利用相关矩(MC)平面进行粒子图像测速(PIV)不确定度量化
流体动力学
2018-05-01 v1 数据分析、统计与概率
摘要
我们提出了一种新的粒子图像测速(PIV)不确定度估计方法，该方法将相关平面作为位移概率密度函数(PDF)的模型，并计算相关的二阶矩(MC)。粒子图像模式之间的互相关是所有粒子匹配项与表观粒子图像直径卷积后的求和。MC利用这一性质，根据互相关平面的形状来估计PIV的不确定度。在这种新方法中，通过去除粒子直径的贡献来获得对应于PIV测量的广义互相关(GCC)平面。GCC主峰表示位移PDF的离散化，通过将GCC平面与高斯函数卷积可从中获得标准不确定度。随后对峰值区域应用高斯最小二乘拟合，以考虑由局部速度梯度引起的峰值拉伸和旋转，以及卷积高斯函数的影响。使用模拟图像集对MC方法进行了测试，预测的不确定度对误差源表现出良好的灵敏度，且与预期的RMS误差一致。随后，该方法在三个PIV挑战案例和两个实验数据集中进行了演示，并与已发表的图像匹配(IM)和互相关统计(CS)技术进行了比较。结果表明，MC方法对RMS误差的空间变化具有更好的响应，且预测的不确定度与预期的标准不确定度吻合良好。还探讨了不确定度预测作为PIV判读窗口大小的函数，MC方法优于其他不确定度方法。
引用
@article{arxiv.1804.10854,
title = {Particle Image Velocimetry (PIV) Uncertainty Quantification Using Moment of Correlation (MC) Plane},
author = {Sayantan Bhattacharya and John J. Charonko and Pavlos P. Vlachos},
journal= {arXiv preprint arXiv:1804.10854},
year = {2018}
}