Dalam pengukuran aliran dengan menggunakan profiler Vectrino, salah satu hal yang paling penting adalah mengatur interval ping dan correlation velocity. Berikut ini beberapa tips yang dapat membantu Anda mencapai hasil pengukuran yang lebih akurat.

Adaptive Ping Interval

Algoritma Adaptive Ping Interval dapat digunakan untuk mengumpulkan profile yang panjang dan menganalisis balik echo untuk menentukan tempat interferensi akustik terjadi. Interval ping kemudian dihitung untuk mencapai kecepatan ambiguity dan rentang sampling sementara meminimalisasi/removing acoustic interference. Dengan demikian, algoritma ini dapat digunakan sebagai pilihan yang paling umum.

Velocity Range

Dalam pengukuran aliran, Anda perlu menentukan range kecepatan yang sesuai untuk menghasilkan data yang akurat. Range kecepatan horizontal dan vertikal biasanya lebih besar daripada kecepatan yang diharapkan, namun tidak terlalu signifikan. Jika Anda berharap mendapatkan nilai kecepatan yang besar dan aligned dengan komponen Z instrumen, pastikan bahwa rentang kecepatan vertikal cukup besar.

Turbulent Flow

Dalam aliran turbulent, Anda biasanya perlu meningkatkan range kecepatan untuk memperbaiki correlation. Jika Anda berharap mendapatkan data yang akurat dalam aliran turbulent, pastikan bahwa Anda telah mengatur range kecepatan dengan benar.

Data dengan Correlation Rendah

Jika Anda memiliki data dengan correlation rendah, Anda dapat masih menggunakan data tersebut untuk menghitung fitur turbulence seperti stress Reynolds dan spektrum turbulence. Namun, perlu diingat bahwa data tersebut mungkin tidak seakurat data dengan correlation yang lebih tinggi.

Weak Spots

Weak spots adalah daerah dengan amplitude yang tinggi dan SNR yang rendah, namun velocity data yang noisy dan spiky. Anda dapat mengatasinya dengan menggunakan algoritma Adaptive Ping Interval atau dengan menyesuaikan range kecepatan manual.

Low Correlation near Bed

Dalam pengukuran dekat dasar, Anda perlu berhati-hati karena SNR dan correlation biasanya rendah. Tips yang paling penting adalah mengurangi volume sampling, mengurangi panjang transmit, dan meningkatkan frekuensi sampling untuk memperbaiki data.

Penggunaan Data dengan Correlation Rendah

Jika Anda memiliki data dengan correlation rendah, Anda perlu berhati-hati dalam analisisnya. Jika correlation kurang dari 60%, maka data tersebut mungkin tidak seakurat data dengan correlation yang lebih tinggi. Namun, Anda dapat masih menggunakan data tersebut untuk menghitung mean values.

Noise

Jika Anda memiliki data dengan noise yang tinggi dan correlation rendah, tips yang paling penting adalah berhati-hati dalam pengukuran dan memastikan bahwa probe Anda tidak terlalu dekat dengan sumber noise.