CN109272491A - 试验环境下裂纹尖端的识别方法、装置及设备 - Google Patents
试验环境下裂纹尖端的识别方法、装置及设备 Download PDFInfo
- Publication number
- CN109272491A CN109272491A CN201810968606.2A CN201810968606A CN109272491A CN 109272491 A CN109272491 A CN 109272491A CN 201810968606 A CN201810968606 A CN 201810968606A CN 109272491 A CN109272491 A CN 109272491A
- Authority
- CN
- China
- Prior art keywords
- crack tip
- grid
- displacement field
- module
- objective function
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Investigating Strength Of Materials By Application Of Mechanical Stress (AREA)
Abstract
本发明公开了一种试验环境下裂纹尖端的识别方法、装置及设备,该识别方法包括:采集数据图像;根据数据图像,获取含裂纹尖端区域的位移场;对位移场的数据进行整理;根据整理后的位移场的数据,建立与裂纹尖端位置相关的目标函数;根据目标函数,确定裂纹尖端的位置;将裂纹尖端的位置转换成坐标。本发明提供的识别方法在裂纹尖端识别分析中计算速度快,能够连续进行裂尖的识别,可以保证裂尖识别的实时性,另外,还能够极大地降低裂纹扩展试验的试验成本,有助于提高可视裂纹的检测水平,工程意义大。
Description
技术领域
本发明属于损伤容限试验技术领域,具体涉及一种试验环境下裂纹尖端的识别方法及装置。
背景技术
工程上结构受交变载荷会产生疲劳裂纹,裂纹的扩展会极大地降低结构的强度,为了确保具有裂纹的材料及结构在使用过程中不会发生安全事故,必须可靠地确定其在疲劳载荷条件下裂纹扩展速率,它是进行剩余寿命评估的一个重要的力学特性指标,精确测量裂纹长度是关键的一项工作,而测量裂纹长度首要的一点是确定裂纹尖端位置。目前裂纹尖端坐标的确定依赖于测量人员的判断,这种方法存在明显的缺点,劳动强度大,人为因素影响大,可靠性低。
因此,希望有一种技术方案来克服或至少减轻现有技术的至少一个上述问题。
发明内容
本发明的目的在于提供一种试验环境下裂纹尖端的识别方法及装置来克服或至少减轻现有技术中的至少一个上述问题。
为实现上述目的,在第一方面,本发明提供了一种试验环境下裂纹尖端的识别方法,所述识别方法包括:采集数据图像;根据所述数据图像,获取含裂纹尖端区域的位移场;对所述位移场的数据进行整理;根据整理后的所述位移场的数据,建立与所述裂纹尖端位置相关的目标函数;根据所述目标函数,确定所述裂纹尖端的位置;将所述裂纹尖端的位置转换成坐标。
在上述识别方法的优选技术方案中,所述裂纹尖端位置相关的目标函数如下:其中,He为相关性分析获得的位移场,xc为裂纹尖端的x坐标,yc为裂纹尖端的y坐标,Ha(xc,yc)为用裂纹坐标表示的位移场,T表示矩阵转置,J为目标函数值。
在上述识别方法的优选技术方案中,根据所述目标函数,确定所述裂纹尖端的位置,包括:在所述位移场范围内以某一点为第一中心点,按照第一间隔生成第一网格;根据所述目标函数计算所述第一网格中的每个节点的目标函数值,找到对应最小目标函数值的第一网格节点;以对应最小目标函数值的网格节点为第二中心点,按照第二间隔生成第二网格;根据所述目标函数计算所述第二网格中的每个节点的目标函数值,找到对应最小目标函数值的第二网格节点;判断所述第一网格节点与所述第二网格节点之间的距离是否小于或者等于精度阈值;如果所述距离小于或者等于所述精度阈值,则以第二网格节点作为所述裂尖位置;其中,所述第一间隔大于所述第二间隔。
在上述识别方法的优选技术方案中,如果所述距离大于所述精度阈值,则重复上述步骤,直到所述距离小于或者等于所述精度阈值,并将最后寻找到的网格节点作为裂尖位置
在第二方面,本发明还提供了一种试验环境下裂纹尖端的装置,包括:采集模块,被配置为采集数据图像;处理模块,被配置为根据所述数据图像,获取含裂纹尖端区域的位移场;整理模块,被配置为对所述位移场的数据进行整理;函数构建模块,被配置为根据整理后的所述位移场的数据,建立与所述裂纹尖端位置相关的目标函数;确定模块,被配置为根据所述目标函数,确定所述裂纹尖端的位置;转换模块,被配置为将所述裂纹尖端的位置转换成坐标。
