Open-source BOS tomography dataset of high-speed flow over a flight body

Deze paper introduceert een open-source dataset voor BOS-tomografie van hoogwaardige stroming rond een vliegtuiglichaam, die samen met code en analysemethoden wordt gedeeld om nauwkeurige 3D-reconstructies en data-assimilatie mogelijk te maken.

De kern

Stel je voor dat je door een onzichtbare muur van lucht kijkt die razendsnel voorbij een vliegtuig vliegt. Normaal gesproken is die lucht onzichtbaar, maar deze wetenschappers hebben een manier gevonden om die onzichtbare stroming zichtbaar te maken, alsof ze de lucht in kleurrijke wolken hebben geverfd.

Hier is het verhaal van hun onderzoek, vertaald naar begrijpelijke taal:

1. Het Probleem: De Onzichtbare Storm

Wanneer een vliegtuig sneller dan het geluid vliegt (supersonisch), ontstaan er schokgolven. Dat zijn soort "geluidsmuren" in de lucht die heel belangrijk zijn om te begrijpen voor veilig vliegen. Het probleem is dat je deze golven niet kunt zien met het blote oog.

De onderzoekers gebruiken een techniek die BOS (Background-Oriented Schlieren) heet.

• De Analogie: Denk aan een ruitje achter een hete oven. Als je erdoor kijkt, ziet het eruit alsof de lucht erachter trilt of golft. Dat komt omdat de hete lucht de lichtstralen buigt.
• Hun truc: Ze hebben een patroon op de achtergrond geplakt (zoals een geruit behang) en kijken daar doorheen naar het vliegtuigmodel. Als de lucht om het vliegtuig heen verandert (door druk en snelheid), buigt het licht en verschuift het patroon. Door te meten hoeveel het patroon verschuift, kunnen ze berekenen hoe de lucht eruitziet.

2. De Uitdaging: Te Wee Kijkers

Normaal gesproken heb je maar één camera nodig om naar zo'n stroming te kijken, maar dat geeft je alleen een platte, 2D-afbeelding. Het is alsof je een 3D-bol probeert te begrijpen door alleen naar de schaduw op de muur te kijken. Je mist diepte.

Om een echt 3D-beeld te krijgen, heb je veel camera's nodig die vanuit verschillende hoeken kijken.

• Het dilemma: In de praktijk is het heel moeilijk om 70 camera's om een vliegtuig in een windtunnel te zetten. Meestal hebben onderzoekers maar 5 tot 15 camera's.
• Hun oplossing: Ze hebben een slimme truc bedacht. Ze hebben een modelvliegtuigje op een draaibank gezet en dat langzaam laten draaien terwijl ze foto's maakten. Ze hebben dit gedaan vanuit 70 verschillende hoeken.
• Het resultaat: Ze hebben een enorme, openbare "foto-boek" gemaakt van deze stroming, zodat iedereen het kan bekijken en bestuderen.

3. De Magie: De Digitale Reconstructie

Nu hebben ze 70 foto's, maar hoe maak je daar een 3D-film van?
Ze gebruiken een soort kunstmatige intelligentie (AI), genaamd NIRT.

• De Analogie: Stel je voor dat je een ingewikkeld 3D-puzzel hebt, maar je hebt maar een paar stukjes. Een gewone computer zou raden en waarschijnlijk fouten maken (zoals een neus die eruit steekt waar hij niet zou moeten zijn).
• De AI-truc: Deze AI is getraind om te weten hoe lucht zich moet gedragen. Het combineert de foto's met de natuurwetten van de luchtstroom. Het is alsof je een detective bent die niet alleen naar de aanwijzingen kijkt, maar ook weet hoe een moord (of in dit geval, een schokgolf) er logischerwijs uit moet zien.
• Het wonder: Zelfs met weinig data (slechts 9 van de 70 hoeken) kon de AI scherpe, duidelijke schokgolven reconstrueren zonder rare "vlekken" of fouten.

