CN115063379A - 一种基于显微dic的q&p钢裂纹尖端循环塑性区原位测量方法 - Google Patents
一种基于显微dic的q&p钢裂纹尖端循环塑性区原位测量方法 Download PDFInfo
- Publication number
- CN115063379A CN115063379A CN202210749225.1A CN202210749225A CN115063379A CN 115063379 A CN115063379 A CN 115063379A CN 202210749225 A CN202210749225 A CN 202210749225A CN 115063379 A CN115063379 A CN 115063379A
- Authority
- CN
- China
- Prior art keywords
- crack
- image
- camera
- cyclic
- region
- 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
- 238000000034 method Methods 0.000 title claims abstract description 34
- 125000004122 cyclic group Chemical group 0.000 title claims abstract description 28
- 229910000831 Steel Inorganic materials 0.000 title claims abstract description 17
- 239000010959 steel Substances 0.000 title claims abstract description 17
- 238000012625 in-situ measurement Methods 0.000 title claims abstract description 16
- 229920003023 plastic Polymers 0.000 claims abstract description 31
- 230000008569 process Effects 0.000 claims abstract description 16
- 238000005516 engineering process Methods 0.000 claims abstract description 12
- 238000011065 in-situ storage Methods 0.000 claims abstract description 7
- 230000008878 coupling Effects 0.000 claims abstract description 6
- 238000010168 coupling process Methods 0.000 claims abstract description 6
- 238000005859 coupling reaction Methods 0.000 claims abstract description 6
- 238000012360 testing method Methods 0.000 claims description 21
- 238000009661 fatigue test Methods 0.000 claims description 5
- 238000005507 spraying Methods 0.000 claims description 3
- 238000003702 image correction Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 claims description 2
- 239000000463 material Substances 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 229920000426 Microplastic Polymers 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
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
- G06T7/0008—Industrial image inspection checking presence/absence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- 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
- G06T2207/30136—Metal
