文以水母为研究对象,并基于深度学习技术研究高检测精度、快速的水母检测算法,为开发
轧机主传动系统是轧制过程的关键设备,近年来,随着轧制速度越来越高,轧机主传动系统的振动行为日趋明显,严重威胁设备安全和产品质量,对轧机主传动系统振动特性的研究对于指导工业生产非常重要。轧机主传动系统作为一个复杂的非线性甚至非光滑系统,它的运行过程会受到各种因素的综合作用。本文以轧机主传动系统为研究对象,结合机电耦合理论,建立含间隙和混合摩擦的轧机主传动机电耦合系统动力学模型,研究辊缝间摩擦系数变化
蛋白多肽药物具有良好的特异性和生物相容性,治疗效果较好。由于口服给药途径的患者顺应性和安全性更佳,蛋白多肽药物的口服递送已成为当前材料学与药剂学领域的研究热点之一。然而,口服生物大分子药物在胃肠道的稳定性及吸收程度却非常受限。脂质纳米载体能通过化学修饰、疏水离子配对等多种方式有效包载亲脂或亲水性蛋白多肽药物,同时经表面修饰后的脂质纳米载体能克服口服吸收的众多生理屏障,继而促进药物在混合胶束中溶解,
随着多智能体系统(Multi-Agent Systems,简称MAS)在工程中的广泛应用,一致性控制成为多智能体协同控制的热门领域。完全分布式是指在系统运行中的所有参数不包含对整个图的描述,即不包含全局信息。因事件触发在减少智能体间通信次数有着巨大的潜力,近五年间已有不少作者通过完全分布式事件触发控制实现了多智能体一致性,但是在这些论文中,无法给出智能体的最小内部事件时间(Minimum Inte
随着互联网时代的发展,网络和平台充斥着各种各样的文本信息,如何高效且智能地搭建文本信息的标签体系,成为这些年来主流的研究问题之一。多标签文本分类任务作为自然语言处理领域中一项经典的基础任务,其特有的属性常常表现在标签之间的共现性。因此多标签文本分类模型不仅存在如何更加高效地提取文本特征的问题,还存在如何合理地利用标签共现性的问题。本文基于深度学习模型对上述问题进行研究,主要分为两方面的工作:一方面
当深度学习算法被广泛应用在图像领域时,科技工作者们开始使用卷积神经网络来对农作物病害进行分类。但由于农作物病害图像类间差异不明显,许多网络模型并不能在农作物病害数据集上有良好表现;此外当网络层数构建的越深,网络参数越多越难以训练。因此本文从以上两个问题分别出发,一方面在卷积神经网络模型基础上进行改进,提升农作物病害图像分类精度;另一方面对轻量化模型结构进行研究,设计出一种适用于农作物病害图像分类的