Advancements in Particle Position and Size Determination for the Optical Measurement of Disperse Two Phase Flows under Optical Constraints

Disperse Zweiphasenströmungen (DTPFs), bestehend aus Partikeln wie Blasen oder Tröpfchen, die
in einer kontinuierlichen Fluidphase suspendiert sind, stehen im Zentrum zahlreicher natürlicher
und industrieller Prozesse. Eine präzise, dreidimensionale (3D) Messung dieser Strömungen ist
entscheidend für das Vorantreiben theoretischer Erkenntnisse sowie zur Verbesserung der Effizienz und Nachhaltigkeit von Systemen. Konventionelle optische Techniken stoßen jedoch häufig an ihre Grenzen in optisch eingeschränkten Umgebungen, in denen Mehrkamerasysteme nicht realisierbar sind und Überlagerungen von Partikelbildern (PI) sowie ein niedriges Signal-Rausch-Verhältnis
... mehr
(SNR) erhebliche Herausforderungen darstellen.
Diese Arbeit legt das Fundament für ein neuartiges Framework, das die gleichzeitige 3D-Positions- und Größenbestimmung sowohl von Tracer- als auch von dispergierten Phasenpartikeln mit nur
einem einzigen optischen Zugang ermöglicht. Aufbauend auf der Defocusing Particle Tracking
Velocimetry (DPTV) und der Interferometric Particle Imaging (IPI) Methode wird die IPI Methode
erweitert, um im Rückstreubereich einsetzbar zu sein. Dadurch wird IPI für optisch eingeschränkte
Systeme geeignet, und die Erweiterung wird experimentell validiert. Ein auf inversen Proble-
men (IP) basierender Ansatz wird entwickelt, um Partikelpositionen und -größen gemeinsam zu
bestimmen, was die Robustheit gegenüber Rauschen und PI-Überlagerung erhöht. Die Meth-
ode ermöglicht zudem die Größenbestimmung von 3D-verteilten Blasen oder Tröpfchen und wird
auf experimentellen Daten mit etablierten Methoden verglichen. Convolutional Neural Networks
(CNNs) werden eingesetzt, um zwischen Partikeltypen zu unterscheiden, was Zweiphasenmessun-
gen ohne zusätzliche Hardware erlaubt. Die Methode wird an sechs verschiedenen Datensätzen
validiert. Zusätzlich wird ein statistisches Modell zur PI-Überlagerung eingeführt und in vier Ex-
perimenten validiert, um die Versuchsplanung zu unterstützen und Betriebsgrenzen zu definieren.
Während jeder Beitrag eine spezifische Herausforderung in der Zweiphasenströmungsdiagnostik
adressiert, bilden sie gemeinsam die grundlegenden Bausteine für eine zukünftige Integration in
eine umfassende Messmethodik.
Die kombinierte Methodik zielt darauf ab, In-situ-Diagnostik von DTPFs in zuvor unzugänglichen
Umgebungen mit Standard-Particle-Image-Velocimetry-Bildgebungsausrüstung zu ermöglichen.
Sie unterstützt höhere Partikelkonzentration, verbesserte räumliche Auflösung und den Zugang
zu Strömungskennwerten wie Schlupfgeschwindigkeiten. Die Ergebnisse leisten einen wertvollen
Beitrag zur experimentellen Fluidmechanik und eröffnen einen kosteneffizienten und skalierbaren
Ansatz für die komplexe Strömungsdiagnostik mit vielversprechendem Potenzial für Forschungs-
und Industrieanwendungen.

Disperse two-phase flows (DTPFs), comprising particles such as bubbles or droplets suspended in a continuous fluid phase, are central to numerous natural and industrial processes. Accurate, three-dimensional (3D) measurement of these flows is essential for advancing theoretical understanding and improving system efficiency and sustainability. However, conventional optical techniques often fall short in optically constrained environments, where multi-camera setups are infeasible and particle image (PI) overlap and low signal-to-noise ratios (SNR) pose significant challenges.
... mehr
This thesis lays the groundwork for a novel framework enabling simultaneous 3D position and
size determination of both tracer and dispersed phase particles using only a single optical access.
Building on defocusing particle tracking velocimetry (DPTV) and interferometric particle imaging
(IPI), the method extends IPI to the backscatter regime, making it suitable for constrained setups,
and validates this extension experimentally. An inverse problem (IP) approach is developed to
jointly estimate particle positions and sizes, enhancing robustness against noise and PI overlap.
The method also enables the sizing of 3D-distributed bubbles or droplets and is experimentally
validated against benchmarked methods. Convolutional neural networks (CNNs) are employed
to distinguish between particle types, allowing two-phase measurements without additional hard-
ware, and are tested across six different datasets. Additionally, a statistical model of PI overlap is
introduced and validated through four experiments to guide experimental design and define operational limits. While each contribution addresses a distinct challenge in two-phase flow diagnostics, they collectively establish the foundational components for future integration into a comprehensive measurement framework.
The combined methodology aims to enable in-situ diagnostics of DTPFs in previously inaccessible
environments, using standard PIV imaging equipment. It supports higher seeding densities, im-
proved spatial resolution, and access to flow metrics such as slip velocities. The findings contribute valuable insights to experimental fluid mechanics, offering a cost-effective and scalable approach to complex flow diagnostics with potential benefits for both research and industrial applications.