4. Het Nieuwe Avontuur: Het Voorspellen van het Onzichtbare

Het coolste deel van dit onderzoek is wat ze daarna deden. Ze gebruikten de data niet alleen om te kijken naar de dichtheid van de lucht, maar om ook snelheid en temperatuur te berekenen, zelfs op plekken waar ze geen camera's hadden staan.

• De Analogie: Het is alsof je door een raam kijkt en ziet hoe de bladeren van een boom bewegen. Op basis daarvan kun je niet alleen de windrichting zien, maar ook precies zeggen hoe hard de wind waait en hoe koud het is, zelfs op plekken waar je niet kunt kijken.
• Ze hebben voor het eerst laten zien dat je vanuit alleen maar foto's van lichtbuiging, een volledig 3D-kaart van snelheid en temperatuur kunt maken.

5. Waarom is dit belangrijk?

Vroeger moesten onderzoekers hun eigen data verzamelen, wat duur en tijdrovend was. Nu hebben deze onderzoekers alles gratis beschikbaar gesteld aan de wereld.

• Ze hebben de foto's, de code, en de 3D-modellen online gezet.
• Dit is als het openen van een gigantische bibliotheek voor ingenieurs. Iedereen kan nu oefenen met het bouwen van betere vliegtuigen, snellere raketten of veiligere ruimtevaartuigen, zonder zelf een dure windtunnel te hoeven bouwen.

Kortom: Ze hebben een onzichtbare storm vastgelegd, hem in een 3D-model omgezet met slimme software, en die model nu aan iedereen gegeven zodat we allemaal samen kunnen leren hoe we vliegtuigen beter kunnen maken.

Technische samenvatting

Probleemstelling

Background-oriented schlieren (BOS) tomografie is een niet-invasieve, kosteneffectieve optische diagnosemethode die kwantitatieve metingen van het brekingsindexveld (en bijbehorende dichtheid, temperatuur of soort) mogelijk maakt. Hoewel BOS veel wordt gebruikt voor asymmetrische stromingen, zijn de meeste bestaande studies beperkt tot asymmetrische stromingen met één camera of vereisen ze complexe, dure opstellingen.
De belangrijkste uitdaging in dit veld is het reconstrueren van volledig 3D-stromingen met een beperkt aantal gezichtspunten (vaak 5–15 beelden voor tijdsopgeloste metingen). Bestaande methoden, zoals gefilterde backprojectie, leiden vaak tot vervormingen (smearing) en niet-fysische artefacten, vooral bij complexe, asymmetrische vliegtuiglichamen in supersonische stroming. Er is behoefte aan robuuste data-verwerkingstechnieken en open datasets om nieuwe algoritmen te benchmarken.

Methodologie

De auteurs hebben een open-source dataset en een geavanceerd reconstructieframework ontwikkeld:

1. Experimentele Opstelling:

   • Model: Een generiek, asymmetrisch vierkant piramide-vliegtuiglichaam (20,1° halve hoek, 82 mm lengte) met een aanvalshoek (AoA) van 10°. Het model is vervaardigd uit polycarbonaat en gemonteerd op een roterende stut.
   • Omgeving: Testen uitgevoerd in de VKF Wind Tunnel D (AEDC) bij Mach 4,8 en een stagnatiedruk van 60 psia.
   • Imaging: Een array van zeven camera's (LaVision sCMOS) is geplaatst rondom het testgedeelte. Het model is gedraaid in 10 stappen van 10° (totaal 10 posities), wat resulteerde in 70 gezichtspunten over een rotatie van 120°.
   • Calibratie: Een uitgebreide kalibratieprocedure met een twee-niveau plaat en QR-code, waarbij camera's en de achtergrondpatroon in een gemeenschappelijk globaal coördinatenstelsel zijn gebracht. De reprojectiefouten lagen onder de 0,5 pixel.

