Определение деформаций цилиндрических образцов оптическим способом с использованием метода цифровой корреляции изображений

Обложка

Цитировать

Полный текст

Аннотация

Обеспечение допусков расположения и их сохранение в послеоперационный период является одной из основных и труднодостижимых технологических задач при изготовлении длинномерных маложестких деталей типа вал. Одним из технологических методов, направленных на обеспечение данной группы геометрических показателей, включая прямолинейность оси, является комбинированная обработка – правка растяжением или термосиловая обработка. Повышение эффективности данной технологии невозможно без знания особенностей формирования распределения пластических деформаций по длине длинномерных заготовок. В статье рассмотрено применение оптического способа контроля деформации по поверхности с использованием метода корреляции цифровых изображений при осевом деформировании цилиндрических образцов. Приведено описание экспериментальной установки для оптического контроля деформаций при нагружении образца с использованием цифровых камер. Исследовано влияние различных режимов нанесения краски на образец (скорость нанесения, расстояние, характер нанесения – непрерывный или импульсный) на особенности полученного спекла в виде случайного распределения пятен краски различного размера по поверхности образца. Получены гистограммы распределения яркости различных спеклов. Проведены эксперименты по определению деформаций на основе метода локального градиентного способа корреляции цифровых изображений для образцов из полимерных трубок с различным характером спекла. Определены распределения деформаций по длине для образцов по выбранной для анализа деформируемой области с заданной степенью сглаживания, обеспечиваемой выбором размера окна корреляции и выбором шага его смещения для фиксации деформационных процессов с определенной погрешностью. Получены распределения осевых деформаций по длине образцов и ошибки определения деформаций в зависимости от вида спекла. Определены необходимые параметры спекла, обеспечивающие минимальную погрешность для длинномерных образцов до 200 мм длиной, и соответствующая технология нанесения краски. Это спекл с широким диапазоном размеров пятен, разреженным их расположением и сглаживанием изображения фильтром Гаусса перед началом анализа.

Об авторах

Дмитрий Александрович Расторгуев

Тольяттинский государственный университет, Тольятти

Автор, ответственный за переписку.
Email: rast_73@mail.ru
ORCID iD: 0000-0001-6298-1068

кандидат технических наук, доцент кафедры «Оборудование и технологии машиностроительного производства»

Россия

Кирилл Олегович Семенов

Тольяттинский государственный университет, Тольятти

Email: semen-tgu@yandex.ru
ORCID iD: 0000-0002-0397-4009

аспирант кафедры «Оборудование и технологии машиностроительного производства»

