3D-DIC测量的误差分析和现场测试试验的精度验证(数字图像相关法)

182 篇文章 2 订阅
129 篇文章 0 订阅

背景介绍

数字图像相关方法(DIC)是一种用于测量物体变形及粒子移动的计算机辅助测量方法,实现变形过程中物体表面的三维坐标、位移及应变的动态测量,具有便携,速度快,精度高,易操作等特点,在各领域的科研和工程实践应用广泛。

DIC虽然有非接触、精度高、全场测量等优势,但一些因素也会对其测量精度产生较大影响,本文将通过分析这些常见的造成误差的因素,有效提升测试精度和可靠性。

另外,如何对DIC测量精度进行有效验证也是用户关注的焦点,本文通过几个典型的实验场景,把DIC测量的数据与应变片、传感器等测量数据对比,验证了在实验条件下其位移和应变精度与应变片、传感器等测量数据高度吻合,有助于进一步推动其在实验力学测试领域的应用。

数字图像相关误差分析

1、系统误差分析

在传统的数字图像相关方法中,假设子区中的变形为常应变,会带来一定的截断误差。子区位移模式中如取太高次的泰勒多项式,又会使相关迭代的速度减慢。

通过子区位移模式中采用子区中心点位移的2次泰勒多项式来表示,这种用非常应变子区位移模式代替常应变子区位移模式的方法,既提高了测量精度,又提升了测试效率。

2、亚像素重建引起误差

数字图像相关技术依靠散斑图像采集的恢复才能完成 ,覆盖整个谱平面的空间散斑场 ,经过光学系统和光探测器件窗的两级带限 ,决定了不可能完全恢复该空间散斑场。

亚像素重建通过采用双线性插值,多项式插值和样条插值等方法来近似地恢复散斑图像。这一定会引起相关计算中的系统误差,从而给最后的测量结果带来误差。

图片

3、离面位移引起误差

实际三维变形与假设二维变形条件的推导会给测试结果带来误差。

用数字图像相关测量方法测量的是物体表面的面内位移和应变,而实际存在的离面 位移会影响面内应变的测量,从而引起系统误差。

4、CCD相机采集

CCD记录不具有足够的线性和系统的相差造成图像失真,也会给测试结果带来误差。

随机误差因素分析

1、光源的光强不稳定,随时间变化。

2、CCD记录的噪声所带来的误差。一部分为环境噪声,如地面振动、电磁干扰、热对流、光强波动;CCD系统内部噪声。

3、另外,CCD记录的离散特性在空间采集和信号量化方面,都会对测试结果带来误差。

数字图像相关应用优化

为了减少数字图像相关方法的测量误差,提高测试的可靠性,对于数字图像相关方法的应用优化是非常关键的。

1、保证试件平面运动

因为相关计算中只考虑了面内变形,所以限制离面位移是很有必要的,通常采取如下措施减少离面位移的影响,以达到尽量保证试件平面运动的目的。

(1)用预加载的办法阻止试件产生离面位移;

(2)在光学成像方面采取措施。用大比率的物距与像距比的光学成像系统,这样能减小像的离面位移且限制了离面位移引起的附加面内应变;

(3)测出离面位移,用补偿的方法排除离面位移的影响。

(4)采用测试试件的离面位移并通过校准加以补偿。

2、抑制环境干扰

1)利用隔震台、充气台隔离地面振动;

2)采用算法对热气流扰动的位移场x,y,z方向的参数矩阵进行修正,有效减小热气流对系统成像及测量精度的影响。

3)选用照明稳定的光源,提高DIC系统采集图像的稳定性;

