圆管内壁覆膜动力学特性实验研究

来源 :桂林电子科技大学 | 被引量 : 0次 | 上传用户:kingknife2000
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
近年来,在各种工程和生物应用的推动下,垂直圆管内外壁的粘性流体覆膜成为了研究热点,尤其在管壁保护层的涂覆,光纤、导线电缆表面的覆膜等方面受到了广泛的应用。目前已有的对流体薄膜厚度的测量方法多数为接触式测量,然而接触式测量结果的可靠性和测量精度等级不高。本文为了深入研究圆管内壁覆膜动力学特性,设计了一套非接触式测量圆管内壁覆膜的实验装置,以及开发了一款数字化提取覆膜过程与瞬时流态的图像处理GUI界面软件。利用CCD图像快速采集记录的功能获得垂直圆管内壁流体薄膜图像,对原始图像进行灰度转换、导向滤波、二值化、Canny边缘检测等处理,总结归纳并计算数据得到实验所需的各类特征图像。本文的实验研究具体结果如下:1.本文以粘度分别为:μ=3000m Pa·s、μ=5000m Pa·s以及μ=10000m Pa·s的二甲基硅油牛顿流体为流体介质,分别在8种不同流量下的实验研究表明:当同一粘度下的硅油,随着流量的增加,流体薄膜的平均厚度在不断增大,直到流体浸满整个圆管进液口,在圆管内壁形成流体液塞;而当同一流体流量下的硅油,随着硅油粘度系数的增加,流体薄膜的厚度也在不断增大。并对μ=5000m Pa·s的硅油在流量为11ml/min下的流体薄膜做了时空演化特征图,总结得出结论:当硅油的流体流量稳定时,随着时间的推移,流体薄膜受表面张力的影响,自由表面的小扰动会不断增加,如果薄膜足够厚,不稳定性就会无限制地增长,流体薄膜厚度的变化幅度逐渐变大直到它们被挤压掉形成一个流体液塞。2.本文通过对两种非牛顿聚丙烯酰胺溶液流量分别在(?)=15ml/min、(?)=20ml/min、(?)=25ml/min以及(?)=30ml/min的探索性实验研究分析中可知:同一配制的非牛顿流体溶液,随着流量的不断增加,流体薄膜不断地趋向于层流式的稳定状态,表面波之间的间隔变化不断地趋向于更加稳定,当流体流量继续不断增加时,流体覆膜流动形式就会向不稳定的湍流式发展,但是流体薄膜始终呈小角度螺旋式下落,一直保持非对称的流动状态。本文设计的非接触式测量圆管内壁覆膜的实验装置,以及开发的提取覆膜边界轮廓的GUI界面软件和图像处理技术,对圆管内壁覆膜动力学特性的进一步研究具有一定的指导意义和参考价值。
其他文献
毫米波雷达是高级驾驶辅助系统的关键组成部分,随着汽车工业的发展道路上的毫米波雷达也越来越多。在众多雷达系统中,线性调频连续波雷达系统由于成本低、尺寸小和测量精度高等优点被广泛应用于汽车领域。随着毫米波雷达数量的增加以及有限的频谱资源,雷达间相互干扰的问题将会变得更加突出。线性调频连续波雷达之间的干扰可以分为交叉干扰和平行干扰,交叉干扰会增加频域的噪声基底,降低雷达的检测性能;平行干扰会产生虚假目标
抛丸机是制造业对各类异形零件非加工表面进行清理、抛光及强化处理的最常用设备之一,抛丸过程因硬质弹丸的连续高速运动,会同时造成设备内腔构件的迅速磨损。目前各型系列抛丸机普遍存在抛丸效率与设备寿命的矛盾,优化其核心部件抛丸器结构,配合升级整机智能控制技术是提高效率降低损耗的重要途径。研究学习机械、流体、自动控制、计算机应用等相关理论,结合目标抛丸器结构及运行工艺参数,以增效减损为目标制定抛丸器优化方案
