Développement de la PIV tomographique pour l’étude d’écoulements turbulents - Archive ouverte HAL Access content directly
Theses Year : 2016

Development of tomographic PIV for the study of turbulent flows

Développement de la PIV tomographique pour l’étude d’écoulements turbulents

Adam Cheminet
  • Function : Author
  • PersonId : 962882

Abstract

This research dissertation focuses on the developments of tomographic PIV (tomo-PIV) for the measurement of turbulent flows (Elsinga et al. 2006). It is based on the tomographic reconstruction of a volumic intensity distribution of tracer particles from projections recorded on cameras. Its main limitation is the appearance of ghost particles, ie reconstruction noise, which occurs when high tracer concentrations are required for high spatial resolution measurements. A study on the imaging conditions for tomo-PIV led us to propose an alternative approach to classical tomographic reconstruction: Particle Volume Reconstruction (PVR). PVR underlies a more physical, sparse representation of point particles, which lives halfway between infinitely small particles, and voxel blobs commonly used in tomo-PIV, which smoothed, can be used in 3D-PIV. Numerical simulations showed that PVRSMART outperforms tomo-SMART (Atkinson et al. 2009) especially in the case of seeding density greater than 0.06 ppp. We introduce a cross-correlation technique for 3D-PIV (FOLKI-3D) as an extension to 3D of the FOLKI-PIV algorithm (Champagnat et al. 2011). Numerical simulations of tomographic reconstruction characterized the robustness of the algorithm to specific tomographic noise. FOLKI-3D was found more robust to coherent ghosts than standard deformation algorithms. Experimental validation of PVR-SMART was performed on a turbulent air jet. Several seeding density conditions were used to compare the performance of tomo-SMART and PVRSMART on the near field region of the jet. With the given image pre-processing, PVR-SMART was found to yield velocity fields that are 50 % less noisy than tomo-SMART.
Cette thèse porte sur le développement de la PIV tomographique pour la mesure d’écoulements turbulents. Elle se fonde sur la reconstruction tomographique d’une distribution volumique d’intensité de particules, à partir de projections enregistrées par des caméras. La principale difficulté est le bruit dit tomographique (particules fantômes) qui croît exponentiellement avec la forte densité de traceur, requise pour obtenir une résolution spatiale fine de la mesure. Une étude sur les conditions optiques nous a permis de proposer une approche alternative à la reconstruction tomographique classique : Reconstruction Volumique de Particules (PVR). Des simulations numériques ont montré qu’utiliser PVR-SMART permettait des gains de performance par rapport à un algorithme classique comme tomo-SMART (Atkinson 2009). L’aspect vélocimétrie par corrélation de la méthode a aussi été pris en compte avec une extension à la 3D (FOLKI-3D) de l’algorithme FOLKI-PIV (Champagnat et al. 2011). Des simulations numériques de reconstruction tomographique ont permis de caractériser la robustesse de l’algorithme au bruit spécifique de la tomographie. Nous avons montré que FOLKI-3D était plus robuste aux particules fantômes cohérentes que les algorithmes classiques de déformation volumique. L’application de PVR-SMART sur des données expérimentales a été effectuée sur un jet d’air turbulent. Différentes densités de particules ont été utilisées pour comparer les performances de PVR-SMART avec tomo-SMART sur la région proche buse du jet. Nous montrons que les champs de vitesse de PVR-SMART sont près de 50 % moins bruités que ceux de tomo-SMART.
Fichier principal
Vignette du fichier
DAFE17002.1483526215.pdf (25.41 Mo) Télécharger le fichier

Dates and versions

tel-01455219 , version 1 (03-02-2017)
tel-01455219 , version 2 (21-03-2017)

Identifiers

  • HAL Id : tel-01455219 , version 1

Cite

Adam Cheminet. Développement de la PIV tomographique pour l’étude d’écoulements turbulents. Mécanique des fluides [physics.class-ph]. Université Paris-Saclay, 2016. Français. ⟨NNT : 2016SACLX020⟩. ⟨tel-01455219v1⟩
660 View
222 Download

Share

Gmail Facebook X LinkedIn More