1.介绍 这里介绍的工作来源于与突驰科技公司合作进行的研究，使用 TCM45-V2干冰清洗机来清除飞机发动机压缩机。在这种技术中，干冰颗粒从喷嘴喷射到发动机的风扇入口，因为它使用起动马达进行曲轴转动。为了更深入地了解这一过程，需要详细研究流动模式和对颗粒参数的影响。其中最重要的是通过发动机进行颗粒大小和速度分布，以及系统参数（如系统压力，喷嘴类型和发动机起动转速）的影响。虽然这项工作专注于飞机发动机清洁，但其结果对于直接CO2干冰清洁应用普遍感兴趣。 Haberland [5]和Redeker等。 [6,7]。这些工作的主要结果在表1中进行了比较。Spur等人之间可以看到最小粒径的显着差异。 [4]以及Haberland [5]和Redeker等人的结果[4]。 [6,7]。速度范围的差异可以从Spur等人的结果中看出。 [4]和Haberland [5]相比，Redeker等。 [6,7]遇到的最大颗粒速度显着更高。Krieg [8]使用了Spur等人的发现。 [4]预测二氧化碳粒子出现速度的基础研究的清洁机制，虽然他说明粒子的直径和速度强烈依赖于系统参数。二氧化碳干冰喷射的一个重要问题是利用压缩空气的必要性，这导致低能量效率。 Uhlmann等人提出了一种新的粒子加速系统。 [9]。还通过HSC实验研究了颗粒速度与系统参数无关的粒子速度。 Masa和Kuba [10]最近关于能效的研究提出了一个具体的能耗参数来评估常规和替代干冰加速系统的效率。在这项工作中，颗粒速度是根据系统参数估算的。 Dong等人提出了基于模拟的CO2干冰喷射喷嘴研究。 [11]，其中通过会聚 - 发散喷嘴的干冰加速行为被讨论为系统和粒子参数的函数，以找到最佳的喷嘴几何形状。粒度保持恒定，只有粒子质量流量和粒子形状因子被参数化。 这项工作旨在为二氧化碳干冰应用提供全面的流量信息。特别强调了来自不同喷嘴的粒度分布的依赖性以及与其尺寸相关的粒子速度的依赖性。讨论了二氧化碳干冰喷射流向稀释的单一POM颗粒负载流的可比性。介绍了喷射和商用飞机发动机内颗粒流的比较研究。 2.实验装置 2.1喷嘴 单喷嘴调查的实验设置与参考文献中作者详细描述的稍有不同。[12]。 图1中的示意图在图1中以修改版本显示。它由压缩机（1）和干冰喷射机（2）组成。 在这里，被研究的颗粒（3）通过旋转多孔圆盘系统引入压缩空气流中。 有一个5米长的柔性连接管（4）将爆破机（2）与测试喷嘴（5）连接起来，在那里颗粒被加速。 图1：实验喷嘴设置的示意图。 第（4）部分的压力损失被忽略。在这项工作中所有给定的压力值都被称为系统压力，这是在（2）中预选的。 HSC（7）（PCO dimax s4，单色平行于从喷嘴（5）和照明系统（6）（IES4412,2×48,000lm LED，22.5°反射光束）被安排在它周围。自由喷射背后的背景被涂成黑色以实现与颗粒的强烈对比。喷嘴组件位于地面上方40厘米处。自由射流的研究区域直接在喷嘴出口之后开始，并且包括50×35mm，这在图1中被示意性地强调。 用于产生这里结果的两个喷嘴是一个标准会聚分散喷射喷嘴，在保持系统压力为8巴（喷嘴＃1）和会聚喷嘴的同时提供超音速喷出气流，在操作时提供声音出口气流它在系统压力2巴（喷嘴＃2）。两个喷嘴都有一个矩形（平坦）形状的出口区域，而它们的入口（图1中（4）和（5）之间的连接）是圆形的。出口流量模式在2D中进行了研究。假定速度矢量的深度方向可以忽略不计。 HSC以16 px / mm的空间离散化和12,000 fps的时间离散化运行。一个单帧的快门时间设置为1.28μs。这些设置允许将颗粒尺寸减小到等效直径125μm，并以最大速度550 m / s跟踪颗粒。 2.2飞机发动机流量 为了研究飞机发动机内的颗粒物流动，将颗粒物喷入商用飞机发动机（GE CF6-50）中，该发动机通过起动机在试验台上起动，不加油，速度略低于怠速。这个过程如图所示图2.这里，颗粒通过喷嘴（5）喷入发动机（ENG）低压压缩机（LPC）（9）。颗粒通过LPC（9）进入高压压缩机（HPC）（10）。此处显示的结果直接记录在HPC（10）的入口处。 为了获得记录，从HPC上拆下3个进口导向叶片，以允许进入上面指定的HSC（7）和照明系统（6）。入口导向叶片安装孔（直径35毫米）装有石英玻璃板，以便在干式起转过程中光学可达。照明系统（6）的两盏灯放置在HSC的上方和下方。去除导流叶片不会影响进入的颗粒流。 为了增强录制的清晰度并尽量减少可能的反射，HSC视场的背景区域涂成黑色。流入的流动模式在2D中进行了研究。 
