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.
国家科技期刊平台
NSTL
维普
万方数据