| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 第一章 绪论 | 第12-23页 |
| 1.1 研究意义及背景 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-20页 |
| 1.2.1 PIV 互相关速度矢量计算方法研究现状 | 第14-18页 |
| 1.2.2 运动变形边界流场 PIV 实验研究现状 | 第18-20页 |
| 1.3 本文的主要研究工作 | 第20-23页 |
| 第二章 PIV 粒子图片中任意运动变形边界的智能识别 | 第23-51页 |
| 2.1 PIV 粒子图片中边界识别的特点 | 第23-27页 |
| 2.2 基于 Radon 变换的滑动窗口智能边界识别算法 | 第27-35页 |
| 2.2.1 算法简介 | 第27-29页 |
| 2.2.2 算法基本原理 | 第29-35页 |
| 2.3 基于数字合成图片的智能边界识别算法性能测试 | 第35-49页 |
| 2.3.1 数字合成 PIV 粒子图片 | 第35-38页 |
| 2.3.2 窗口尺寸依赖性的分析 | 第38-46页 |
| 2.3.3 边界识别精度的分析 | 第46-49页 |
| 2.4 本章小结 | 第49-51页 |
| 第三章 基于边界的贴体自适应互相关窗口 PIV 算法 | 第51-73页 |
| 3.1 算法的基本原理 | 第51-56页 |
| 3.2 贴体自适应互相关计算窗口的生成 | 第56-62页 |
| 3.3 PIV 算法的数字合成标准流场分析 | 第62-71页 |
| 3.3.1 数字合成标准流场的生成 | 第62-66页 |
| 3.3.2 数字验证结果分析 | 第66-71页 |
| 3.4 本章小结 | 第71-73页 |
| 第四章 任意运动变形边界流场测量 PIV 算法的实验应用 | 第73-86页 |
| 4.1 实验测量设备 | 第73-77页 |
| 4.1.1 实验模型 | 第73-75页 |
| 4.1.2 PIV 实验设备 | 第75-77页 |
| 4.2 智能边界识别算法在 PIV 实验中的应用 | 第77-82页 |
| 4.3 任意运动变形边界流场 PIV 算法的实验应用 | 第82-85页 |
| 4.4 本章小结 | 第85-86页 |
| 第五章 结论与展望 | 第86-88页 |
| 5.1 结论 | 第86-87页 |
| 5.2 展望 | 第87-88页 |
| 参考文献 | 第88-93页 |
| 致谢 | 第93-94页 |
| 攻读硕士学位期间已发表或录用的论文 | 第94页 |