在上述识别装置的优选技术方案中,所述裂纹尖端位置相关的目标函数如下:其中,He为相关性分析获得的位移场,xc为裂纹尖端的x坐标,yc为裂纹尖端的y坐标,Ha(xc,yc(为用裂纹坐标表示的位移场,T表示矩阵转置,J为目标函数值。
在上述识别装置的优选技术方案中,所述确定模块包括:第一生成模块,被配置为在所述位移场范围内以某一点为第一中心点,按照预先设定的间隔生成第一网格;网格节点第一寻找模块,被配置为根据所述目标函数计算所述第一网格中的每个节点的目标函数值,找到对应最小目标函数值的第一网格节点;第二生成模块,被配置为以对应最小目标函数值的网格节点为第二中心点,按照所述预先设定的间隔生成第二网格;网格节点第二寻找模块,被配置为根据所述目标函数计算所述第二网格中的每个节点的目标函数值,找到对应最小目标函数值的第二网格节点;判断模块,被配置为判断所述第一网格节点与所述第二网格节点之间的距离是否小于或者等于精度阈值;第一裂纹尖端位置获取模块,被配置为在所述距离小于或者等于所述精度阈值时,则以第二网格节点作为所述裂纹尖端位置;第二裂纹尖端位置获取模块,被配置为在所述距离大于所述精度阈值时,则重复上述步骤,直到所述距离小于或者等于所述精度阈值,并将最后寻找到的网格节点作为裂纹尖端位置。
在上述识别装置的优选技术方案中,所述识别装置还包括存储模块,所述存储模块被配置为用于存储上述的识别方法。
在第三方面,本发明还提供了一种电子设备,包括存储器、处理器以及存储在所述存储器中并能够在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述的识别方法。
在第四方面,本发明还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时能够实现上述的识别方法。
本发明能够实现元件及结构件在裂纹扩展试验下的可视裂纹的识别和定位,能够有效避免测量人员在测量过程中引入的误差,提高裂纹尖端位置坐标的测量准确性和可靠性,并且,本发明提供的识别方法在裂纹尖端识别分析中计算速度快,能够连续进行裂尖的识别,可以保证裂尖识别的实时性,另外,还能够极大地降低裂纹扩展试验的试验成本,有助于提高可视裂纹的检测水平,工程意义大。
附图说明
图1是本发明实施例提供的识别方法的流程示意图;
图2是本发明实施例提供的裂纹尖端网格生成图。
具体实施方式
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是,这些实施方式仅仅用于解释本发明的技术原理,并非旨在限制本发明的保护范围。
需要说明的是,在本发明的描述中,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性。
参见图1,试验环境下裂纹尖端的识别方法包括以下步骤:
s101,采集数据图像。
其中,在采集数据之前,需要根据试验件表面情况做一定的处理,如果试验件表面光滑,则需要喷涂散斑;试验现场如果光线不足,需要进行人为补光,然后,采用CCD相机在裂纹处于张开状态时摄取图像,摄取图像时应保证镜头法线垂直于试验件表面。
s102,根据数据图像,获取含裂纹尖端区域的位移场。
其中,获取含裂纹尖端区域的位移场可以通过对数据图像进行相关性分析来获得。
相关性分析是指对两个或多个具备相关性的变量元素进行分析,从而衡量两个变量因素的相关密切程度。
在一示例中,相关性分析可以采用商业软件来进行分析,例如,Vic-3D或者Vic-2D等,也可以根据相关性理论自行编写程序来完成对数据图像的相关性分析。
s103,对位移场的数据进行整理。
对位移场的数据进行整理,即消除错误点和无效点的影响。具体地,在对位移场的数据进行整理时,与周围数据对比,将一些过大或过小的数据作为错误点剔除,然后以插值的方法补全剔除的错误点和无效点。
在一示例中,将位移场的数据与周围数据的平均值进行对比,将大于或者小于该平均值的点剔除;或者,将位移场的数据与周围数据的平均值进行对比,将大于或者小于该平均值加上或者减去某一数值的点剔除。
插值就是在离散数据的基础上补插连续函数,使得这个连续函数通过全部给定的离散数据点。由于位移场剔除错误点和无效点后,存在缺失数据,因此需要根据缺失数据周围的其他有效数据获得连续函数,继而得到缺失坐标处的数值大小。例如,通过坐标(1,2)的位置处位移值为1,坐标(3,2)位置处的位移值为4,坐标(3,4)位置处的位移值为2,坐标(2,3)处位移值缺失,根据已知两处位置的位移值可以获得位移值V与坐标(x,y)的关系为V=1.5x-y+1.5,因此可以获得坐标(2,3)处缺失的位移值为1.5。
s104,根据整理后的位移场的数据,建立与裂纹尖端位置相关的目标函数。