Россия

Список литературы

  1. Sciammarella C.A. A Review: Optical Methods That Evaluate Displacement // Conference Proceedings of the Society for Experimental Mechanics Series. 2019. Vol. 12. P. 23–52. doi: 10.1007/978-3-319-97481-1_3.
  2. Sutton M.A., Orteu J.-J., Schreier H. Image correlation for shape, motion and deformation measurements: basic concepts, theory and applications. USA: Springer Science, 2009. 321 p. doi: 10.1007/978-0-387-78747-3.
  3. Miikki K., Karakoc A., Rafiee M., Lee D.W., Vapaavuori J., Tersteegen J., Lemetti L., Jouni P. An open-source camera system for experimental measurements // SoftwareX. 2021. Vol. 14. Article number 100688. doi: 10.1016/j.softx.2021.100688.
  4. Blaber J., Adair B., Antoniou A. Ncorr: Open-Source 2D Digital Image Correlation Matlab Software // Experimental Mechanics. 2015. Vol. 55. № 6. P. 1105–1122. doi: 10.1007/s11340-015-0009-1.
  5. Turner D.Z. An overview of the gradient-based local DIC formulation for motion estimation in DICe. Sandia Report. 2016. doi: 10.2172/1561808.
  6. Belloni V., Ravanelli R., Nascetti A., Rita M.Di., Mattei D., Crespi M. Py2DIC: A New Free and Open Source Software for Displacement and Strain Measurements in the Field of Experimental Mechanics // Sensors (Switzerland). 2019. Vol. 19. № 18. Article number 3832. doi: 10.3390/s19183832.
  7. Golasiński K., Pieczyska E.A., Maj M., Staszczak M., Świec P., Furuta T., Kuramoto S. Investigation of strain rate sensitivity of Gum Metal under tension using digital image correlation // Archives of Civil and Mechanical Engineering. 2020. Vol. 20. № 2. Article number 53. doi: 10.1007/s43452-020-00055-9.
  8. Sutton M.A., Matta F., Rizos D., Ghorbani R., Rajan S., Mollenhauer D.H., Schreier H.W., Lasprilla A.O. Recent Progress in Digital Image Correlation: Background and Developments since the 2013 W M Murray Lecture // Experimental Mechanics. 2017. Vol. 57. № 1. P. 1–30. doi: 10.1007/s11340-016-0233-3.
  9. Oberg M.B.A.M., de Oliveira D.F., Goulart J.N.V., Anflor C.T.M. A novel to perform a thermoelastic analysis using digital image correlation and the boundary element method // International Journal of Mechanical and Materials Engineering. 2020. Vol. 15. № 1. Article number 1. doi: 10.1186/s40712-019-0115-4.
  10. Расторгуев Д.А., Семенов K.O., Дёма Р.Р., Амиров Р.Н., Романенко Е.Ф., Латыпов О.Р., Матвеев П.А. Технологическое обеспечение равномерности пластической деформации при термосиловой обработке // Технология металлов. 2021. № 8. С. 24–32.
  11. Панин С.В., Любутин П.С. Верификация метода оценки деформации на мезоуровне, основанного на построении полей векторов перемещений участков поверхности // Физическая мезомеханика. 2005. Т. 8. № 2. С. 69–80.
  12. Панин С.В., Титков В.В., Любутин П.С. Автоматический выбор размера ядра корреляции в задаче оценки деформации материалов методом корреляции цифровых изображений // Вычислительные технологии. 2015. Т. 20. № 2. С. 65–78.
  13. Joseph S.H. Markings for Image-Based Deformation Measurement on a Torsion Test Machine // Strain. 2009. Vol. 45. № 2. P. 139–148. doi: 10.1111/j.1475-1305.2008.00425.x.
  14. Dong Y.L., Pan B. A Review of Speckle Pattern Fabrication and Assessment for Digital Image Correlation // Experimental Mechanics. 2017. Vol. 57. № 8. P. 1161–1181. doi: 10.1007/s11340-017-0283-1.
  15. Bomarito G.F., Hochhalter J.D., Ruggles T.J. Cannon A.H. Increasing accuracy and precision of digital image correlation through pattern optimization // Optics and Lasers in Engineering. 2017. Vol. 91. P. 73–85. doi: 10.1016/j.optlaseng.2016.11.005.
  16. Креопалова Г.В., Лазарева Н.Л., Пуряев Д.Т. Оптические измерения. М.: Машиностроение, 1987. 264 с.
  17. Надеждин К.Д., Шарнин Л.М., Кирпичников А.П. Визуальные методы определения деформаций и напряжений на поверхности испытуемых конструкций // Вестник Технологического университета. 2016. Т. 19. № 12. С. 143–146.
  18. Любутин П.С., Панин С.В. Измерение деформации на мезоуровне путем анализа оптических изображений поверхности нагруженных твердых тел // Прикладная механика и техническая физика. 2006. Т. 47. № 6. С. 158–164.
  19. Schreier H.W., Braasch J.R., Sutton M.A. Systematic errors in digital image correlation caused by intensity interpolation // Optical Engineering. 2000. Vol. 39. № 11. P. 2915–2921. doi: 10.1117/1.1314593.
  20. G'sell C., Hiver J.M., Dahoun A. Experimental characterization of deformation damage in solid polymers under tension, and its interrelation with necking // International Journal of Solids and Structures. 2002. Vol. 39. № 13-14. P. 3857–3872. doi: 10.1016/S0020-7683(02)00184-1.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

© ,



Данный сайт использует cookie-файлы

Продолжая использовать наш сайт, вы даете согласие на обработку файлов cookie, которые обеспечивают правильную работу сайта.

О куки-файлах