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Investigating Strength Of Materials By Application Of Mechanical Stress (AREA)
Abstract
一种基于显微DIC的Q&P钢裂纹尖端循环塑性区原位测量方法，使用图像拼接技术获取全场参考图像，配合模板匹配技术获得裂纹扩展路径上任意位置对应的参考图像，解决了显微相机视场较小无法使用DIC在线连续采集长裂纹尖端散斑图像的问题。再将原位应变场数据与对应的载荷信息耦合，得到裂纹尖端区域各个点的力‑应变曲线，采用曲线特征判断算法判断各个点所属区域(循环塑性区、单调塑性区或弹性区)，最终实现循环塑性区原位测量。本发明是一种低成本的循环塑性区原位测量方法，可得到Q&P钢裂纹扩展过程中任意裂纹长度下裂纹尖端的循环塑性区。
Description
技术领域
本发明属于金属疲劳试验领域，提供了一种疲劳裂纹尖端循环塑性区原位测量的方法，适用于Q&P钢疲劳试验过程中的裂纹尖端循环塑性区精确检测。
背景技术
节能、环保、轻量化是汽车用材料目前的发展方向，先进高强钢近年来成为汽车制造新材料。其中淬火延性钢(Quenching-Partitioning Steel)是第三代具有相变诱发塑性特性的先进高强钢，简称Q&P钢，其兼顾成本与性能，逐渐成为代表性新材料。交变载荷下服役的零部件，疲劳破坏是其主要失效形式。Q&P钢在交变载荷的作用下会在裂纹尖端区域形成一个微小塑性区，其内部存在一更加微小的循环塑性区，循环塑性区形态及内部响应特性是影响疲劳裂纹萌生和扩展的主要因素。因此研究Q&P钢循环塑性区在疲劳裂纹扩展过程中的行为对揭示其疲劳裂纹扩展特性具有重要意义。循环塑性区尺寸的确定是研究开展的基础，但现有方法操作复杂、仪器昂贵且难以实现原位测量，无法表征裂纹扩展过程中循环塑性区动态响应特性，因此目前仍缺乏一种较低成本的循环塑性区原位测量方法以研究循环塑性区动态演变行为。
发明内容
为了克服已有技术的不足，本发明提供了一种基于显微DIC的Q&P钢裂纹尖端循环塑性区原位测量方法，使用图像拼接技术获取全场参考图像，配合模板匹配技术获得裂纹扩展路径上任意位置对应的参考图像，解决了显微相机视场较小无法使用DIC在线连续采集长裂纹尖端散斑图像的问题，由此可得裂纹扩展过程中裂纹尖端显微原位应变场数据。将原位应变场数据与对应的载荷信息耦合，得到裂纹尖端区域各个点的力-应变曲线，采用曲线特征判断算法判断各个点所属区域(循环塑性区、单调塑性区或弹性区)，最终实现循环塑性区原位测量。
本发明解决其技术问题所采用的技术方案是：
一种基于显微DIC的Q&P钢裂纹尖端循环塑性区原位测量方法，所述方法包括以下步骤：
步骤1：将试件表面喷涂显微散斑，放置在疲劳试验机上；
步骤2：将相机安装在微动平台上，进行相机标定，确定畸变系数；
步骤3：相机对试件进行拍摄，以设定步长移动相机若干次，移动一次采集一幅图像，步长不得大于相机横向视场；
步骤4：将步骤3所采集的图像按照步骤2所确定的畸变系数进行图像矫正，使用匹配算法确定拼接区域，再依次进行拼接，得到全场参考图像；
步骤5：使用微动平台将相机移动至初始位置，对准试件的预制裂纹进行拍摄；
步骤6：开始疲劳裂纹扩展试验，试验过程中相机跟踪裂纹尖端进行拍摄，采集不同裂纹长度下一个周期内的若干幅裂纹尖端图像，并记录每一幅图像对应的力值，这些图像称为目标图像；
步骤7：对于同一个裂纹长度下的目标图像，选择力值最小的图像与步骤4所得到的全场参考图像进行匹配，截取出对应的参考图像，使用该方法得到其余循环数对应的参考图像；
步骤8：使用DIC技术对步骤7得到的各组图像进行计算，得到不同裂纹长度下裂纹尖端一个周期内的应变场，即原位应变场；
步骤9：将应变场与对应的力值耦合，得到各个像素点一个周期内的力-应变曲线；
步骤10：遍历所有像素点，使用曲线特征判断算法分析力-应变曲线特征，根据曲线特征判断像素点所属的区域，即弹性区、单调塑性区和循环塑性区；
步骤11：统计不同裂纹长度下位于循环塑性区的像素点个数，最终得到不同裂纹长度下裂纹尖端循环塑性区尺寸。
进一步，所述步骤4中，使用匹配算法确定拼接区域解决相机水平移动过程中微动平台上下偏移引起的图像失准，过程如下：在图像1中截取中间部分的图像，使用模板匹配技术搜索图像2中匹配的区域，将这两个区域分别水平扩展至全图并截取，那么这两幅图像就是严格匹配的，最终将这两幅图像拼接。
本发明的有益效果主要表现在：运用图像拼接与模板匹配技术，实现裂纹扩展过程中任意位置的裂纹尖端显微应变场测量，并耦合应变场与载荷信息，得到各个像素点的力-应变曲线，通过曲线特征判断算法划分弹性区、单调塑性区、循环塑性区，实现循环塑性区原位测量。可获取任意裂纹长度下裂纹尖端的循环塑性区。
附图说明
图1是原位应变场测量流程图。
图2是全场参考图像获取流程图。
图3是图像拼接区域对准示意图。
图4是基于匹配算法的应变场计算流程图。
图5是循环塑性区测量流程图。
具体实施方式
