Newton-Raphson与PSO优化的数字图像相关方法在位移应变测量中的应用

"这篇论文研究了一种新的数字图像相关（DIC）方法，通过结合Newton-Raphson（N-R）迭代法和粒子群优化（PSO）算法，解决了N-R迭代法对初值敏感的问题，提高了搜索速度和精度。在光学力学测试中，DIC方法是一种常用的非接触全场测量技术，用于测量物体变形前后的位移场和应变场。尽管N-R迭代法在初始值合适时能快速准确地找到结果，但当初始值不佳时，可能会陷入局部最优。为了解决这个问题，论文提出将全局搜索能力强的PSO算法与N-R迭代相结合，通过多次交替迭代优化初值，从而改善最终的位移和应变计算结果。实验表明，这种结合方法比单纯使用N-R迭代法对初值的要求更宽松，且在计算相似材料模型的位移和应变时表现良好。" 详细说明： 1. 数字图像相关（DIC）方法：DIC是一种光学测量技术，通过分析物体表面的散斑图案在加载前后的变化，可以无接触地测量全场的位移场和应变场，适用于各种实验力学和材料科学的研究。 2. Newton-Raphson（N-R）迭代法：在DIC中，N-R迭代法用于寻找最佳匹配点，即通过反向传播和连续更新位移和应变，直到相关系数达到预设阈值。该方法依赖于良好的初始估计，如果初始值选择不当，可能导致收敛到局部最优而非全局最优。 3. 粒子群优化（PSO）算法：PSO是一种全局优化算法，源自模拟鸟群寻找食物的行为，能够探索搜索空间，找到可能的全局最优解。在本研究中，PSO用于改进N-R迭代的初值选择，提高搜索效率和精度。 4. 结合N-R迭代与PSO的方法：论文提出的创新在于将PSO的全局搜索能力和N-R迭代的局部搜索能力结合，通过PSO优化初值，然后用N-R迭代进行精细化计算，交替进行，从而避免了N-R迭代对初值的高敏感性问题。 5. 应用与效果：这种方法在相似材料模型的实验中验证了其优势，能够获得更准确的位移和应变计算结果，即使初始条件不是最优，也能有效收敛，提高了DIC方法的鲁棒性。 6. 论文贡献：该研究为DIC技术提供了一种新的优化方法，有望提升在实际应用中的性能，特别是在需要处理复杂或难以精确初始化的情况中，这一结合策略将更有价值。