具体地,根据裂纹尖端附近的位移场Williams表达式,并且考虑微小的刚体位移和转动,则位移表达式可以表示为如下所示:
其中,Tx表示x方向的刚体平移,Ty表示y方向的刚体平移,R表示刚体转动,N表示位移场展开的项数,i表示位移场中的点(xi,yi)的索引,i=1,2,…,M,M表示位移场数据总数。
上述表达式中f(r,θ)、g(r,θ)、h(r,θ)、l(r,θ)四个函数的表达式如下:
对于m个点的位移表达式展开前N项,用举证形式表达如下:
h=BA
式中:
在给定裂纹尖端坐标后,矩阵B变为已知量,可以用线性最小二乘法计算得到系数矩阵A,如下式:
A=[BTB]-1BTh
在系数矩阵A获得之后,可以建立目标函数为:
式中,He为相关性分析获得的位移场,xc为裂纹尖端的x坐标,yc为裂纹尖端的y坐标,Ha(xc,yc)为用裂纹坐标表示的位移场,T表示矩阵转置,J为目标函数值。
s105,根据目标函数,确定裂纹尖端的位置。
裂纹尖端的位置确定方法具体包括如下步骤:
s201,在位移场范围内以某一点为第一中心点,按照第一间隔生成第一网格。
s202,根据目标函数计算第一网格中的每个节点的目标函数值,找到对应最小目标函数值的第一网格节点。
s203,以对应最小目标函数值的网格节点为第二中心点,按照第二间隔生成第二网格。
s204,根据目标函数计算第二网格中的每个节点的目标函数值,找到对应最小目标函数值的第二网格节点。
s205,判断第一网格节点与第二网格节点之间的距离是否小于或者等于精度阈值。
s206,如果该距离小于或者等于精度阈值,则以第二网格节点作为裂尖位置。
s207,如果距离大于精度阈值,则重复上述步骤,直到距离小于或者等于精度阈值,并将最后寻找到的网格节点作为裂尖位置。
在本实施例中,第一间隔大于第二间隔,第一间隔和第二间隔的取值为整数倍的像素,其具体取值在此不做限定,只要满足第一间隔的取值大于第二间隔的取值即可。
在一示例中,参见图2,图中O点作为中心,产生如图所示的围绕该中心的矩形网格,即是以某一任意点O为中心,生成如图所示的矩形网格,保证O点是网格中心节点,然后对每个节点分析目标函数J的值,以最小值对应的节点作为新的O′,然后按照图2的方式重新生成新的网格,计算新网格中节点的目标函数值,循环往复,直至前后两次O点和O′点位置处的坐标距离满足要求的精度,即停止分析,以该次的O′点位置为真实裂纹尖端位置。
s106,将裂纹尖端的位置转换成以裂纹初始位置处为原点的坐标系的坐标。
在一示例中,以裂纹初始位置建立坐标系,步骤s207中确定的裂纹尖端坐标相对于图像坐标系,因此需要进行坐标系转换,裂纹初始位置在图像坐标系下的坐标为(xo,yo),裂纹扩展过程中获得新裂尖的坐标为(xi,yi),新裂尖在以裂纹初始位置为原点的坐标系中的坐标可以转换为(xi-xo,yi-yo)。
在另一方面,本发明还提供了一种试验环境下裂纹尖端的识别装置,具体地,该装置包括:
采集模块,被配置为采集数据图像;
处理模块,被配置为根据所述数据图像,获取含裂纹尖端区域的位移场;
整理模块,被配置为对所述位移场的数据进行整理;
函数构建模块,被配置为根据整理后的所述位移场的数据,建立与所述裂纹尖端位置相关的目标函数;
确定模块,被配置为根据所述目标函数,确定所述裂纹尖端的位置;
转换模块,被配置为将所述裂纹尖端的位置转换成坐标。
在一些实施例中,确定模块在确定裂纹尖端的位置时,具体可以包括:
第一生成模块,被配置为在位移场范围内以某一点为第一中心点,按照第一间隔生成第一网格;
网格节点第一寻找模块,被配置为根据目标函数计算第一网格中的每个节点的目标函数值,找到对应最小目标函数值的第一网格节点;
第二生成模块,被配置为以对应最小目标函数值的网格节点为第二中心点,按照第二间隔生成第二网格;
网格节点第二寻找模块,被配置为根据目标函数计算第二网格中的每个节点的目标函数值,找到对应最小目标函数值的第二网格节点;
判断模块,判断第一网格节点与第二网格节点之间的距离是否小于或者等于精度阈值,。
如果距离小于或者等于精度阈值,则以第二网格节点作为裂尖位置;
如果距离大于精度阈值,则重复上述步骤,直到距离小于或者等于精度阈值,并将最后寻找到的网格节点作为裂尖位置。
在一些可选的实施例中,识别装置还包括存储模块307,存储模块307用于存储上述识别方法。
根据本发明实施例提供的识别装置的其他细节与以上结合图1至图2描述的识别方法类似,在此不再赘述。
计算设备可以包括:存储有计算机可执行指令的存储器;以及一个或多个处理器,该一个或多个处理器在执行计算机可执行指令时可以实现结合图1描述的识别方法和装置。
