基于PIV技术的锚板抗拉破坏模式识别.pdf

基于PIV技术的锚板抗拉破坏模式识别.pdf

ID:52442437

大小:338.75 KB

页数:5页

时间:2020-03-27

基于PIV技术的锚板抗拉破坏模式识别.pdf_第1页
基于PIV技术的锚板抗拉破坏模式识别.pdf_第2页
基于PIV技术的锚板抗拉破坏模式识别.pdf_第3页
基于PIV技术的锚板抗拉破坏模式识别.pdf_第4页
基于PIV技术的锚板抗拉破坏模式识别.pdf_第5页
资源描述:

《基于PIV技术的锚板抗拉破坏模式识别.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第39卷第l期河海大学学报(自然科学版)V0】.39No.12011年1月JournalofHohaiUniversity(NaturalSciences)Jan.2011DOI:10.3876/j.issn.1000—1980.2011.01.017基于PIV技术的锚板抗拉破坏模式识别刘明亮,一,朱珍德,一,刘金元(1.河海大学岩土力学与堤坝工程教育部重点实验室,江苏南京210098;2.河海大学岩土程科学研究所,江苏南京210098;3.瑞尔森大学土木工程系,多伦多安大略M5B2K3)摘要:利用自行开发的力、位移和图像同步数据采集系统对锚

2、板上拔过程中的力、位移和图像进行同步采集,基于P『V(particleimagevelocity)无干扰测量技术对初始点和峰值点的图像进行分析,根据分析得到的锚板峰值点处的变形场对砂土中锚板的抗拉破坏模式进行了识别.结果表明:在峰值点处,锚板上部土体中间部分位移大、两边位移小,位移场呈倒梯形状分布;剪切应变场沿锚板两侧出现对称的剪切带,剪切带倾斜向上并延伸到地面,剪切带内出现剪胀现象.关键词:锚板;PIV技术;破坏模式中图分类号:TU47文献标志码:A文章编号:1000—1980(2011)O卜0084—05锚板主要应用于电视塔、输电线塔和挡

3、土墙等结构,其作用是为结构提供抗拔力¨j.近年来,随着海洋事业的发展,如海洋调查船、石油钻探装置、海上作业平台等各种浮动式海洋结构物不断出现,这些悬浮结构物需通过锚板提供的锚固力来抵抗风浪产生的荷载_2.因此,通过对锚板破坏模式的研究来建立可靠的预测模型,对海洋悬浮平台的安全设计具有重要的现实意义.目前,锚板破坏模式研究的主要方法是:将半圆形的锚板埋置于分层铺设了染过色的砂土中,试验完成后描绘出破坏面的形状3.5。』.然而,这种方法只能大致描绘出破坏面的形状,并不能真实地了解锚板的抗拉破坏机制.尽管根据假定的破坏面提出的预测模型有许多E5-6

4、,8J,但这些模型的预测结果差别很大[9-10J.近年来,用于流体速度测量的PⅣ技术也在岩土工程土体变形测量方面得到应用【11-14].为了研究砂土中锚板的抗拉破坏模式,笔者首先利用自行开发的力、位移、图像同步采集系统对锚板上拔过程中的力、位移和图像进行同步采集,然后利用PIV技术对锚板抗拉破坏模式进行了识别.1PⅣ技术原理1.1图像匹配原理PⅣ技术是在图像序列匹配技术的基础上发展起来的一种流体速度测量技术,而图像匹配是通过图像之间建立的交叉关联函数C(Ax,△y)进行的【J.。M一1N-1c(3,△y)=∑∑/(m,n)g(m+△十△)(1

5、)式中:,Ⅳ——图像块的长、宽尺寸;t时刻图像中,中心点坐标为(m,n)处图像块的灰度值分布函数;g——f2时刻图像中,中心点坐标为(m+Ax,n+Ay)处图像块的灰度值分布函数;Ax,△y——和Y方向的位移增量.首先通过交叉关联函数逐个计算t1时亥0图像中的图像块(灰度值分布函数为厂)与t2时刻图像中的图.像块(灰度值分布函数为)之问的关联函数值.如果该关联函数值达到最大,则2个图像块之问达到最佳匹配,图像块从t1时刻到t2时刻的位移为(Ax,Ay);如果Ax=0,Ay=0,则该图像块的位移为(0,0).收稿日期:2009—12—21基金项

6、目:中国矿业大学深部岩土力学与地下工程国家重点实验室开放基金(SKLGDUEK0902);加拿大自然科学研究基金(355425—2009);江苏省普通高校研究生科研创新计划(CX10B一206Z);江苏省土木工程研究生科技创新基金作者简介:刘明亮(1979一),男,河南南阳人,博士研究生,主要从事岩土工程研究.E-mail:mingliang.1iu79@gmail.corn第1期刘明亮,等基于PIV技术的锚板抗拉破坏模式识别851.2图像匹配过程图像匹配过程如图1所示.图1(a)中图像块A中心点的坐标为(m,n),灰度值分布函数为厂(m,凡

7、),位移(Ax,Ay)后在图1(b)中的坐标为(m+Ax,n+Ay),其灰度值分布函数为g(m+Ax,n+Ay).图像块A在图1(a)中的灰度值分布如图2(a)所示,图像块A在图1(b)中的灰度值分布如图2(b)所示.由于图1(a)和(b)中的2个图像块一样,只是位置不同,所以其灰度值分布函数相同,故2个图像的关联度最大,关联函数值也最大.图2(c)所示为图2(a)与图2(b)关联计算后得到的关联度分布函数,其中的峰值点即是关联度最大值点.(a)tl=加寸刻的图像(b)t2=t+Af时刻的图像(c)图像匹配处理后得到的位移场图1图像匹配过程F

8、ig.1Matchingprocessofi玎【lages2502001.O旬羲1500.8061005O曩。蓁一。0.400-20。‘ll_/。—3(a)图1(a

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。