Обнаружение структур газового потока на теневых изображениях и их сопоставление с CFD с использованием сверточных нейронных сетей
Аннотация:
Теневое изображение широко используется для изучения полей течения в экспериментальной гидродинамике. Современные высокоскоростные камеры позволяют получать миллионы кадров в секунду. Таким образом, невозможно анализировать и обрабатывать такие большие наборы данных вручную, и требуется программное обеспечение для автоматической обработки изображений. В настоящем исследовании было разработано программное обеспечение для автоматического обнаружения и отслеживания структур потока на основе сверточной нейронной сети (архитектура сети основана на алгоритме YOLOv2). Методы автоматического машинного обучения использовались для автоматической настройки модели и гиперпараметров, а также для ускорения процесса разработки и обучения модели. Нейронная сеть была обучена обнаруживать ударные волны, тепловые шлейфы и твердые частицы в потоке с высокой точностью. Мы успешно апробировали программу по высокоскоростной теневой записи течения газа в ударной трубе с числом Маха ударной волны М = 2-4,5. Кроме того, мы выполнили CFD для моделирования того же потока. В последние десятилетия объем данных при численном моделировании значительно вырос из-за роста производительности компьютеров. Таким образом, машинное обучение также требуется для обработки больших массивов результатов CFD. Мы разработали еще один инструмент машинного обучения для сопоставления экспериментальных и смоделированных с помощью CFD изображений теней. Наш алгоритм основан на глубокой нейронной сети VGG16 для извлечения вектора признаков и алгоритме k-ближайших соседей для поиска наиболее похожих изображений на основе косинусного сходства. Мы успешно применили наш алгоритм для автоматического поиска соответствующего экспериментального теневого изображения для каждого CFD-изображения течения в ударной трубе с прямоугольным препятствием в канале потока.