在一个实施例中,计算设备可以被实现为包括:存储器,被配置为存储程序;一个或多个处理器,被配置为运行存储器中存储的程序,以执行上述实施例中的无人机测控数据的处理方法。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品或计算机可读存储介质的形式实现。所述计算机程序产品或计算机可读存储介质包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
需要明确的是,本发明并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见,这里省略了对已知方法的详细描述。在上述实施例中,描述和示出了若干具体的步骤作为示例。但是,本发明的方法过程并不限于所描述和示出的具体步骤,本领域的技术人员可以在领会本发明的精神后,作出各种改变、修改和添加,或者改变步骤之间的顺序。
以上所述,仅为本发明的具体实施方式,所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的系统、模块和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。应理解,本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种试验环境下裂纹尖端的识别方法,其特征在于,所述识别方法包括
采集数据图像;
根据所述数据图像,获取含裂纹尖端区域的位移场;
对所述位移场的数据进行整理;
根据整理后的所述位移场的数据,建立与所述裂纹尖端位置相关的目标函数;
根据所述目标函数,确定所述裂纹尖端的位置;
将所述裂纹尖端的位置转换成坐标。
2.根据权利要求1所述的方法,其特征在于,所述裂纹尖端位置相关的目标函数如下:
其中,He为相关性分析获得的位移场,xc为裂纹尖端的x坐标,yc为裂纹尖端的y坐标,Ha(xc,yc)为用裂纹坐标表示的位移场,T表示矩阵转置,J为目标函数值。
3.根据权利要求2所述的方法,其特征在于,根据所述目标函数,确定所述裂纹尖端的位置,包括
在所述位移场范围内以某一点为第一中心点,按照第一间隔生成第一网格;
根据所述目标函数计算所述第一网格中的每个节点的目标函数值,找到对应最小目标函数值的第一网格节点;
以对应最小目标函数值的网格节点为第二中心点,按照第二间隔生成第二网格;
根据所述目标函数计算所述第二网格中的每个节点的目标函数值,找到对应最小目标函数值的第二网格节点;
判断所述第一网格节点与所述第二网格节点之间的距离是否小于或者等于精度阈值;
如果所述距离小于或者等于所述精度阈值,则以第二网格节点作为所述裂尖位置;
其中,所述第一间隔大于所述第二间隔。
4.根据权利要求3所述的方法,其特征在于,所述方法还包括
如果所述距离大于所述精度阈值,则重复上述步骤,直到所述距离小于或者等于所述精度阈值,并将最后寻找到的网格节点作为裂尖位置。
5.一种试验环境下裂纹尖端的装置,其特征在于,包括
采集模块,被配置为采集数据图像;
处理模块,被配置为根据所述数据图像,获取含裂纹尖端区域的位移场;
整理模块,被配置为对所述位移场的数据进行整理;
函数构建模块,被配置为根据整理后的所述位移场的数据,建立与所述裂纹尖端位置相关的目标函数;
确定模块,被配置为根据所述目标函数,确定所述裂纹尖端的位置;
转换模块,被配置为将所述裂纹尖端的位置转换成坐标。
6.根据权利要求5所述的识别装置,其特征在于,所述裂纹尖端位置相关的目标函数如下:
其中,He为相关性分析获得的位移场,xc为裂纹尖端的x坐标,yc为裂纹尖端的y坐标,Ha(xc,yc)为用裂纹坐标表示的位移场,T表示矩阵转置,J为目标函数值。
7.根据权利要求5所述的装置,其特征在于,所述确定模块包括
第一生成模块,被配置为在所述位移场范围内以某一点为第一中心点,按照第一间隔生成第一网格;
网格节点第一寻找模块,被配置为根据所述目标函数计算所述第一网格中的每个节点的目标函数值,找到对应最小目标函数值的第一网格节点;
第二生成模块,被配置为以对应最小目标函数值的网格节点为第二中心点,按照第二间隔生成第二网格;
网格节点第二寻找模块,被配置为根据所述目标函数计算所述第二网格中的每个节点的目标函数值,找到对应最小目标函数值的第二网格节点;
判断模块,被配置为判断所述第一网格节点与所述第二网格节点之间的距离是否小于或者等于精度阈值;
第一裂纹尖端位置获取模块,被配置为在所述距离小于或者等于所述精度阈值时,则以第二网格节点作为所述裂纹尖端位置;
第二裂纹尖端位置获取模块,被配置为在所述距离大于所述精度阈值时,则重复上述步骤,直到所述距离小于或者等于所述精度阈值,并将最后寻找到的网格节点作为裂纹尖端位置;
其中,所述第一间隔大于所述第二间隔。
8.根据权利要求5至7中任一项所述的装置,其特征在于,所述识别装置还包括存储模块,所述存储模块被配置为用于存储权利要求1至3中任一项所述的识别方法。