4)通过DIC设备的预热,提升系统的稳定性。

3、可靠的初值预测

利用图像采集过程实时相减功能,通过三维精密调节架调节摄像机系统的办法,把刚体位移控制在一个小量级范围内,实现初始位移和位移导数赋常数零,即为初始估计值。

4、选择适当的散斑图

小尺寸、高对比度的散斑,可增强形变前后的两个子区的图像相关性 ,可加速迭代过程的收敛性。

通过调节成像镜头的光圈,合理地布置光源来改变照度,使之适应CCD器件的响应范围,达到精确测量的目的。

在DIC图像采集上,通过图像灰度的直方图,确定照度是否合理,保证图像采集的质量。

5、选择合理的子区尺寸

CCD采集选择合适测试结果的子区像素,减少相关函数计算中的随机误差,保证重复测试结果的一致性。

6、统计数据处理

DIC算法对采集的图像进行“处理后平均",分别算出各个分量(如位移和位移梯度)的平均值和标准偏差,提升测试的精度和可靠性。

新拓三维DIC系统精度验证

数字图像相关法的精度验证,可采用所测得两个对应点之间的最小位移量(以像素为单位)和最小应变值。

采用DIC试验现场验证的方法,对新拓三维XTDIC三维全场应变测量系统的测试精度进行验证,分析在试验应用场景下的精度情况和测试数据可靠性。

1、压缩加载变形测试

采用压缩加载实验进行精度验证:

• 在零部件表面粘贴应变片,精度1微应变;

• 测量轴向、径向应变,绘制时间-应变曲线,将DIC数据与应变片数据进行对比;

• DIC数据与应变片值吻合很好,两者应变差别在20με以内。

图片

DIC测量数据与应变片数采对比,XTDIC三维全场应变测量系统输出的数据与应变片值吻合很好,两者应变差别在20με以内。

图片

DIC测量数据-应变场解算

图片

在三个不同加压状态下,DIC测量出来的应变数据分别为:0.285微应变、93.1微应变、205.896微应变。

应变片测出来的数据为:0.206微应变,73.552微应变,217.215微应变。应变精度相差均在20微应变之内。

2、振动实验位移精度验证

• 通过天线反射器振动实验进行位移偏差对比;

• 通过激光位移传感器获取位移数据,精度1微米;

• 施加不同力载荷,每组采集20个数据,DIC与传感器进行精度对比;

• 位移精度0.01mm。

3、振动观测位移精度验证

•通过振动实验进行位移偏差定性评估;

• 通过激振器施加微小载荷,飞机模型进行振动;

• 绘制时间-位移曲线,观测振动效果;

• 振幅0.1mm以内有明显的振动趋势。

图片

图片

通过对数字图像相关的测量误差进行了分析,并分析了各项测量误差的产生原因及相应的消除和抑制误差的软硬件算法和优化方案。

采用新拓三维XTDIC三维全场应变测量系统,通过实验方式进行精度验证,位移与应变测试精度与应变片、传感器等测试数据高度吻合,DIC系统的灵敏度、精确度和数据可靠性都得到了实际试验应用的验证。

  • 62
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
FlowNet和数字图像相关(DIC)是用于光流估计的两种不同的技术。它们有以下的异同点: 1. 原理:FlowNet是基于深度学习的光流估计方,它通过训练一个卷积神经网络来学习图像间的光流信息。而DIC是一种传统的基于相关分析的光流估计方,它通过比较图像序列中的特征点的位置和亮度信息来计算光流。 2. 数据需求:FlowNet需要大量带有标注的光流数据进行训练,以学习图像特征和光流之间的关系。而DIC通常只需要一对或多对连续图像来进行相关分析,并不需要额外的标注数据。 3. 处理速度:由于FlowNet使用深度学习网络,其计算复杂度较高,处理速度相对较慢。而DIC是一种传统的方,通常具有较快的处理速度。 4. 应用场景:FlowNet主要应用于计算机视觉领域,例如光流估计、视频分析、目标跟踪等。DIC主要应用于实验力学、材料力学等领域,用于测量物体形变、位移、应变等信息。 5. 精度和鲁棒性:FlowNet在大规模数据集上进行训练,具有较高的预测精度。然而,对于复杂场景或存在纹理缺失的图像,FlowNet可能会面临挑战。DIC在光照变化、纹理缺失等情况下仍然能够进行准确的光流估计。 综上所述,FlowNet和DIC是两种不同的光流估计方,FlowNet基于深度学习,DIC基于传统的相关分析。它们在原理、数据需求、处理速度、应用场景和精度鲁棒性等方面存在差异。选择适合的方取决于具体的应用需求和场景特点。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值