本文關(guān)鍵詞：基于數(shù)字散斑相關(guān)方法的面內(nèi)微位移測(cè)量研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：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,證實(shí)了本文所提觀點(diǎn)在具體實(shí)驗(yàn)中的可行性與高效性。
【關(guān)鍵詞】：數(shù)字散斑相關(guān)方法 布谷鳥(niǎo)搜索算法 位移測(cè)量 剛體平移
【學(xué)位授予單位】：中北大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.41;TP18
【目錄】：

• 摘要4-5
• Abstract5-10
• 1 緒論10-15
• 1.1 課題研究背景及意義10-11
• 1.2 數(shù)字散斑相關(guān)方法的國(guó)內(nèi)外研究現(xiàn)狀11-13
• 1.2.1 理論研究11-12
• 1.2.2 應(yīng)用研究12-13
• 1.3 本文主要研究?jī)?nèi)容及組織結(jié)構(gòu)13-14
• 1.3.1 本文主要研究?jī)?nèi)容13
• 1.3.2 本文結(jié)構(gòu)安排13-14
• 1.4 本章小結(jié)14-15
• 2 數(shù)字散斑相關(guān)測(cè)量方法基本理論15-25
• 2.1 散斑概述15-16
• 2.2 數(shù)字散斑相關(guān)方法測(cè)量原理16-20
• 2.2.1 面內(nèi)變形公式推導(dǎo)16-18
• 2.2.2 常用的相關(guān)系數(shù)18-20
• 2.3 常用的整像素相關(guān)搜索方法20-24
• 2.3.1 爬山法20-21
• 2.3.2 遺傳算法21-23
• 2.3.3 粒子群算法23-24
• 2.4 本章小結(jié)24-25
• 3 布谷鳥(niǎo)搜索算法及其改進(jìn)算法25-40
• 3.1 基本布谷鳥(niǎo)搜索算法25-26
• 3.2 改進(jìn)后的布谷鳥(niǎo)搜索算法（ICS算法）26-31
• 3.2.1 基于非均勻變異算子的自適應(yīng)步長(zhǎng)27-29
• 3.2.2 鳥(niǎo)巢位置更新策略29-30
• 3.2.3 最優(yōu)鳥(niǎo)巢擾動(dòng)策略30-31
• 3.2.4 ICS算法的基本步驟31
• 3.3 仿真實(shí)驗(yàn)設(shè)置31-35
• 3.3.1 標(biāo)準(zhǔn)測(cè)試函數(shù)31-33
• 3.3.2 算法性能評(píng)價(jià)指標(biāo)33-34
• 3.3.3 相關(guān)參數(shù)設(shè)置34-35
• 3.4 ICS算法的實(shí)驗(yàn)驗(yàn)證35-39
• 3.4.1 固定迭代次數(shù)35-36
• 3.4.2 設(shè)定測(cè)試函數(shù)閾值36-37
• 3.4.3 收斂效果對(duì)比37-39
• 3.5 本章小結(jié)39-40
• 4 基于ICS算法的整像素?cái)?shù)字散斑相關(guān)方法40-49
• 4.1 計(jì)算機(jī)模擬散斑圖40-41
• 4.2 基于ICS算法的整像素?cái)?shù)字散斑相關(guān)方法41-46
• 4.2.1 ICS算法測(cè)量散斑圖像整像素位移流程41-42
• 4.2.2 ICS算法測(cè)量模擬散斑圖位移原理42-44
• 4.2.3 ICS算法主要參數(shù)對(duì)計(jì)算效率的影響44-46
• 4.3 與已有整像素搜索算法的比較46-48
• 4.4 本章小結(jié)48-49
• 5 亞像素位移測(cè)量算法研究49-63
• 5.1 常用的亞像素位移測(cè)量算法49-54
• 5.1.1 曲面擬合法49-51
• 5.1.2 相關(guān)系數(shù)插值法51
• 5.1.3 梯度算法51-53
• 5.1.4 Newton-Raphson算法53-54
• 5.2 亞像素位移測(cè)量算法性能比較54-59
• 5.2.1 剛體平移模擬實(shí)驗(yàn)55-56
• 5.2.2 單向拉伸模擬實(shí)驗(yàn)56-58
• 5.2.3 剛體旋轉(zhuǎn)模擬實(shí)驗(yàn)58-59
• 5.3 數(shù)字散斑相關(guān)方法的實(shí)驗(yàn)研究59-62
• 5.3.1 實(shí)驗(yàn)裝置及平臺(tái)搭建59-60
• 5.3.2 實(shí)驗(yàn)過(guò)程60-62
• 5.3.3 誤差分析62
• 5.4 本章小結(jié)62-63
• 6 總結(jié)與展望63-65
• 6.1 全文總結(jié)63-64
• 6.2 不足與展望64-65
• 參考文獻(xiàn)65-70
• 攻讀碩士學(xué)位期間所取得的研究成果70-71
• 致謝71-72

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 張新占;散斑圖的信息處理[J];西安公路交通大學(xué)學(xué)報(bào);1994年01期

2 鄭光昭;電子散斑干涉術(shù)[J];廣東工業(yè)大學(xué)學(xué)報(bào);2002年03期

3 王雅丹;蘇顯渝;;位置隨機(jī)散斑相關(guān)測(cè)量方法及應(yīng)用[J];激光雜志;2008年01期

4 徐敏;鄭庸;江鐵良;唐小平;;散斑隨機(jī)相移器[J];光電子.激光;1983年04期

5 林有義;;時(shí)間平均散斑測(cè)振[J];光電子.激光;1984年02期

6 王祥林,郭靖華;用白光進(jìn)行散斑圖的信息處理[J];力學(xué)與實(shí)踐;1982年04期

7 徐梓p

本文編號(hào)：388494