9.一种电子设备,包括存储器、处理器以及存储在所述存储器中并能够在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至3中任意一项所述的方法。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时能够实现如权利要求1至3中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810968606.2A CN109272491A (zh) | 2018-08-23 | 2018-08-23 | 试验环境下裂纹尖端的识别方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810968606.2A CN109272491A (zh) | 2018-08-23 | 2018-08-23 | 试验环境下裂纹尖端的识别方法、装置及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109272491A true CN109272491A (zh) | 2019-01-25 |
Family
ID=65154247
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810968606.2A Pending CN109272491A (zh) | 2018-08-23 | 2018-08-23 | 试验环境下裂纹尖端的识别方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109272491A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112801981A (zh) * | 2021-01-28 | 2021-05-14 | 中国科学院武汉岩土力学研究所 | 确定混合压剪裂纹尖端断裂过程区传播速度的方法及设备 |
CN114266776A (zh) * | 2022-03-03 | 2022-04-01 | 南京航空航天大学 | 一种应用复合裂纹位移场函数的数字图像相关方法 |
CN117272686A (zh) * | 2023-11-20 | 2023-12-22 | 中国矿业大学(北京) | 一种基于dic技术自动追踪岩石裂纹尖端的方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103955604A (zh) * | 2014-04-11 | 2014-07-30 | 南京航空航天大学 | 一种含裂纹金属梯度材料剩余强度预测方法 |
CN105976356A (zh) * | 2016-04-26 | 2016-09-28 | 南京航空航天大学 | 一种基于相关熵准则的鲁棒数字图像相关方法 |
CN107576432A (zh) * | 2017-08-14 | 2018-01-12 | 中国矿业大学(北京) | 一种动态裂纹尖端应力场量测方法及装置 |
-
2018
- 2018-08-23 CN CN201810968606.2A patent/CN109272491A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103955604A (zh) * | 2014-04-11 | 2014-07-30 | 南京航空航天大学 | 一种含裂纹金属梯度材料剩余强度预测方法 |
CN105976356A (zh) * | 2016-04-26 | 2016-09-28 | 南京航空航天大学 | 一种基于相关熵准则的鲁棒数字图像相关方法 |
CN107576432A (zh) * | 2017-08-14 | 2018-01-12 | 中国矿业大学(北京) | 一种动态裂纹尖端应力场量测方法及装置 |
Non-Patent Citations (2)
Title |
---|
张文东等: "裂纹扩展中应力强度因子测量和裂尖定位方法研究", 《结构强度研究》 * |
曹彦彦 等: "识别和定位高速裂纹尖端的数字图像相关分析方法", 《第十三届全国实验力学学术会议论文摘要集》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112801981A (zh) * | 2021-01-28 | 2021-05-14 | 中国科学院武汉岩土力学研究所 | 确定混合压剪裂纹尖端断裂过程区传播速度的方法及设备 |
