DIC技术在SHPB试验中的应用现状与优化

Application Status and Optimization of DIC Technology in SHPB Experiment

摘要

DIC （Digital Image Correlation）技术通过追踪试样表面的散斑图像，实现了对材料动态力学行为的非接触式实时监测与分析。然而，在分离式霍普金森压杆（SHPB）试验中，由于高应变率和复杂加载环境的影响，DIC技术仍面临测量精度受限和环境适应性不足等挑战。为全面掌握DIC技术在SHPB试验中的应用现状及优化方法，在阐述SHPB试验和DIC技术原理的基础上，从增量相关、形函数、初值估计和深度学习算法等多个维度，系统总结了提升大变形测量精度的相关研究成果。同时，结合SHPB试验的具体需求，从散斑制作技术和材料力学特性反馈等方面，提出了切实可行的DIC技术优化措施，包括：采用高速相机和优化图像处理算法以提升图像采集与处理系统的性能；增强DIC技术在高温、高压等复杂环境下的适应性；结合其他测试技术，实现多参数测量与综合分析，从而更全面地揭示材料的动态力学行为。DIC技术在SHPB试验中的优化趋势旨在提升测量性能、拓展应用范围，并推动测试系统的智能化发展。这将为材料动态力学性能的精确评估提供有力支持，进一步促进材料科学及相关工程领域的技术进步。

Abstract

Digital Image Correlation （DIC） technology facilitates non-contact，real-time monitoring and analysis of the dynamic mechanical behavior of materials by tracking speckle patterns on the surface of samples.Nevertheless，in the context of Split Hopkinson Pressure Bar （SHPB） testing，characterized by high strain rates and complex loading conditions，DIC technology encounters several challenges，including limited measurement accuracy and inadequate adaptability to environmental variations.In order to fully grasp the application status and optimization methods of DIC technology in SHPB test，based on the principle of SHPB test and DIC technology，the relevant research results on the improvement of large deformation measurement accuracy were summarized from the aspects of incremental correlation，shape function，initial value estimation and deep learning algorithm.Subsequently，based on the specific requirements of SHPB tests， practical optimization strategies for DIC technology were proposed， focusing on speckle fabrication techniques and material mechanical characteristics feedback.These strategies include the utilization of high-speed cameras and the optimization of image processing algorithms to improve the efficacy of the image acquisition and processing system.Additionally，efforts are made to augment the environmental adaptability of DIC technology，ensuring its stable operation in challenging conditions such as high temperature and high pressure.Combined with other testing methodologies，the implementation of multi-parameter measurement and comprehensive analysis facilitates a more thorough understanding of the dynamic mechanical behavior of materials.The application and optimization of DIC technology in SHPB testing are intended to enhance measurement accuracy，broaden the scope of applications，and advance the intelligence of the testing system.This approach is expected to yield more precise evaluations of the dynamic mechanical properties of materials，thereby providing substantial support for advancements in materials science and related engineering disciplines.

Graphical abstract

关键词

分离式霍普金森压杆 / 数字图像相关方法 / 散斑图像 / 测试技术 / 材料力学行为

Key words

SHPB / DIC method / speckle image / test technology / mechanical behavior of materials

在采矿工程、材料科学与工程、交通工程和安全防护等领域，掌握材料在高速冲击或爆炸等动态载荷下的行为特征对于相关领域的工程设计、产品开发和爆破有害效应控制均具有重要的指导意义。

目前室内研究材料动态力学行为的常见设备为分离式霍普金森压杆（Split Hopkinson Pressure Bar，SHPB），用于分析各类材料在高应变率（10²~10⁴ s^-1）下的动态力学特征（臧小为，2011）。传统SHPB测试装置通过贴在入射杆和透射杆的应变片信号，结合一维应力波理论间接推导材料的动态应力—应变关系。试验过程中，材料与杆之间的摩擦力以及惯性力会影响材料的真实受力（Kajberg et al.，2007），导致材料自身的真实变形过程无法准确呈现。范亚夫等（2015）通过铝合金的动态拉伸性能试验证实，电测方法所测得的材料变形与实际变形存在差异。常用的应变测量方法分别有电阻应变片法（Gilat et al.，2009）、半导体应变片法（宋力等，2006）和PVDF压电计法（席道瑛等，1995；郭弦等，2015），这些接触式测量方法不仅要求应变片与杆之间具有良好的黏附性，而且对材料的断裂和破坏分析只能通过后效观察，无法反映材料变形的过程特征。此外，这些方法对于高应变率下微小尺寸材料的变形测量精度不高，也无法在直径小于3 mm的杆中使用应变片。