下面结合附图对本发明作进一步描述。
参照图1～图5，一种基于显微DIC的Q&P钢裂纹尖端循环塑性区原位测量方法，包括以下步骤：
试验前准备工作部分：
步骤1：将试件表面喷涂显微散斑，放置在疲劳试验机上；
步骤2：将相机安装在微动平台上，进行相机标定，确定畸变系数；
步骤3：如图2所示，相机对试件进行拍摄，以设定步长移动相机若干次，移动一次采集一幅图像，步长不得大于相机横向视场；
步骤4：将步骤3所采集的图像按照步骤2所确定的畸变系数进行图像矫正，如图3所示，使用匹配算法确定拼接区域，再依次进行拼接，得到全场参考图像；疲劳裂纹扩展试验：
使用匹配算法确定拼接区域解决相机水平移动过程中微动平台上下偏移引起的图像失准，过程如下：在图像1中截取中间部分的图像，使用模板匹配技术搜索图像2中匹配的区域，将这两个区域分别水平扩展至全图并截取，那么这两幅图像就是严格匹配的，最终将这两幅图像拼接；
步骤5：使用微动平台将相机移动至初始位置，对准试件的预制裂纹进行拍摄；
步骤6：开始疲劳裂纹扩展试验，试验过程中相机跟踪裂纹尖端进行拍摄，采集不同裂纹长度下一个周期内的若干幅裂纹尖端图像，并记录每一幅图像对应的力值，这些图像称为目标图像；
数据处理部分：
步骤7：对于同一个裂纹长度下的目标图像，选择力值最小的图像与步骤4所得到的全场参考图像进行匹配，如图4所示，截取出对应的参考图像，使用该方法得到其余循环数对应的参考图像；
步骤8：使用DIC技术对步骤7得到的各组图像进行计算，得到不同裂纹长度下裂纹尖端一个周期内的应变场，即原位应变场；
步骤9：将应变场与对应的力值耦合，得到各个像素点一个周期内的力-应变曲线；
步骤10：如图5所示，遍历所有像素点，使用曲线特征判断算法分析力-应变曲线特征，根据曲线特征判断像素点所属的区域，即弹性区、单调塑性区和循环塑性区；
步骤11：统计不同裂纹长度下位于循环塑性区的像素点个数，最终得到不同裂纹长度下裂纹尖端循环塑性区尺寸。
本实施例运用图像拼接与模板匹配技术，实现裂纹扩展过程中任意位置的裂纹尖端显微应变场测量，并耦合应变场与载荷信息，得到各个像素点的力-应变曲线，通过曲线特征判断算法划分弹性区、单调塑性区、循环塑性区，实现循环塑性区原位测量。可获取任意裂纹长度下裂纹尖端的循环塑性区。
Claims (2)
1.一种基于显微DIC的Q&P钢裂纹尖端循环塑性区原位测量方法，其特征在于，所述方法包括以下步骤：
步骤1：将试件表面喷涂显微散斑，放置在疲劳试验机上；
步骤2：将相机安装在微动平台上，进行相机标定，确定畸变系数；
步骤3：相机对试件进行拍摄，以设定步长移动相机若干次，移动一次采集一幅图像，步长不得大于相机横向视场；
步骤4：将步骤3所采集的图像按照步骤2所确定的畸变系数进行图像矫正，使用匹配算法确定拼接区域，再依次进行拼接，得到全场参考图像；
疲劳裂纹扩展试验：
步骤5：使用微动平台将相机移动至初始位置，对准试件的预制裂纹进行拍摄；
步骤6：开始疲劳裂纹扩展试验，试验过程中相机跟踪裂纹尖端进行拍摄，采集不同裂纹长度下一个周期内的若干幅裂纹尖端图像，并记录每一幅图像对应的力值，这些图像称为目标图像；
数据处理：
步骤7：对于同一个裂纹长度下的目标图像，选择力值最小的图像与步骤4所得到的全场参考图像进行匹配，截取出对应的参考图像，使用该方法得到其余循环数对应的参考图像；
步骤8：使用DIC技术对步骤7得到的各组图像进行计算，得到不同裂纹长度下裂纹尖端一个周期内的应变场，即原位应变场；
步骤9：将应变场与对应的力值耦合，得到各个像素点一个周期内的力-应变曲线；
步骤10：遍历所有像素点，使用曲线特征判断算法分析力-应变曲线特征，根据曲线特征判断像素点所属的区域(弹性区、单调塑性区、循环塑性区)；
步骤11：统计不同裂纹长度下位于循环塑性区的像素点个数，最终得到不同裂纹长度下裂纹尖端循环塑性区尺寸。
2.如权利要求1所述的一种基于显微DIC的Q&P钢裂纹尖端循环塑性区原位测量方法，其特征在于，所述步骤4中，使用匹配算法确定拼接区域解决相机水平移动过程中微动平台上下偏移引起的图像失准，过程如下：在图像1中截取中间部分的图像，使用模板匹配技术搜索图像2中匹配的区域，将这两个区域分别水平扩展至全图并截取，那么这两幅图像就是严格匹配的，最终将这两幅图像拼接。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210749225.1A CN115063379A (zh) | 2022-06-28 | 2022-06-28 | 一种基于显微dic的q&p钢裂纹尖端循环塑性区原位测量方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210749225.1A CN115063379A (zh) | 2022-06-28 | 2022-06-28 | 一种基于显微dic的q&p钢裂纹尖端循环塑性区原位测量方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115063379A true CN115063379A (zh) | 2022-09-16 |