图2：实验引擎设置的示意图。 HSC设置为20像素/ mm的空间离散化和20.000fps的时间离散化。 一个单帧的快门时间设置为5.12μs。 采集系统（6）和（7）与观察窗平行放置，并安装在单独的支架上。 初步调查表明，运行期间的振动对粒子速度记录的影响可以忽略不计。 与流量有关的关键尺寸在这里以无量纲的形式呈现。 3.数据处理程序 根据第2部分介绍的设置采集的HSC数据按如下进行处理，以获得理想的物理结果。 所有后处理都是通过作者测试和验证的Matlab2014b程序实现的。 在通过频谱分析对图像噪声进行分类之后，利用可调滤波器技术F对得到的强度矩阵I进行滤波，以获得帧的改进的强度矩阵I *： 得到的矩阵I *用于阈值估计过程。 背景和粒子信息通过Otsu [13]提出的聚类方法进行区分，提供适当的阈值trv。 这个过程的结果，方程（2）是该框架的第二个修改矩阵I **。 它只包含粒子强度值。 所有背景值都设置为0。 为了确定包含的粒子的大小，通过将所有高于0的强度值视为1，强度矩阵I **被视为二进制矩阵。结果是下标S并且在下文中被称为IS **。 根据等式（3），对每个包含粒子i的边界框区域Abb上积分上的某个帧（t）使用修改后的矩阵I **导致制定能量向量εP，i。 它包含帧（t）的每个粒子的概括强度值。 
根据等式（4），使用相同的程序来确定检测到的粒子的大小。 它只使用二进制矩阵IS **而不是I **。 这导致另一个向量aP，i。 它包含被调查帧（t）中包含的粒子的粒子大小（像素数）。 这个值被用来获得相应的粒子i的当量直径dP，i，假设它的面积αP，i是理想球体的投影面积： 
将等式（5）的结果与实验中的相应空间离散化的转换导致物理值： 
为了获得速度矢量，选择两个连续帧的相关粒子之间的质心匹配方法（参见例如[14-16]）。 利用Hering等人提出的思想解决了稠密流动中粒子关联的模糊问题。[17]。 来自等式（3）的粒子能量εP，i通过其尺寸aP，i，eqn（4）修改，导致根据等式（6）计算的特定能量变量。 来自两个连续时间步长{t}和{t + 1}的值eP在剩余配方中进行比较，该剩余配方考虑来自第一帧{t}的某个粒子i的值和来自所有粒子的值（1：n ）在第二帧{t + 1}中找到： 
其目的是找到最低限度。 这导致含有所有可能的粒子关联及其相关概率（0 =理想，1 =无相关）的模糊矩阵C. 考虑通过接受限制（即Ci，max = 0.1）从帧{t}到帧{t + 1}略微改变流动和环境条件以及根据先验估计得知一般流动行为，最可能的粒子 配对关联。 利用质心匹配方法，可以为所有粒子i估计2D速度向量： 
4.结论 所有提出的方法都经过系统验证和验证。 这包括使用人造基质进行的各种测试以及通过单个POM颗粒流进行尺寸和跟踪过程的最终验证。 它显示估计粒径的最大偏差为±5％，粒子速度的最大偏差为±1％。 使用来自POM颗粒的已知粒度作为上浆程序的参考值。 根据Furst [18]和手动匹配，追踪算法通过Matlab IDL实现与计算结果进行了验证。 4.1.喷嘴自由喷射 图3显示了被调查的两个喷嘴在几个连续帧I（t）中遇到的相应标准偏差（点划线）所包围的平均相对强度值（粗线）。 这些情节揭示了流动特征的一般印象。 强度峰表示包含在流中的大颗粒。 剧情波动较大表明流动性更加不连续。 从超音速喷嘴＃1（图3，左）到音速喷嘴＃2（图3，右）的强度的比较显示来自喷嘴＃1的喷射更不连续地载入，包含更多的大的CO 2干燥 - 冰粒（更多强度峰）。 来自喷嘴＃2的喷流更持续地载满较少的大颗粒（例如，比较图3中的两个独立的大峰值，右侧，以及左侧图中更一般分布的峰值）。 
图3：来自超音速喷嘴＃1 @ 8巴（左）和＃2 @ 2巴（右）的音速喷嘴的干冰载流射流的强度分析。 
