Cette thèse porte sur le développement de la PIV tomographique (tomo-PIV) pour la mesure d’écoulements turbulents (Elsinga et al 2006). Cette méthode se fonde sur la reconstruction tomographique d’une distribution volumique d’intensité de particules traceuses, à partir de projections enregistrées par des caméras. Les distributions volumiques sont corrélées, fournissant ainsi un champ de déplacement 3D.Les principales avancées de la recherche sur cette technique sont présentées ainsi que les points bloquants. Les efforts ont principalement été portés sur la reconstruction tomographique. La principale difficulté est le bruit tomographique (particules fantômes) qui croît exponentiellement lorsqu’une forte densité de traceur est requise pour obtenir une résolution spatiale fine de la mesure, particulièrement pour les écoulements turbulents.Afin de mieux appréhender ce bruit de reconstruction, nous avons étudié numériquement les facteurs expérimentaux nuisant à la qualité de la reconstruction. Des considérations géométriques ont permis de quantifier l’impact de «particules ajoutées», qui se trouvent dans le volume de l’union mais pas dans le volume de l’intersection entre la zone laser et les champs de vue des caméras. La diminution du ratio signal-à-bruit dans les images, due à la diffusion de Mie et l’astigmatisme des optiques, a pour principal effet la perte de vraies particules dans la reconstruction.Étudier les conditions optiques de la tomo-PIV nous a permis de proposer une approche alternative à la reconstruction tomographique classique, qui vise à reconstruire une particule presque sur un unique voxel, plutôt que comme un agrégat de voxels de taille étendue, en se fondant sur une représentation particulaire des images. Nous nommons cette méthode Reconstruction Volumique de Particules (PVR). Après avoir été incorporée à un algorithme de reconstruction (SMART), il est possible d’élargir la représentation particulaire de PVR, afin d’obtenir des blobs de 2/3 voxels de diamètre requis par les algorithmes de corrélation de 3D-PIV. Des simulations numériques sur un large spectre de conditions génératrices, 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 sur GPU à la 3D (FOLKI-3D) de l’algorithme FOLKI-PIV (Champagnat et al. 2011). Le déplacement y est cherché en minimisant itérativement une fonctionnelle, du type des moindres carrés, par déformation de volume. Les tests synthétiques confirment que la réponse fréquentielle d’espace est semblable à celle d’autres algorithmes classiques itératifs de déformation de volume. Les 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. De plus, des gains de performance ont été observés en utilisant des schémas d’ordre élevé pour différents types de bruit.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 performance de PVR-SMART avec tomo-SMART sur la région proche buse du jet. Avec le pré-traitement d’image utilisé, nous avons montré que les champs de vitesse de PVR-SMART étaient près de 50 % moins bruités que ceux de tomo-SMART. L’analyse sur les champs de vitesse comporte l’étude de quantités statistiques, de peak-locking, de divergence, du tenseur des gradients ainsi que de structures cohérentes.Enfin, nous concluons avec une synthèse des résultats obtenus au cours de cette étude, en envisageant de nouvelles perspectives de recherche dans le contexte de la PIV tomographique. / 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. The corresponding volumic distributions are correlated to obtain 3D displacement fields.The present work surveys the state of advancement of the research conducted on this technique and the main issues it has been confronted with so far. The main research focus was on tomographic reconstruction. Indeed, 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.For a thorough understanding of tomographic noise, we carried out a numerical study of experimental factors impacting the quality of tomographic reconstruction. Geometric considerations quantified the impact of "added particles" lying in the Union volume but not in the Intersection volume, between the camera fields of view and the illumination area. This phenomenon was shown to create ghost particles. The decrease in signal-to-noise ratio in the image was investigated, considering Mie scattering and defocusing effects. Particle image defocusing mainly results in the loss of real particles in reconstruction. Mie scattering’s main impact is also the loss of real particles due to the polydisperse nature of the seeding.This study of imaging conditions for tomo-PIV led us to propose an alternative approach to classical tomographic reconstruction. It seeks to recover nearly single voxel particles rather than blobs of extended size using a particle-based representation of image data. We term this approach Particle Volume Reconstruction (PVR). PVR underlies a more physical, sparse volumic representation of point particles, which lives halfway between infinitely small particles, and voxel blobs commonly used in tomo-PIV. From that representation, it is possible to smooth it to 2 voxel diameter blobs for a 3D-PIV use of PVR incorporated in a SMART algorithm. Numerical simulations showed that PVR-SMART outperforms tomo-SMART (Atkinson et al. 2009) on a variety generating conditions and a variety of metrics on volume reconstruction and displacement estimation, 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). The displacement is searched as the minimizer of a sum of squared differences, solved iteratively by using volume deformation. Numerical tests confirmed that spatial frequency response is similar to that of standard iterative deformation algorithms. 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, while gains in accuracy of the high-order deformation scheme were obtained for various signal noises.The application of PVR-SMART on experimental data was performed on a turbulent air jet. Several seeding density conditions were used to compare the performance of tomo-SMART and PVR-SMART on the near field region of the jet. With the given image pre-processing, PVR-SMART was found to yield velocity fields that are about 50 % less noisy than tomo-SMART. The velocity field comparison included velocity field statistical properties, peak-locking study, flow divergence analysis, velocity gradient tensor and coherent structures exploration.Finally, conclusions are drawn from the main results of this dissertation and lead to potential research perspectives of our work with respect to the future of tomographic PIV.
| Identifer | oai:union.ndltd.org:theses.fr/2016SACLX020 |
| Date | 19 May 2016 |
| Creators | Cheminet, Adam |
| Contributors | Paris Saclay, Jacquin, Laurent |
| Source Sets | Dépôt national des thèses électroniques françaises |
| Language | English |
| Detected Language | French |
| Type | Electronic Thesis or Dissertation, Text |
Page generated in 0.0096 seconds