MLSPIV를 이용한 유속산정시 오차요인 규명 및 실내실험을 통한 유속산정오차 분석 Identification of Factors Affecting Errors of Velocity Calculation on Application of MLSPIV and Analysys of its Errors through Labortory Experiment원문보기
Large-Scale Particle Image Velocimetry (LSPIV)는 Particle Image Velocimetry (PIV)를 실험실내의 비교적 규모가 큰 흐름이나 하천에서의 표면유속장의 측정 등 넓은 영역에 적용할 수 있도록 확장시킨 것이다. LSPIV는 PIV의 구성요소를 포함하여 추적자 투하, 조명, 촬영, 이미지 변환, 이미지 처리 및 후처리의 여섯 단계로 구성된다. 본 연구에서는 LSPIV의 모바일 버전인 MLSPIV를 이용하여 하천에서의 유속측정시 각 단계별로 발생가능한 오차성분을 정의하였고, 기존의 연구 결과를 바탕으로 오차의 영향이 정량적으로 밝혀진 것을 정리하였다. 각 단계별로 오차 발생요인을 조사한 결과 27개의 성분오차성분을 파악하였다. 이중에서 5개의 오차요소는 기존에 연구가 진행되었고, 7개의 오차요소는 본 논문에서 적용시의 MLSPIV에는 그 효과가 미치지 않는 것으로 파악하였다. 나머지 15개의 오차성분 중 4가지 오차성분- 샘플링시간, 이미지 해상도, 추적자의 성질, 바람-에 대해서 유속산정시 미치는 영향을 파악하기 위하여 개수로 실험장치를 이용한 실내시험을 실시하였다. 이미지 프로세싱에 이용한 이미지수로부터 나타나는 유속계산 오차를 조사한 결과 이미지의 개수가 50매 이상인 경우는 이로 인한 오차가 1 % 이하로 감소함을 파악하였다. 촬영된 이미지의 해상도가 유속계산시 미치는 영향을 조사하기 위해 세 가지 이미지 해상도로 변화시키면서 유속측정 오차를 분석한 결과 저해상도의 이미지를 이용한 경우 고해상도 이미지를 이용한 경우와 비교하여 3 % 가량의 차이를 나타내었다. 추적자의 성질과 바람의 영향에 대해서는 흐름의 평균유속이 큰 경우에는 바람이 추적자에 마치는 영향이 현격히 줄어듬을 보이고 있다. 즉, 유속이 증가함에 따라 바람의 영향은 감소하나, 바람의 영향을 최소화시키기 위해서는 가급적 비중이 큰 물질(0.5
Large-Scale Particle Image Velocimetry (LSPIV)는 Particle Image Velocimetry (PIV)를 실험실내의 비교적 규모가 큰 흐름이나 하천에서의 표면유속장의 측정 등 넓은 영역에 적용할 수 있도록 확장시킨 것이다. LSPIV는 PIV의 구성요소를 포함하여 추적자 투하, 조명, 촬영, 이미지 변환, 이미지 처리 및 후처리의 여섯 단계로 구성된다. 본 연구에서는 LSPIV의 모바일 버전인 MLSPIV를 이용하여 하천에서의 유속측정시 각 단계별로 발생가능한 오차성분을 정의하였고, 기존의 연구 결과를 바탕으로 오차의 영향이 정량적으로 밝혀진 것을 정리하였다. 각 단계별로 오차 발생요인을 조사한 결과 27개의 성분오차성분을 파악하였다. 이중에서 5개의 오차요소는 기존에 연구가 진행되었고, 7개의 오차요소는 본 논문에서 적용시의 MLSPIV에는 그 효과가 미치지 않는 것으로 파악하였다. 나머지 15개의 오차성분 중 4가지 오차성분- 샘플링시간, 이미지 해상도, 추적자의 성질, 바람-에 대해서 유속산정시 미치는 영향을 파악하기 위하여 개수로 실험장치를 이용한 실내시험을 실시하였다. 이미지 프로세싱에 이용한 이미지수로부터 나타나는 유속계산 오차를 조사한 결과 이미지의 개수가 50매 이상인 경우는 이로 인한 오차가 1 % 이하로 감소함을 파악하였다. 촬영된 이미지의 해상도가 유속계산시 미치는 영향을 조사하기 위해 세 가지 이미지 해상도로 변화시키면서 유속측정 오차를 분석한 결과 저해상도의 이미지를 이용한 경우 고해상도 이미지를 이용한 경우와 비교하여 3 % 가량의 차이를 나타내었다. 추적자의 성질과 바람의 영향에 대해서는 흐름의 평균유속이 큰 경우에는 바람이 추적자에 마치는 영향이 현격히 줄어듬을 보이고 있다. 즉, 유속이 증가함에 따라 바람의 영향은 감소하나, 바람의 영향을 최소화시키기 위해서는 가급적 비중이 큰 물질(0.5
Large-Scale Particle Image Velocimetry (LSPIV) is an extension of particle image velocimetry (PIV) for measurement of flows spanning large areas in laboratory or field conditions. LSPIV is composed of six elements - seeding, illumination, recording, image transformation, image processing, postproces...