CN112801981B (zh) * | 2021-01-28 | 2022-06-17 | 中国科学院武汉岩土力学研究所 | 确定混合压剪裂纹尖端断裂过程区传播速度的方法及设备 |
CN114266776A (zh) * | 2022-03-03 | 2022-04-01 | 南京航空航天大学 | 一种应用复合裂纹位移场函数的数字图像相关方法 |
CN114266776B (zh) * | 2022-03-03 | 2022-06-10 | 南京航空航天大学 | 一种应用复合裂纹位移场函数的数字图像相关方法 |
CN117272686A (zh) * | 2023-11-20 | 2023-12-22 | 中国矿业大学(北京) | 一种基于dic技术自动追踪岩石裂纹尖端的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Biosca et al. | Unsupervised robust planar segmentation of terrestrial laser scanner point clouds based on fuzzy clustering methods | |
CA2781604C (en) | Method and apparatus for analyzing tree canopies with lidar data | |
CN109272491A (zh) | 试验环境下裂纹尖端的识别方法、装置及设备 | |
JP5991489B2 (ja) | 道路変状検出装置、道路変状検出方法及びプログラム | |
RU2008102962A (ru) | Система и способ измерения и составления карты поверхности относительно репера | |
CN102657532A (zh) | 基于人体姿态识别的身高测量方法及装置 | |
EP3023912A1 (en) | Crack data collection apparatus and server apparatus to collect crack data | |
Gunkel et al. | Micro crack detection with Dijkstra’s shortest path algorithm | |
CN107504917B (zh) | 一种三维尺寸测量方法及装置 | |
CN111060922B (zh) | 基于机载激光雷达点云空间分布特征的树木点云提取方法 | |
CN110008947A (zh) | 一种基于卷积神经网络的粮仓粮食数量监测方法及装置 | |
AU2022259832A1 (en) | Target detection in a point cloud | |
JP2014106725A (ja) | 点群解析装置、点群解析方法及び点群解析プログラム | |
Lalonde et al. | Automatic three-dimensional point cloud processing for forest inventory | |
JP6673504B2 (ja) | 情報処理装置、データベース生成装置、方法、プログラム、及び記憶媒体 | |
KR101255022B1 (ko) | 점군자료를 활용한 구조물 균열 검출방법 | |
CN109782355B (zh) | Obs检波点漂移的检测方法及装置 | |
KR101141963B1 (ko) | 다중선형 회귀분석을 이용한 지상라이다 자료 필터링 방법 | |
JP2015111128A (ja) | 位置姿勢計測装置、位置姿勢計測方法、およびプログラム | |
CN110045354B (zh) | 雷达性能评测的方法及装置 | |
CN105116407B (zh) | 一种利用手持型激光测距仪测量植被覆盖度的方法 | |
CN116311010A (zh) | 一种林地资源调查与碳汇计量的方法与系统 | |
CN112344966B (zh) | 一种定位失效检测方法、装置、存储介质及电子设备 | |
KR101808958B1 (ko) | 구조물 형상 정보 구축 방법 및 구조물 변형 검출 방법 | |
JP2011511943A (ja) | コンピュータを援用してセンサデータから物体の運動を計算する方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190125 |
|
RJ01 | Rejection of invention patent application after publication |