用于测量不连续位移场的先进网格方法

《International Journal of Mechanical Sciences》:Advanced grid method for discontinuous displacement field measurement

【字体: 大 中 小 】 时间:2026年01月09日 来源:International Journal of Mechanical Sciences 9.4

编辑推荐:

  基于采样莫尔法与自适应加权最小二乘算法的裂纹位移场高精度测量研究,提出结合SMM与AW-LS的先进网格方法,通过构建基于局部相位梯度方差的连续权重矩阵有效抑制误差传播,在数值模拟和镍基单晶合金裂纹扩展实验中均实现亚像素级精度,为材料断裂力学研究提供新工具。

  
Xinyun Xie|Qinghua Wang|Rongrong Jin|Nina Li|Xiaojun Yan
北京航空航天大学能源与动力工程学院,中国北京100191

摘要

在材料变形过程中准确测量位移场对于理解和预测机械故障至关重要。然而,传统的基于网格的光学方法由于相位展开过程中的误差传播,往往无法可靠地量化靠近裂纹等不连续区域的位移场。在这项研究中,我们提出了一种先进的网格方法来克服这一限制。该方法结合了采样莫尔法(SMM)和一种新颖的自适应加权最小二乘(AW-LS)相位展开算法。其关键创新在于使用基于局部相位梯度方差的连续数据驱动权重矩阵。该矩阵能够自适应地引导展开过程,有效隔离与不连续区域相关的相位误差传播源,同时保留完整的变形信息。严格的数值模拟验证了我们的方法在测量被理论裂纹切割的网格图像的位移场时的亚像素精度。此外,该方法还应用于镍基单晶(NBSC)超合金试样的原位拉伸实验中,以测量裂纹周围的位移场。实验结果首次定量描述了NBSC试样在单轴拉伸下微裂纹萌生和扩展过程中的全场位移演变。定量实验误差分析表明,即使在网格严重损坏的情况下,测量误差也保持在网格间距的10%以下。这项研究为不连续变形建立了一个稳健的光学计量框架,为材料设计、结构完整性评估和实验力学提供了重要潜力。

引言

光学全场变形测量技术在实验力学中发挥着关键作用,为了解材料和服务在各种加载条件下的机械行为提供了重要见解。此类测量对于材料表征[[1], [2], [3]]、结构完整性和可靠性评估[[4], [5], [6]]以及数值模型的验证[[7], [8], [9]]是不可或缺的。然而,大多数现有的光学技术通常是为测量连续变形而设计的[[10], [11], [12]]。当物体发生裂纹或滑移带等不连续变形时,传统方法由于固有的理论限制而难以实现高精度的变形测量[[13], [14], [15]]。
在过去的几十年中,数字图像相关(DIC)技术因其实验简单性和多功能性而成为主导的非接触式测量技术[[16], [17], [18], [19], [20], [21], [22]]。已经开发了许多用于不连续变形测量的扩展方法,包括沿已知裂纹路径分割子集的DIC[[23], [24]]、基于深度学习的端到端变形测量方法[[25]]、扩展有限元[[26]]或元素移除的DIC公式[[27]](这些方法将位移跳变嵌入运动学描述中),以及更近期的基于图像特征引导[[28]]或自适应DIC方案[[29], [30]](这些方法试图通过特征匹配或局部质量分析避免裂纹交叉的子集)。这些方法清楚地表明,DIC原则上可以适应测量裂纹开口和其他位移不连续性。然而,它们存在几个重要限制。大多数方法缺乏自动化,需要手动干预来识别裂纹路径和调整阈值。此外,当不连续变形超过子集大小时,参考模式和变形模式之间的不匹配会导致严重的去相关效应,从而降低相关函数的成功率,导致误差传播[[13], [14]]。
为了克服DIC的分辨率限制以及基于网格的方法[[11,[31], [32], [33], [34]](特别是采样莫尔法(SMM)[[4,[35], [36], [37]]),出现了一种强大的替代方案。SMM的核心原理是从网格图像中提取相位信息,位移与相位变化成正比[[38], [39]]。这种基于网格的方法在理论精度和抗噪能力方面显著优于基于散斑的相关方法[[11], [12], [40]]。
然而,在将网格方法应用于断裂力学时,一个关键瓶颈仍然存在:物理不连续性存在时的相位展开问题。提取的相位在数学上被包裹在(-π, π]范围内[[41]],需要通过相位展开来获得位移场。网格图像的不连续变形会在包裹的相位图中产生混乱和混叠信号,使得传统的相位展开(PU)算法容易出错。PU算法通常分为两大类:路径跟随(PF)算法[[42], [43]]和最小范数方法[[44]]。PF相位展开算法,包括Itoh算法[[10]]、分支切割方法[[11]]和最小加权不连续性方法[[13]],沿指定路径积分相位梯度,容易受到误差传播的影响:不连续处的一个错误2π跳变可能会破坏整个后续的测量场。事实上,无法对不连续网格变形进行准确的相位展开仍然是在这种关键情况下无法可靠测量位移场的主要障碍。
最小范数方法采用全局方法来解决相位展开问题[[45], [46], [47], [48]]。例如,全局最小二乘方法[[49], [50]]将问题重新表述为泊松方程的解[[51]],可以使用快速傅里叶变换(FFT)高效求解。然而,这种无权重的方法会自然地平滑数据,将不连续性引起的误差分散到整个图像中,而不是将其包含在内[[52]]。认识到这一点,研究人员提出了基于质量的[[48,[53], [54], [55], [56]], 网络优化算法[[58], [59]]和加权最小二乘(WLS)方法[[45], [46], [47]]。这些方法试图使用质量图来识别和弱化不良数据点。然而,这些图通常基于简单的二进制掩码(好/坏像素)或需要外部指标,而且算法仍然无法有效处理复杂的、充满不连续性的区域。结果得到的位移场虽然平滑,但在物理上不准确,无法保留裂纹特征的明显位移跳变。
此外,深度学习(DL)方法,如卷积神经网络(CNN)和残差网络(ResNets),在复杂噪声条件下去噪和展开相位图方面取得了显著成功[[60], [61]]。例如,最近的研究利用U-Net架构或采用物理信息神经网络(PINNs)来规范展开过程[[62], [63]]。然而,这些深度学习方法在应用于未见过的实验网格模式时往往存在泛化问题。因此,一种能够智能适应局部数据质量同时保留物理不连续性的方法仍然是一个关键的未满足需求。
在这项工作中,我们通过开发一种先进的网格方法来克服上述长期存在的限制,该方法将SMM与自适应加权最小二乘(AW-LS)相位展开算法相结合,专门用于准确测量不连续位移场。核心创新在于构建了一个基于局部相位梯度方差的连续数据驱动权重矩阵,使算法能够自适应地降低不可靠区域的权重,同时保持位移不连续性的完整性。我们通过对包含理论裂纹的网格图像进行严格数值模拟来验证该方法,证明了其在位移测量中的亚像素精度。我们进一步通过镍基单晶(NBSC)超合金的原位拉伸实验验证了该方法的实际有效性,定量捕获了微裂纹萌生和扩展的整个位移场演变。这项工作建立了一个稳健且准确的计量工具,显著推进了断裂力学的实验研究。
本研究的结构如下。第2节介绍了所提出的先进网格方法的原理,详细阐述了算法框架、精度验证、参数敏感性分析以及在NBSC超合金上的实验准备。第3节报告了实验结果,包括裂纹演变的原位光学观察、与传统方法的定量比较以及裂纹萌生和扩展过程中的全场位移演变。第4节讨论了我们的主要发现、优势、局限性和潜在应用。最后,第5节总结了本研究的主要结论。