1 测量原理

1.1 SHPB测量原理

典型的SHPB试验装置主要包括动力系统、弹性压杆系统和测量系统，如图1所示。SHPB测量原理是将试件夹置在入射杆和透射杆之间，通过动力系统撞击入射杆，利用应变片A₁和A₂记录沿传力杆传播的脉冲信号，再根据一维应力波理论和应力平衡假定计算试件应力、应变率和应变，计算公式（Ravichandran et al.，1995；王礼立，2005；傅华等，2014；杨山伟，2018）表示为

{\sigma }_{\mathrm{a}}(t)=\frac{A_{\mathrm{0}}}{\mathrm{2}{A}_{\mathrm{S}}}\left[{\sigma }_{\mathrm{I}}(S_{A_{\mathrm{1}}},t)+{\sigma }_{\mathrm{R}}(S_{A_{\mathrm{1}}},t)+{\sigma }_{\mathrm{T}}(S_{A_{\mathrm{2}}},t)\right]（1）

\dot{\epsilon }(t)=\frac{{\nu }_{\mathrm{T}}(S_{A_{\mathrm{2}}},t)-{\nu }_{\mathrm{I}}(S_{A_{\mathrm{1}}},t)-{\nu }_{\mathrm{R}}(S_{A_{\mathrm{1}}},t)}{L_{\mathrm{S}}}（2）

\epsilon (t)=\frac{\mathrm{1}}{L_{\mathrm{S}}}{\displaystyle \underset{\mathrm{0}}{\overset{t}{\int }}}\left[{\nu }_{\mathrm{T}}(S_{A_{\mathrm{2}}},t)-{\nu }_{\mathrm{I}}(S_{A_{\mathrm{1}}},t)-{\nu }_{\mathrm{R}}(S_{A_{\mathrm{1}}},t)\right]\mathrm{d}t（3）

式中：{\sigma }_{\mathrm{a}}(t)为试件的平均应力（Pa）；A_{\mathrm{0}}为杆的横截面积（m²）；A_{\mathrm{S}}为试样的横截面积（m²）；{\sigma }_{\mathrm{I}}(S_{A_{\mathrm{1}}},t)、{\sigma }_{\mathrm{R}}(S_{A_{\mathrm{1}}},t)和{\sigma }_{\mathrm{T}}(S_{A_{\mathrm{2}}},t)分别为入射、反射和透射脉冲（Pa）；\dot{\epsilon }(t)为试件的平均应变率；{\nu }_{\mathrm{I}}(S_{A_{\mathrm{1}}},t)、{\nu }_{\mathrm{R}}(S_{A_{\mathrm{1}}},t)和{\nu }_{\mathrm{T}}(S_{A_{\mathrm{2}}},t)分别为入射、反射和透射速度（m/s）；L_{\mathrm{S}}为试件的长度（m）；\epsilon (t)为平均应变；A_{\mathrm{1}}、A_{\mathrm{2}}指应变片1和应变片2。