Large-Scale Particle Image Velocimetry (LSPIV) is an extension of particle image velocimetry (PIV) for measurement of flows spanning large areas in laboratory or field conditions. LSPIV is composed of six elements - seeding, illumination, recording, image transformation, image processing, postprocessing - based on PIV. Possible error elements at each step of Mobile LSPIV (MLSPIV), which is a mobile version of LSPIV, in field applications are identified and summarized the effect of the errors which were quantified in the previous studies. The total number of elemental errors is 27, and five error sources were evaluated previously, seven elemental errors are not effective to the current MLSPIV system. Among 15 elemental errors, four errors - sampling time, image resolution, tracer, and wind - are investigated through an experiment at a laboratory to figure out how those errors affect to velocity calculation. The analysis to figure out the effect of the number of images used for image processing on the velocity calculation error shows that if over 50 images or more are used, the error due to it goes below 1 %. The effect of the image resolution on velocity calculation was investigated through various image resolution using digital camera. Low resolution image set made 3 % of velocity calculation error comparing with high resolution image set as a reference. For the effect of tracers and wind, the wind effect on tracer is decreasing remarkably with increasing the flume bulk velocity. To minimize the velocity evaluation error due to wind, tracers with high specific gravity is favorable.
Large-Scale Particle Image Velocimetry (LSPIV) is an extension of particle image velocimetry (PIV) for measurement of flows spanning large areas in laboratory or field conditions. LSPIV is composed of six elements - seeding, illumination, recording, image transformation, image processing, postprocessing - based on PIV. Possible error elements at each step of Mobile LSPIV (MLSPIV), which is a mobile version of LSPIV, in field applications are identified and summarized the effect of the errors which were quantified in the previous studies. The total number of elemental errors is 27, and five error sources were evaluated previously, seven elemental errors are not effective to the current MLSPIV system. Among 15 elemental errors, four errors - sampling time, image resolution, tracer, and wind - are investigated through an experiment at a laboratory to figure out how those errors affect to velocity calculation. The analysis to figure out the effect of the number of images used for image processing on the velocity calculation error shows that if over 50 images or more are used, the error due to it goes below 1 %. The effect of the image resolution on velocity calculation was investigated through various image resolution using digital camera. Low resolution image set made 3 % of velocity calculation error comparing with high resolution image set as a reference. For the effect of tracers and wind, the wind effect on tracer is decreasing remarkably with increasing the flume bulk velocity. To minimize the velocity evaluation error due to wind, tracers with high specific gravity is favorable.
Large-Scale Particle Image Velocimetry (LSPIV)는 Particle Image Velocimetry (PIV)를 실험실내의 비교적 규모가 큰 흐름이나 하천에서의 표면유속장의 측정 등 넓은 영역에 적용할 수 있도록 확장시킨 것이다. LSPIV는 PIV의 구성요소를 포함하여 추적자 투하, 조명, 촬영, 이미지 변환, 이미지 처리 및 후처리의 여섯 단계로 구성된다.
이미지 해석 기술의 기본이론은 무엇인가?
