數(shù)字散斑圖像整像素位移測(cè)量的相關(guān)技術(shù)研究.pdf

1、數(shù)字散斑相關(guān)法因其光路簡(jiǎn)單、非接觸測(cè)量等優(yōu)勢(shì)，經(jīng)過(guò)近30年的發(fā)展，已廣泛應(yīng)用在材料強(qiáng)度測(cè)試、變形、拉伸等很多領(lǐng)域，有其重要的研究?jī)r(jià)值。但因?yàn)閭鹘y(tǒng)的數(shù)字散斑相關(guān)法數(shù)據(jù)運(yùn)算量大、效率低、易陷入局部最優(yōu)、不能進(jìn)行實(shí)時(shí)測(cè)量，因此本文圍繞這幾個(gè)問(wèn)題展開研究。
　　本文的研究工作主要有以下幾方面：
　　(1)闡述了數(shù)字散斑測(cè)量技術(shù)的課題研究背景、意義和發(fā)展歷史，著重研究的是數(shù)字散斑相關(guān)法的發(fā)展階段。
　　(2)重點(diǎn)學(xué)習(xí)數(shù)字散斑相關(guān)

2、法涉及的相關(guān)技術(shù)，包括數(shù)字散斑相關(guān)方法(Digital Speckle Correlation Method，簡(jiǎn)稱DSCM)的算法原理，計(jì)算機(jī)模擬散斑圖的原理，幾種經(jīng)典的整像素搜索算法和亞像素搜索算法。
　　(3)學(xué)習(xí)研究原理簡(jiǎn)單、涉及參數(shù)少的果蠅優(yōu)化算法(Fruit Fly Optimization Algorithm，簡(jiǎn)稱FOA)。針對(duì)基本果蠅優(yōu)化算法(FOA)存在的嗅覺搜索隨機(jī)盲目，迭代尋優(yōu)只學(xué)習(xí)最優(yōu)個(gè)體引起的收斂精度低，易

3、陷入局部極值的問(wèn)題，提出基于非均勻變異和自適應(yīng)逃逸的果蠅優(yōu)化算法(Fruit Fly Optimization Algorithm Based on Non-Uniform Mutation and Adaptive Escape，簡(jiǎn)稱NAFOA)。該算法在嗅覺搜索階段引入非均勻變異算子，動(dòng)態(tài)調(diào)整每次迭代的搜索步長(zhǎng)。通過(guò)設(shè)置閾值將種群劃分為“早熟”狀態(tài)和正常狀態(tài)，若處于正常狀態(tài)，采用基本的FOA模式進(jìn)化；若處于“早熟”狀態(tài)，則對(duì)全局最優(yōu)

4、果蠅進(jìn)行逐維擾動(dòng)，逃離局部最優(yōu)，很好地平衡了果蠅探索和開發(fā)的能力。設(shè)計(jì)實(shí)驗(yàn)測(cè)試6個(gè)經(jīng)典函數(shù)，結(jié)果證明，該算法在精度和魯棒性方面均優(yōu)于基本的果蠅算法及其他幾種改進(jìn)算法。將NAFOA應(yīng)用于數(shù)字散斑相關(guān)法的測(cè)量中，實(shí)驗(yàn)結(jié)果證明該方法是可行的。
　　(4)針對(duì)傳統(tǒng)的數(shù)字散斑相關(guān)法存在的數(shù)據(jù)運(yùn)算量大、計(jì)算繁瑣冗余、計(jì)算效率低等問(wèn)題，從另一個(gè)角度入手，即數(shù)字散斑的特性出發(fā)，基于極值位移測(cè)量法(Extremum Displacement Met