PostPIVTool - Post Procesamiento PIV (Velocimetría de Imágenes de Partículas)
Este proyecto busca diseñar una herramienta para realizar postprocesamiento PIV. La Universidad del Norte, específicamente el Departamento de Ingeniería Mecánica, contará con una cámara de alta velocidad, que servirá para tomar imágenes en intervalos de tiempo reducidos del montaje de diferentes exp...
| Autor: | |
|---|---|
| Tipo de recurso: | artículo |
| Fecha de publicación: | 2019 |
| País: | Colombia |
| Institución: | Universidad del Norte |
| Repositorio: | Repositorio Uninorte |
| Idioma: | español |
| OAI Identifier: | oai:manglar.uninorte.edu.co:10584/8767 |
| Acceso en línea: | http://hdl.handle.net/10584/8767 |
| Access Level: | acceso abierto |
| Palabra clave: | PIV Fluidos Partículas Python Dispersión Interpolación Velocidad Velocity Fluids Particles Scattering Interpolation |
| Sumario: | Este proyecto busca diseñar una herramienta para realizar postprocesamiento PIV. La Universidad del Norte, específicamente el Departamento de Ingeniería Mecánica, contará con una cámara de alta velocidad, que servirá para tomar imágenes en intervalos de tiempo reducidos del montaje de diferentes experimentos con partículas y fluidos. Puesto que las soluciones existentes son costosas y poco personalizadas, se requiere una herramienta que realice este proceso. Esta solución busca diseñar una herramienta básica para realizar postprocesamiento PIV, permita realizar gráficas (plots, scatter, quiver) y facilite el análisis que ayuden a describir el comportamiento de las partículas en cierto tipo de fluido. Para alcanzar este propósito, se diseñó una herramienta que se implementará en Python aprovechando su alto poder de procesamiento, así como también las múltiples librerías que se encuentra para este lenguaje y que ayudan al desarrollo de una solución óptima. Además, para hacerlo accesible desde cualquier lugar y momento, se hace el desarrollo en Google Colaboratory, un entorno gratuito de Jupyter Notebook que se ejecuta completamente en la nube, sin necesidad de instalaciones ni configuraciones. Los datos que se utilizan para el desarrollo son almacenados en Google Drive y accedidos desde Colab, aquí el Notebook los procesa y produce los diferentes resultados, y guarda en Drive algunos de estos (Figures). La principal limitación encontrada fue: el desarrollo de una GUI con Python, lo cual resulta complicado e infructuoso. Los resultados obtenidos cumplieron con casi todos los requerimientos, exceptuando la GUI y en menor medida, el proceso de interpolación para lograr predicciones a partir de los datos, que aunque se realizó, los resultados no fueron lo suficientemente determinísticos. |
|---|