基于數(shù)字散斑相關(guān)方法的面內(nèi)微位移測(cè)量研究.pdf

1、數(shù)字散斑相關(guān)方法通常又被稱作數(shù)字圖像相關(guān)方法，它是一種非接觸、高精度、無(wú)損傷、全場(chǎng)測(cè)量的計(jì)算機(jī)輔助位移測(cè)量方法，已經(jīng)被成功地應(yīng)用到了實(shí)驗(yàn)力學(xué)及其它科研領(lǐng)域，現(xiàn)在正朝著高溫、生物、微觀、新型材料檢測(cè)等領(lǐng)域進(jìn)發(fā)。但目前該方法在整像素快速定位和亞像素精確求解上還存在一定的不足，因此本文主要研究如何進(jìn)一步提高整像素的定位速度，并對(duì)亞像素位移測(cè)量算法的優(yōu)缺點(diǎn)進(jìn)行討論，以更好地滿足實(shí)際工程測(cè)量的需求。
　　首先，簡(jiǎn)要介紹了散斑的形成原理，并解

2、釋了散斑圖可以進(jìn)行微位移測(cè)量的原因，推導(dǎo)了物體位移變形公式，討論了常用相關(guān)系數(shù)的特性，最終確立了本文的數(shù)字散斑相關(guān)方法模型。
　　然后，介紹了一種新穎的基于群體智能的布谷鳥(niǎo)搜索算法，對(duì)該算法的高效性進(jìn)行了分析，針對(duì)其存在的不足引入了非均勻變異算子、粒子群算法、高斯擾動(dòng)來(lái)對(duì)布谷鳥(niǎo)搜索算法中的隨機(jī)步長(zhǎng)和位置更新策略進(jìn)行改進(jìn)，并用四種不同的標(biāo)準(zhǔn)測(cè)試函數(shù)對(duì)改進(jìn)后算法的性能進(jìn)行了檢驗(yàn)；鑒于改進(jìn)后布谷鳥(niǎo)搜索算法的高效性，本文將其引入到了數(shù)字散

3、斑相關(guān)方法領(lǐng)域中，介紹了該算法測(cè)量位移時(shí)的原理，討論了不同參數(shù)對(duì)其計(jì)算效率的影響，并將其與已有整像素相關(guān)搜索算法的性能進(jìn)行了全面對(duì)比。
　　最后，對(duì)物體發(fā)生剛體平移、單向拉伸和剛體旋轉(zhuǎn)這三種不同應(yīng)變狀態(tài)進(jìn)行了模擬，同時(shí)對(duì)常用的四種亞像素位移測(cè)量算法在不同應(yīng)變狀態(tài)下的計(jì)算精度和算法穩(wěn)定性進(jìn)行了對(duì)比分析，發(fā)現(xiàn)了 Newton-Raphson法在復(fù)雜環(huán)境下的性能最佳，并將本文所提的整像素相關(guān)搜索算法與其相結(jié)合，對(duì)毛玻璃進(jìn)行了微位移測(cè)量，