科研和工程領(lǐng)域的不斷發(fā)展對(duì)光測(cè)力學(xué)方法的高精度、大量程、實(shí)時(shí)性提出了更高的要求。其中,二維數(shù)字圖像相關(guān)方法被廣泛用于面內(nèi)位移測(cè)量,目前0.01像素的測(cè)量精度能滿足大部分位移測(cè)量需求,但數(shù)字圖像相關(guān)方法(DIC)的實(shí)時(shí)性還未能滿足工業(yè)在線監(jiān)測(cè)等應(yīng)用場(chǎng)景。干涉法包括激光干涉,電子散斑干涉(ESPI)等已被廣泛用于離面位移測(cè)量,但受位相提取速度和精度,散斑退相關(guān)等因素的制約無(wú)法同時(shí)滿足高精度,大量程和實(shí)時(shí)性的測(cè)量需求。投影光柵法作為一種主動(dòng)測(cè)量方法常用于形貌測(cè)量領(lǐng)域,與干涉法相同,核心手段在于對(duì)條紋圖的分析,將提取到的位相轉(zhuǎn)化為待測(cè)物理量,因此測(cè)量效率依賴于準(zhǔn)確高效的位相提取方法。此外,神經(jīng)網(wǎng)絡(luò)法作為機(jī)器學(xué)習(xí)的重要組成部分,在圖像、語(yǔ)音等領(lǐng)域已獲得了廣泛的應(yīng)用,該方法也被引入到光學(xué)測(cè)量中,為光學(xué)測(cè)量中振動(dòng)信號(hào)分析、條紋圖分析等問(wèn)題提供了新的解決思路。本文工作以同時(shí)實(shí)現(xiàn)高精度,大量程,實(shí)時(shí)性的測(cè)量需求為目標(biāo),對(duì)現(xiàn)有測(cè)量手段做出了以下改進(jìn):(1)介紹了以牛頓迭代法(NR)和反向組合高斯牛頓法(IC-GN)為代表的傳統(tǒng)數(shù)字圖像相關(guān)方法,并指出亞像素位移的迭代計(jì)算是DIC方法耗時(shí)的關(guān)鍵�；�于此提出采...

【文章頁(yè)數(shù)】：111 頁(yè)

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景
    1.2 位移和形貌測(cè)量的發(fā)展和研究現(xiàn)狀
        1.2.1 數(shù)字圖像相關(guān)法
        1.2.2 GPU并行計(jì)算的引入和研究現(xiàn)狀
        1.2.3 干涉法
        1.2.4 投影光柵法
        1.2.5 條紋分析方法
        1.2.6 神經(jīng)網(wǎng)絡(luò)法的發(fā)展和應(yīng)用現(xiàn)狀
    1.3 本文的研究?jī)?nèi)容
    1.4 本文的章節(jié)安排
第2章 時(shí)序數(shù)字圖像相關(guān)法及其GPU并行加速
    2.1 前言
    2.2 數(shù)字圖像相關(guān)法基本原理
    2.3 整像素位移計(jì)算
    2.4 亞像素位移計(jì)算
        2.4.1 NR算法
        2.4.2 IC-GN算法
        2.4.3 時(shí)間序列法
    2.5 GPU并行加速
        2.5.1 并行計(jì)算原理
        2.5.2 并行計(jì)算加速結(jié)果
    2.6 本章小結(jié)
第3章 神經(jīng)網(wǎng)絡(luò)法基本介紹
    3.1 簡(jiǎn)介
    3.2 前向傳播
        3.2.1 BP神經(jīng)網(wǎng)絡(luò)
        3.2.2 卷積神經(jīng)網(wǎng)絡(luò)
    3.3 模型訓(xùn)練
        3.3.1 損失函數(shù)
        3.3.2 優(yōu)化算法
    3.4 本章小結(jié)
第4章 基于神經(jīng)網(wǎng)絡(luò)法的離面位移測(cè)量系統(tǒng)
    4.1 前言
    4.2 離面位移測(cè)量系統(tǒng)
        4.2.1 反射面干涉條紋形成原理
        4.2.2 漫反射面干涉條紋形成原理
    4.3 位移追蹤測(cè)量原理
        4.3.1 位移大小計(jì)算
        4.3.2 位移方向判斷
    4.4 實(shí)驗(yàn)驗(yàn)證與結(jié)果對(duì)比
        4.4.1 反射面干涉實(shí)驗(yàn)
        4.4.2 漫反射面干涉實(shí)驗(yàn)
        4.4.3 結(jié)果與討論
    4.5 本章小結(jié)
第5章 基于神經(jīng)網(wǎng)絡(luò)的位相提取算法
    5.1 位相提取背景及概述
    5.2 位相提取算法
        5.2.1 四步相移法
        5.2.2 傅里葉變換法
        5.2.3 小波變換法
        5.2.4 神經(jīng)網(wǎng)絡(luò)法
    5.3 條紋圖獲取
        5.3.1 模擬條紋圖
        5.3.2 實(shí)驗(yàn)條紋圖
    5.4 實(shí)驗(yàn)結(jié)果和討論
        5.4.1 計(jì)算精度
        5.4.2 計(jì)算速度
        5.4.3 討論
    5.5 本章小結(jié)
第6章 基于神經(jīng)網(wǎng)絡(luò)的單點(diǎn)動(dòng)態(tài)位移分析
    6.1 引言
    6.2 軸承振動(dòng)信號(hào)特性
    6.3 希爾伯特變換
    6.4 故障監(jiān)測(cè)方法原理
    6.5 故障監(jiān)測(cè)方法驗(yàn)證
    6.6 本章小結(jié)
第7章 總結(jié)與展望
    7.1 全文總結(jié)
    7.2 展望及對(duì)后續(xù)工作的思考
參考文獻(xiàn)
致謝
在讀期間發(fā)表的學(xué)術(shù)論文與取得的其他研究成果



本文編號(hào)：3964219