部分摘录

方法

本节详细介绍了用于稳健不连续变形测量的方法论框架。首先介绍了采样莫尔法用于相位提取的基本原理(第2.1节),然后分析了不连续场特有的相位展开问题(第2.2节)。本研究的核心创新——自适应加权最小二乘(AW-LS)算法在数学上进行了阐述(第2.3节)。最后,介绍了验证策略。

结果

本节提出了验证所提出的先进网格方法的全面结果。首先,描述了NBSC试样中裂纹演变的原位光学观察(第3.1节)。其次,将相位展开性能与传统方法进行了定量比较(第3.2节)。第三,分析了裂纹萌生和扩展过程中的全场位移演变(第3.3节),提供了定量裂纹开口位移(COD)数据。最后,

讨论

该方法在理想LEFM裂纹和更现实的软化不连续性上的成功应用得益于两个核心策略:网格相位提取的独立性和AW-LS方法对相位紊乱误差源的自适应隔离。首先,每个像素独立提取网格相位信息(如图1所示),这与DIC不同,在DIC中如果局部塑性变形超过子集大小,则子集概念可能会失败。这种独立性确保了

结论

在这项研究中,我们开发了一种先进的网格方法,用于稳健测量不连续位移场,解决了传统光学计量学中的一个关键限制。通过将采样莫尔法与一种新颖的自适应加权最小二乘(AW-LS)相位展开算法相结合,我们建立了一个能够处理裂纹等严重不连续性的框架。主要结论总结如下:
  • (1)
    算法创新:我们提出了一种连续的
  • 贡献

    Xinyun Xie:撰写原始草稿、软件开发、方法论设计、实验研究、数据分析、概念化。Qinghua Wang:撰写与编辑、监督、资源协调、项目管理。Rongrong Jin:实验研究、数据管理。Nina Li:实验研究、数据管理。Xiaojun Yan:监督、资源协调。

    作者贡献声明

    Xinyun Xie:撰写原始草稿、可视化处理、验证、软件开发、方法论设计、实验研究、数据分析、概念化。Qinghua Wang:撰写与编辑、监督、软件开发、资源协调、项目管理、方法论设计、资金获取、数据管理。Rongrong Jin:验证、方法论设计、实验研究、数据分析。Nina Li:验证、资源协调、实验研究、数据分析。Xiaojun Yan:监督、资源协调、项目管理
    相关新闻
    生物通微信公众号
    微信
    新浪微博
    • 搜索
    • 国际
    • 国内
    • 人物
    • 产业
    • 热点
    • 科普

    热点排行

      今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

      版权所有 生物通

      Copyright© eBiotrade.com, All Rights Reserved

      联系信箱:

      粤ICP备09063491号