2. Data-analyse en Reconstructie:

   • Deflectie Sensing: Gebruik van Horn-Schunck optische flow (met lokale normalisatie) om de tweedimensionale deflectievelden uit de beeldparen (flow-off vs. flow-on) te schatten. Dit presteerde beter dan cross-correlatie en wavelet-methoden.
   • Neural-implicit Reconstruction Technique (NIRT): Een diep leernetwerk (6 lagen, 300 nodes) dat de stroming als een continue functie leert.
     • Tomografie: Gebruik van Total Variation (TV) regularisatie om scherpe structuren zoals schokgolven nauwkeurig te reconstrueren.
     • Data-assimilatie: De TV-term werd vervangen door residuen van de 3D samendrukbare Euler-vergelijkingen. Hierdoor kunnen niet-gemeten velden (zoals snelheid en temperatuur) worden afgeleid en wordt de dichtheidsreconstructie verfijnd.
   • Onzekerheidskwantificering: Het NIRT-framework maakt efficiënte schattingen van zowel aleatorische (run-tot-run variatie) als epistemische (model-gerelateerde) onzekerheid mogelijk.

Belangrijkste Bijdragen

1. Open-Source Dataset: Een volledig openbaar gemaakte dataset met 70 BOS-beelden, kalibratiegegevens, deflectievelden, maskers, en 3D-reconstructies van een supersonische stroming rond een vliegtuiglichaam.
2. Code en Software: Publicatie van de volledige code voor de NIRT-algoritmen, inclusief implementaties voor deflectie-sensing, tomografische reconstructie en data-assimilatie.
3. Eerste 3D State Estimation: Dit is de eerste demonstratie van directe 3D-toestandsschatting (inclusief snelheid en temperatuur) puur op basis van experimentele schlieren-metingen via data-assimilatie.
4. Benchmarking: De dataset dient als referentiepunt voor de ontwikkeling en validatie van BOS-werkstromen, van deflectie-sensing tot complexe reconstructie-algoritmen.

Resultaten

• Kwaliteit van Reconstructie: Zelfs met een beperkt aantal gezichtspunten (9 beelden gebruikt voor een subset-analyse) konden scherpe schokgolven worden opgelost die consistent waren met de geometrie. De reconstructies vertoonden minimale artefacten (zoals niet-fysische expansies voor de schok), wat een verbetering is ten opzichte van eerdere studies.
• 3D Structuren: De visualisatie toonde duidelijk aanhangende schuine schokgolven, de groei van de grenslaag en een expansieventilator achter het model. Een ellipsvormige schokgolf die losraakt aan de bovenkant werd succesvol gekarakteriseerd.
• Data-assimilatie: Door de Euler-vergelijkingen te gebruiken, werden ongemeten velden (snelheid en temperatuur) effectief hersteld. De temperatuurgradiënten nabij de wand, die experimenteel moeilijk op te lossen zijn, werden succesvol afgeleid.
• Onzekerheid: De onzekerheidskartering toonde logische patronen: hoge onzekerheid bij schokfronten (waar kleine fouten in kalibratie of deflectie-sensing grote gevolgen hebben) en in expansiegebieden met lage signaalsterkte.

Betekenis en Impact

Deze studie markeert een belangrijke stap in de aerodynamische diagnostiek. Door een open-source dataset te koppelen aan geavanceerde, op neural networks gebaseerde reconstructiemethoden, bieden de auteurs een krachtig hulpmiddel voor de gemeenschap.

• Het stelt onderzoekers in staat om nieuwe workflows te ontwikkelen en bestaande methoden te valideren zonder de hoge kosten van fysieke experimenten.
• Het bewijst dat data-assimilatie direct vanuit optische metingen (zonder extra sensoren) volledige 3D-stromingsvelden kan reconstrueren.
• De beschikbaarheid van code en data versnelt de ontwikkeling van robuuste BOS-systemen voor realistische, complexe vliegtuiglichamen in supersonische stromingen.

De dataset en code zijn beschikbaar via de DOI: 10.26208/1VE2-5C19.