AI PIV

INTELIGENCIA ARTIFICIAL (AI) PIV

Inteligencia Artificial (AI) PIV es la última innovación de Microvec, única en el mercado. Con los avances de la inteligencia artificial y la adopción cada vez más amplia de técnicas de aprendizaje profundo basadas en Convolutional Neural Network (CNN), común en el mundo de la computación y la visión artificial en los últimos años, la metodología PIV basada en el aprendizaje profundo ha resultado ser muy precisa. El AI PIV de Microvec se basa en la red neuronal de flujo óptico que ya se ha probado en la comunidad de visión por computadora. Se ha aplicado con éxito a la mecánica de fluidos y a la velocimetría de imagen de partículas, donde el campo de velocidad global y cuantitativo de las imágenes se puede extraer con una eficiencia computacional mejorada sin reducción de la precisión.

AI PIV

El primer paso es generar un conjunto de datos de entrenamiento que incluya imágenes de partículas y movimientos de fluidos reales para entrenar los parámetros de las redes. Se han generado más de 13,000 elementos de datos de entrenamiento con CFD, basados en imágenes artificiales de 256 x 256 píxeles con campos de movimiento denso. Tal modelo de aprendizaje da resultados satisfactorios no solo en los datos de entrenamiento, sino también en el conjunto de pruebas. Incluso en casos mucho más complicados con turbulencia de DNS, que contiene una serie de estructuras de flujo a pequeña escala, el modelo de red propuesto es superior a los otros métodos y tiene la capacidad de extraer el movimiento del flujo de las imágenes de partículas.

Al final, esta red neuronal profunda para PIV puede proporcionar una estimación de movimiento denso (hasta un máximo de un vector por un píxel) de manera eficiente. Ya no hay una limitación del campo del vector de velocidad en función del tamaño de la ventana de interrogación. La coincidencia de características de la imagen de partículas extraída por la red neuronal mejora la precisión de la estimación. Los resultados experimentales indican que, en comparación con los métodos tradicionales de correlación cruzada y flujo óptico, la red neuronal profunda propuesta tiene enormes ventajas en precisión.

EL SOFTWARE MICROVEC AI PIV TIENE VARIAS VENTAJAS:

VENTAJAS SOFTWARE MICROVEC AI PIV:
El tiempo de cálculo es más rápido que el tiempo de cálculo PIV tradicional cuando se usa GPU. La velocidad de los cálculos es casi en tiempo real.
La precisión se extiende a los cálculos máximos de un solo píxel, donde es un orden de magnitud mayor que en el caso de los cálculos de correlación cruzada.
El campo de velocidad densa se obtiene mucho más rápido.
"Lo que obtienes es lo que usas". Algunas de las técnicas de procesamiento posterior, como la detección de valores atípicos, el filtrado de velocidad, etc., ya no son necesarias para obtener resultados correctos y precisos.
Es fácil de usar sin la necesidad de tamaños de ventana de interrogación, número de iteración y ajuste de subpíxeles.
Restauración automática y precisa del campo de flujo.
Se puede aplicar al campo de chorro, flujo de capa límite, choque en flujos hipersónicos, canal de micro flujo, etc.
Especialmente efectivo para flujos estancados donde los cálculos de un solo píxel aumentan la precisión de los resultados.

ESTUDIO DE CASO:

MAGNITUDES DE VELOCIDAD ESTIMADAS DE FLUJO DE CHORRO

El experimento se realizó en un flujo de chorro para obtener un campo de velocidad. Este experimento puede formar estructuras de flujo típicas como chorro, gradiente de velocidad, vórtice y flujo de separación, todos los cuales son tipos de flujo comunes en la mecánica experimental de fluidos. El software tradicional PIV 2D de Microvec basado en el algoritmo de correlación cruzada se ha utilizado para calcular los resultados que se muestran en la Figura 1 a la izquierda y el software AI PIV para calcular los resultados que se muestran en la Figura 2 a la derecha. No hay diferencia significativa en los resultados entre las dos mediciones. Sin embargo, dado que el campo de velocidad denso obtenido en AI PIV contiene información más detallada, hasta el nivel de un solo píxel, se puede ver en el mapa de amplitud que los resultados de la red neuronal profunda son más suaves que los del método de análisis de correlación y Se puede ver un nuevo vórtice, previamente invisible debido a las limitaciones espaciales.

Resultado PIV de correlación cruzada