基于机器学习方法的数字信号调制解调,可以在不进行载波恢复、滤波处理的情况下,实现在同一个网络模型下对多种数字调制信号进行解调,有助于提高通信系统中信息传输的效率,缓解日益复杂通信环境下硬件电路设计的压力。另外基于机器学习方法的数字信号调制解调,可以在不进行信道估计的情况下,直接将符号序列从衰落信号中恢复处理,有利提高通信系统的频率利用效率。因此,基于机器学习方法的数字信号调制的解调成为近年来研究的
深度相机的低成本化,加上有限的室内场景范围,极大地推动了基于RGB-D图像的室内视觉SLAM的发展。闭环检测与场景地图构建是RGB-D SLAM能够实现定位导航并保持全局一致的重要模块。闭环检测用于识别曾经到过的地方;地图构建用于将观测信息生成点云地图。目前的RGB-D SLAM存在两个方面的问题:一方面,传统的地图构建充分利用场景的几何信息,但忽略了语义信息,限制了机器人的任务能力;另一方面,常
目标检测是计算机视觉领域热点话题之一,它广泛应用在智能驾驶、智慧城市等方面。将目标检测技术应用到安全生产方面,是近年来国家倡导的跨领域结合,检测安全护具的佩戴情况具有重要的意义。传统方法使用图像处理和机器学习进行安全帽佩戴检测,存在检测准确率低、检测速度慢等问题,无法满足使用需求。安全帽佩戴检测使用深度学习技术使检测准确率大幅提升,但现有网络模型在复杂工作场景下仍存在错检漏检现象。本文基于YOLO
近年来,随着深度学习的快速发展,基于深度学习的单目标跟踪在算法性能方面也得到大幅度提升,而这一部分的提升很大程度上源于使用深度神经网络提取到的深度特征具有良好的分辨能力。目标跟踪在实际应用中存在以下问题,首先,小样本数据量不足、样本多样性低,导致网络提取到的特征数量有限。其次,在遮挡、形变和快速移动等因素的干扰下,目标跟踪精度低。针对上述问题,提出一种小样本目标跟踪算法,主要研究方向和创新点概括为
随着移动互联网、地图测绘和室内导航技术发展,基于位置的服务受到了极大地关注。据统计人们平均80%的时间是在室内,数据连接应用平均80%也在室内,在室外广泛使用的卫星定位技术全球定位系统和北斗定位系统仅仅支持室外定位,在室内复杂环境中无法进行精确地位置服务。随着数字化时代的到来,无线技术的迅猛发展,移动技术得到了广泛的应用,人们开始了对室内定位技术的研究和探索。由于单一定位技术存在精度有限、稳定性不
人脸检测是一种通过计算机算法对输入图像进行人脸目标查找的技术,人脸检测技术在智能安防、人流统计和刑侦破案等场景具有广泛应用。近年来人脸检测借助卷积神经网络技术使得检测精度取得了巨大提升。在实际运用场景中,由于图像背景物体复杂,人脸特征与背景高度融合和人脸目标尺度过小,使得人脸检测精度降低,因此需要对复杂背景下的小尺度人脸检测进一步的研究。论文基于YOLOv3和YOLOv4目标检测模型,研究复杂背景
我国高校教育扶贫工作是国家精准扶贫政策中一项重要的内容。目前,国家教育扶贫工作主要包括贫困生的资格认定和贫困生贫困等级的划分。信息化管理系统的应用为贫困生数据信息的采集提供了很大便利,但由于这些贫困生数据未经有效处理,导致了大量的数据堆积,同时也存在着诸如数据缺失、数据噪声及数据冗余等质量问题。对贫困生数据进行科学高效管理,进一步利用数据挖掘方法提高贫困生认定及贫困等级划分的准确率,从而更有针对性
在信息化时代,网络信息安全技术在云环境下得到广泛应用及普及,同时,错综复杂的云环境体系结构也为客户端提供多样的云计算服务,在为人们生活、工作、学习带来诸多便利的同时,也给人们带来多方面的信息被泄漏、攻击、窃取等网络安全风险。因此如何利用网络安全技术去解决云计算应用中遇到的隐私安全、身份认证问题已经成为安全人员研究关注的焦点,本文主要在不同的安全认证体系之中面向云环境跨体系访问资源认证合法身份问题,