图4：单个POM粒子速度（左）和大型干冰粒子与单个POM粒子速度（右）之间的比较。 在上述实验之后，通过将单个POM颗粒引入射流中来研究来自超音速（＃1）和声波（＃2）喷嘴的颗粒流动行为。直径从1.5到3.0毫米的理想球形聚甲醛颗粒被注入到流动中并使用不同的系统配置进行喷射。在喷嘴出口的下游记录和追踪至少40个POM颗粒。这项研究的主要结果显示在图4，左边。它包含作为系统压力的函数的1.5mm POM颗粒速度的代表性信息。在2巴的系统压力下，POM颗粒被喷嘴＃1加速到75m / s的速度，直到ca.在8巴的系统压力下为200米/秒。 Nozzle＃2在2 bar系统压力下以50 m / s的速度输送单个POM颗粒，直至ca. 8巴时100米/秒。该实验的结果与Spur等报道的其他系统的结果相当。 [4]。 Rudek等人描述了内喷嘴中POM粒子加速的详细验证研究。在参考文献[12]。对来自两个喷嘴的CO2干冰负载流的详细研究揭示了区分大（dP≥1mm）和小（dP<1mm）颗粒的必要性。从这些研究中，大颗粒的速度可以作为它们的尺寸的函数关联以获得恒定的系统压力，而这对于小颗粒来说不可能达到令人满意的程度。在图4中，将大CO2干冰颗粒速度（实线）的相关趋势与上述POM颗粒研究（圆形标记=喷嘴＃1，交叉标记=喷嘴＃2）相应的速度趋势进行比较， 。大型二氧化碳干冰颗粒的行为与单一聚甲醛颗粒相当。至于大型二氧化碳干冰粒子的运输，单粒子聚甲醛流动与较稠密的二氧化碳干冰粒子流动似乎没有显着差异。由于从空气到颗粒的热传递（即，空气的冷却以及随之而来的流动性质的变化），可能的热效应对于大颗粒的运输可以忽略不计。 
图5：喷嘴＃1和＃2干冰流中的粒径分布（左）和粒子速度分布（右）。 如图3所讨论的那样，超音速喷嘴＃1与＃2音速喷嘴相比输送更多的二氧化碳干冰颗粒。这可以从图5左侧的累积粒度分布中看出。为了确定这些趋势，使用从HSC记录随机时间点采集的多个样本。图5左侧所示的每种趋势都包含至少40,000个单一CO2干冰颗粒的信息。喷嘴＃1（图5，左边的圆形标记）的累积趋势显示在颗粒尺寸上的扩展比与＃2喷嘴相比具有更大比例的更小颗粒，同时也包含比＃2喷嘴更大的颗粒。估计的直径值的比较显示两个喷嘴的平均尺寸dP =225μm，而喷嘴＃1遇到较高的差异。 图5右图包含了干冰粒子追踪调查的结果。在这里，随机选择10个时刻，并且在每个时刻开始的100个连续记录被调查。右图中显示的趋势包含至少5,000个单粒子轨道。实线用喷嘴＃1的圆圈标记和喷嘴＃2的交叉标记来表示。他们显示考虑小颗粒尺寸的累积颗粒速度分布。点划线仅显示大颗粒的累积颗粒速度分布。后者包含少于5000个粒子轨道。从喷嘴＃1的大颗粒趋势检查显示速度从150米/秒到200米/秒，而喷嘴＃2的相应趋势显示速度在50米/秒和75米/秒之间。从图4中也可以看出，右图。 关于小颗粒清楚地扩大了分布。发现喷嘴＃1的粒子速度在空气速度约为80m / s和480m / s之间。 580米/秒。发现喷嘴＃2在空气速度约为40m / s和320m / s之间。 350米/秒。大的散射可以通过粒子 - 粒子和粒子 - 壁相互作用以及影响连续相的双向耦合现象来解释。大颗粒会影响小颗粒的颗粒路径，主要在喷嘴的狭窄部分减速。小颗粒的颗粒壁碰撞也可以使它们减速，并且通过在喷嘴内部分解大颗粒可以产生小颗粒。应该指出，这里介绍的研究并没有区分喷气机的核心和边缘。在射流边缘传播的小颗粒受到强剪切层的影响，因此比位于射流核心的类似颗粒或较高惯性的较大颗粒减速更快。为了证明上述现象，进一步阐述是必要的。 4.2飞机发动机流量 上述方法被用来研究通过商用飞机发动机的CO2干冰粒子负载流量（见图2）。主要目标是揭示干式曲轴压缩机部分的影响，在这种情况下，LPC的影响对载荷颗粒流动特性的影响。图6左侧包含来自Ca的累积粒度分布。 10,000个二氧化碳颗粒，而右图6显示了大气颗粒速度分布的趋势。这些颗粒中有2,000个。菱形标记的线表示喷射系统出口（喷嘴FAN）处的数量，星号标记的趋势表示HPC（发动机HPC）第一阶段（IGVs）内发动机内部测量的结果。 发动机旋转明显影响颗粒特性。 HPC（发动机HPC）的粒度分布比爆破喷嘴出口（喷嘴FAN）处的粒度分布更紧密（图6，左侧）。 HPC入口（发动机HPC）的平均粒径为约。注入平均粒径（喷嘴FAN）的0.50倍。这表明由LPC内部的粒子壁碰撞引起的粒子分解，其由总共678个叶片和叶片组成。 与粒度分布相反，由于发动机起动，粒子速度分布变宽（图6右）。速度分布向较低的速度扩大。 HPC入口（发动机HPC）的平均颗粒速度是喷嘴出口（喷嘴FAN）的0.56倍。单颗粒的最大速度保持可比。速度的降低可以通过粒子分解来解释。 五．干冰清洗发展 
