基于深度学习的液相流粒子图像测速估计

作     者：毕晓君 何明洁 于长东 范毅伟 BI Xiaojun;HE Mingjie;YU Changdong;FAN Yiwei

作者机构：中央民族大学信息与工程学院北京100081 哈尔滨工程大学信息与通信工程学院黑龙江哈尔滨150001 哈尔滨工程大学船舶工程学院黑龙江哈尔滨150001 

出 版 物：《哈尔滨工程大学学报》 (Journal of Harbin Engineering University)

年 卷 期：2023年第44卷第4期

页      面：622-630页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081203[工学-计算机应用技术] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(62236011) 

主　　题：粒子图像测速 深度学习 卷积神经网络 光流 运动估计 单相流 两相流 物体入水 

摘      要：为了提高粒子图像测速算法的精度以及在不同流体场景下的泛化性能,本文提出一种改进的深度学习模型PIV-RAFT-2P,可同时用于单相流和物体入水两相流的液相速度场估计。针对粒子图像和光流数据集图像数据的不同特点,对光流循环全对场变换模型进行了改进;自主构建相应的单相流和两相流粒子图像测速数据集,用于模型参数的训练和优化。最后通过在数据集和真实粒子图像上对提出的方法进行验证。研究表明:本文提出的模型在单相流和物体入水两相流粒子图像测速估计上都取得了高精度的估计结果,具有较强的泛化性。同时,该模型具有参数量少、推理速度快的计算效率优势。