최근 30여 년간 흐름의 유속측정을 위한 이미지 해석 기술이 개발되어 왔다. 이미지 해석 기술의 기본이론은 연속촬영된 두 장의 영상에서 물에 있는 패턴의 이동에 대한 통계적 추정이다. PIV (Particle Image Velocimetry)로 통칭되는 이미지 해석에 의한 유속측정 기술은 실험실에서 다양한 크기의 흐름장(flow field)에 대한 전체유속 벡터의 정량적인 측정 및 가시화를 도모하기 위해서 광학, 레이저, 전자, 비디오, 컴퓨터 하드웨어 및 소프트웨를 이용한 것이다 (Adrian, 1991; Raffael et al.
Large-Scale Particle Image Velocimetry (LSPIV)는 Particle Image Velocimetry (PIV)를 실험실내의 비교적 규모가 큰 흐름이나 하천에서의 표면유속장의 측정 등 넓은 영역에 적용할 수 있도록 확장시킨 것이다. LSPIV는 PIV의 구성요소를 포함하여 추적자 투하, 조명, 촬영, 이미지 변환, 이미지 처리 및 후처리의 여섯 단계로 구성된다. 본 연구에서는 LSPIV의 모바일 버전인 MLSPIV를 이용하여 하천에서의 유속측정시 각 단계별로 발생가능한 오차성분을 정의하였고, 기존의 연구 결과를 바탕으로 오차의 영향이 정량적으로 밝혀진 것을 정리하였다.
참고문헌 (16)
Adrian, R.J. (1991). “Particle-imaging techniques for experimental fluid mechanics.” Annual Review of Fluid Mechanics, 23, pp. 261-304.
Aya, S., Fujita, I. and Yagyu, M. (1995). “Fieldobservation of flood in a river by video image analysis.” Annual Journal of Hydraulic Engineering, 39, pp. 447-452.
Forliti, D.J., Strykowski, P.J., and Debatin, K. (2000). “Bias and precision errors of digital particle image velocimetry.” Experiments in Fluids, 28, 436-447.
Fujita, I., and Komura, S. (1994). “Application of video image analysis for measurements of river-surface flows.” Proc. of Hydraulic Engineering, JSCE, 38, pp. 733-738.
Fujita, I., Muste, M., and Kruger, A. (1998). “Large-scale particle image velocimetry for flow analysis in hydraulic applications.” Journal of Hydraulic Research, 36, pp. 397-414.
Hauet, A, Kruger, A., Krajewski, W.F., Bradley, A., Muste, M., and Wilson, M. (2005). Real-time estimation of discharge of the Iowa river using image-based method ？ user's manual. IIHRHydroscience and Engineering, The University of Iowa, Iowa City, IA.
Joseph, S. (2003). Uncertainty Analysis of a Particle Tracking Algorithm: Developed for Super-resolution Particle Image Velocimetry, Master of Science Thesis, The University of Saskatchewan, Canada.
Li, Z. (2002). Large scale image velocimetry without seeding, Master thesis, The University of Iowa, Iowa City, IA, USA.
Lourenco, A., and Krothapalli, A. (1995). “On the accuracy of velocity and vorticity measurements with PIV.” Experiments in Fluids, 18, pp. 421-428.
Meselhe, E.A., Peeva, T., and Muste, M. (2004). “Large scale particle image velocimetry for low velocity and shallow water flows.” Journal of Hydraulic Engineering, Vol. 130, No. 9, pp. 937？940.
Muste, M., Xiong, Z., Bradley, A., and Kruger, A. (2000). “Large-scale particle image velocimetry - a reliable tool for physical modeling.” ASCE 2000 Joint Conference on Water Resources Engineering and Water Resources Planning & Management, Minneapolis, Minnesota.
Raffel, M., Willert, C., and Kompenhans, J. (1998). Particle image velocimetry: A practical guide, Springer, New York.
Trivedi, N. (2004). PTU user's manual, Internal Report, IIHR-Hydroscience and Engineering, The University of Iowa, Iowa City, IA.
Xiong, Z. (2000). Practical aspect of large-scale image velocimetry Implementation for analysis of free surface flow, Master thesis, The University of Iowa, Iowa City, IA.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.