图6：发动机进口和内部的干冰流中的粒度分布（左）和粒子速度分布（右）。 用于表征不均匀和不连续负载的二氧化碳干冰流的HSC实验用于干冰喷射喷嘴和飞机发动机清洗流的研究。 大型干冰颗粒表现出与相同尺寸的单个POM颗粒相似的传输行为。 清洁流动粒子的速度呈现在累积概率图中，由于遇到大的散射，这被认为是适当的。 这种散射可以通过粒子，壁和连续相之间复杂的相互作用来解释。 清楚地表明了转动的LPC部分对颗粒流动特性的影响。 它表明导致更小的颗粒尺寸和更低的速度。 作为未来的工作，作者强调了对密集二氧化碳干冰流中加速行为的粒径的理解以及飞机发动机内部干冰行为的更详细描述。 REFERENCES Giljohann, S., Braeutigam, K., Kuhn, S., Annasiri, S. & Russ, G., Investigations into the on-wing cleaning of commercial jet engines with co2 dry ice blasting. Deutscher Luft- und Raumfahrkongress Berlin, 1, pp. 1–9, 2012. Foster, R.W., Carbon dioxide (dry-ice) blasting. Good Painting Practice: SSPC Paint-ing Manual, 1, pp. 161–167, 2005. Stratford, S., Dry ice blasting for paint stripping and surface preparation. Metal Finish-ing, 98, pp. 493–499, 2000. http://dx.doi.org/10.1016/S0026-0576(00)80450-X Spur, G., Uhlmann, E. & Elbing, F., Dry-ice blasting for cleaning: process, optimization and application. Wear, 233–235, pp. 402–411, 1999. http://dx.doi.org/10.1016/S0043-1648(99)00204-5 Haberland, J., Reinigen und Entschichten mit Trockeneisstrahlen -Grundlegende Unter-suchungen des CO2-Strahlwekzeuges und der Ver-fahrensweise (in german). Ph.D. the-sis, University Bremen, 1999. Redeker, C., Erosion and Removal by Dry-Ice Blasting (in german), Ph.D. thesis, Uni-versity Hannover, 2003. Redeker, C., Bach, F.W. & Copitzky, T., Examination of the dry ice removal process for thermal sprayed coatings by particle image velocimetry. Thermal Spray: Advancing the Science & Applying the Technology, 1, pp. 1279–1284, 2003. Krieg, M.C., Analyse der Effekte beim Trockeneisstrahlen (in german), Ph.D. thesis, Technical University Berlin, 2008. Uhlmann, E., Hollan, R. & Mernissi, A.E., Dry ice blasting - energy efficiency and new fields of application. Engineering Against Fracture: Proceedings of the 1st Conference, 1, pp. 399–409, 2009. Masa, V. & Kuba, P., Efficient use of compressed air for dry ice blasting. Journal of Cleaner Production, 111, pp. 76–84, 2016. http://dx.doi.org/10.1016/j.jclepro.2015.07.053 Dong, S.J., Song, B., Hansz, B., Liao, H.L. & Coddet, C., Modelling of dry ice blasting and its application in thermal spray. Materials Research Innovations, 16, pp. 61–66, 2012. Rudek, A., Russ, G. & Duignan, B., An experimental and numerical validation study of particle laden supersonic flows. 9th International Conference on Multiphase Flow, 1, pp. 1–6, 2016. Otsu, N., A threshold selection method from gray-level histograms. IEEE Transactions on Systems, Man and Cybernetics, 9, pp. 62–66, 1979. http://dx.doi.org/10.1109/TSMC.1979.4310076 Adrian, R.J., Particle-imaging techniques for experimental fluid mechanics. Annual Re-view of Fluid Mechanics, 23, pp. 261–204, 1991. http://dx.doi.org/10.1146/annurev.fl.23.010191.001401 Brady, M.R., Rabenb, S.G. & Vlachos, P.P., Methods for digital particle image sizing (dpis): Comparisons and improvements. Flow Measurement and Instrumentation, 20, pp. 207–219, 2009. http://dx.doi.org/10.1016/j.flowmeasinst.2009.08.001 Cheezum, M.K., Walker, W.F. & Guilford, W.H., Quantitative comparison of algorithms for tracking single fluorescent particles. Biophysical Journal, 81, pp. 2378–2388, 2001. http://dx.doi.org/10.1016/S0006-3495(01)75884-5 Hering, F., Merle, M. & Wierzimok, D., A robust technique for tracking particles over long image sequences. Proceeding of ISPRS Intercommission Workshop: ‘From Pixels to Sequences’, 30, pp. 1–5, 1995. Furst, E.M., Particle tracking (cheg 667–016). Technical report, University of Dela-ware, 2013. TOOICE 2018.5.8
|