Family
ID=83205108
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210749225.1A Pending CN115063379A (zh) | 2022-06-28 | 2022-06-28 | 一种基于显微dic的q&p钢裂纹尖端循环塑性区原位测量方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115063379A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117329977A (zh) * | 2023-11-28 | 2024-01-02 | 中国飞机强度研究所 | 复杂工况下结构疲劳裂纹视觉特征表征与测量处理方法 |
-
2022
- 2022-06-28 CN CN202210749225.1A patent/CN115063379A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117329977A (zh) * | 2023-11-28 | 2024-01-02 | 中国飞机强度研究所 | 复杂工况下结构疲劳裂纹视觉特征表征与测量处理方法 |
| CN117329977B (zh) * | 2023-11-28 | 2024-02-13 | 中国飞机强度研究所 | 复杂工况下结构疲劳裂纹视觉特征表征与测量处理方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2021037036A1 (zh) | 一种测定材料真实应力应变曲线的试验与计算方法 | |
| CN102692188B (zh) | 机械视觉疲劳裂纹扩展试验裂纹长度动态测量方法 | |
| EP2916122A1 (en) | Method and apparatus for measuring dynamic stretch rigidity of outer panel of automobile component | |
| CN104458895A (zh) | 管道三维漏磁成像检测方法及系统 | |
| CN109544533A (zh) | 一种基于深度学习的金属板缺陷检测和度量方法 | |
| CN115063379A (zh) | 一种基于显微dic的q&p钢裂纹尖端循环塑性区原位测量方法 | |
| CN110276752B (zh) | 基于android系统的混凝土表面裂缝特征的APP检测方法 | |
| CN101126799A (zh) | 利用铁磁材料表面杂散磁场信号监测疲劳损伤的方法 | |
| CN106596615A (zh) | 一种连铸坯枝晶偏析的定量分析方法 | |
| CN102679931B (zh) | 原位测量疲劳裂纹扩展长度的新方法 | |
| CN110987676A (zh) | 随机多轴载荷下考虑裂纹闭合效应的全寿命预测方法 | |
| CN107741368B (zh) | 一种用于三维结构内部裂纹扩展试验测试系统 | |
| CN104165795A (zh) | 一种古建筑木梁的剩余抗弯承载力测定方法 | |
| CN111579647A (zh) | 基于层次分析法的混凝土构件腐蚀程度检测方法及系统 | |
| CN111157621A (zh) | 一种基于图像技术的幕墙安全性能快速检测方法 | |
| CN110967474A (zh) | 楼房强度检测方法 | |
| CN115112471A (zh) | 一种用于测试材料高温蠕变性能的试验装置及方法 | |
| CN113899746B (zh) | 一种基于dic的钢结构疲劳裂纹扩展形态测量方法 | |
| CN109840891A (zh) | 一种智能夹片式锚具及预应力监测方法及检测系统、终端 | |
| CN115235924A (zh) | 混合图像处理的双显微疲劳裂纹和尖端变形场测量方法 | |
| CN113466040A (zh) | 一种接头局部单轴应力-应变关系获取方法 | |
| CN113865487A (zh) | 一种基于结构表面位移场的疲劳裂纹扩展实时监测方法 | |
| CN115357964A (zh) | 复杂结构性岩体结构及其各向异性特征的准确获取方法 | |
| CN114509504A (zh) | 一种正交异性钢桥面板疲劳裂纹组合式监测方法及系统 | |
| RU2469290C1 (ru) | Способ определения скорости роста трещины от циклических нагрузок |
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 |