1.2 DIC测量原理

DIC技术是通过光电摄像机或数码相机采集图像并数字化，对比材料表面的散斑变化，对选定区域进行匹配运算，进而得出相应的应变场和位移场（Zhou et al.，2024）。DIC基本原理如图2所示，以参考图像上的P(x_{\mathrm{0}},y_{\mathrm{0}})为中心点，选取（2M+1）×（2M+1）的参考子图像，通过函数匹配和相关算法获得具有最大相关性的变形子图像，变形子图像中P^{\mathrm{\text{'}}}(x_{\mathrm{0}}^{\mathrm{\text{'}}},y_{\mathrm{0}}^{\mathrm{\text{'}}})是参考子图像P(x_{\mathrm{0}},y_{\mathrm{0}})的对应点。两点之间的函数关系式（韩红亮等，2022）表示为

x_{\mathrm{0}}^{\text{'}}=x_{\mathrm{0}}+u+\frac{\partial u}{\partial x}\mathrm{\Delta }x+\frac{\partial u}{\partial y}\mathrm{\Delta }y{y}_{\mathrm{0}}^{\text{'}}=y_{\mathrm{0}}+v+\frac{\partial v}{\partial x}\mathrm{\Delta }x+\frac{\partial v}{\partial y}\mathrm{\Delta }y（4）

式中：u、v分别为参考自图像中的P点在x和y方向上的位移（单位：mm）；\frac{\partial u}{\partial x}、\frac{\partial u}{\partial y}、\frac{\partial v}{\partial x}和\frac{\partial v}{\partial y}为参考子区的位移梯度。

变形子图像和参考子图像之间的相似程度可通过相关系数匹配（唐正宗，2012），见式（5）。当相关系数C=0时，表明参考子图像和变形子图像完全无关；当相关系数C=1时，表明参考子图像和变形子图像完全相关；相关系数C越接近1，2个子图像的相似程度越高（孙轩等，2019）。找到相关性最大的变形子图像之后，计算P(x_{\mathrm{0}},y_{\mathrm{0}})的位移和变形。

C={{\displaystyle \sum _{x=-M}^M}{\displaystyle \sum _{y=-M}^M}\left[\begin{array}{c}\frac{f\left(x,y\right)-f_m}{\sqrt[]{{\displaystyle \sum _{x=-M}^M}{\displaystyle \sum _{y=-M}^M}{\left[f(x,y)-f_m\right]}^{\mathrm{2}}}}-\frac{g(x\text{'},y\text{'})-g_m}{\sqrt[]{{\displaystyle \sum _{x=-M}^M}{\displaystyle \sum _{y=-M}^M}{\left[g(x\text{'},y\text{'})-g_m\right]}^{\mathrm{2}}}}\\ \end{array}\right]}^{\mathrm{2}}（5）

式中：f_m=\frac{\mathrm{1}}{\mathrm{2}M+\mathrm{1}}{\displaystyle \sum _{x=-M}^M}{\displaystyle \sum _{y=-M}^M}{\left[f(x,y)\right]}^{\mathrm{2}}，g_m=\frac{\mathrm{1}}{\mathrm{2}M+\mathrm{1}}

{\displaystyle \sum _{x=-M}^M}{\displaystyle \sum _{y=-M}^M}{\left[g(x\text{'},y\text{'})\right]}^{\mathrm{2}}，f_m、g_m分别为参考子图像和变形子图像子区的平均灰度；f(x,y)为参考子图像中点(x,y)的灰度；g(x\mathrm{\text{'}},y\mathrm{\text{'}})为目标子图像中点(x\mathrm{\text{'}},y\mathrm{\text{'}})的灰度。

2 不同材料的DIC动态测试方法

2.1 散斑制作方法

DIC对于表面具有良好纹理和对比度的材料更容易进行测量，但有些材料表面是非均匀、无纹理和高反射率的。例如，有些金属表面反射率过高，由多种组分组成的复合材料表面比较光滑且缺乏明显的纹理，混凝土和石材的颗粒分布不均匀等。这些表面特征对DIC中散斑的质量具有明显的影响，而散斑的质量会直接影响DIC测量的结果。

目前在DIC测试中制作散斑常用的方法有喷枪、喷涂料和记号笔等，这些制作方法可以提高对比度，但重复操作性较差、操作较为复杂且对试件具有一定的伤害，特别是对于一些耐腐蚀性较差的材料。为此，学者们利用计算机设计数字高质量散斑图像，再通过其他方法将其转移或复制到被测材料表面，此方法在理论上适用于所有材料，且可重复操作性较好，每次转移相同的数字散斑场，得到的试验散斑是一致的。通过直接转移和间接打印方式制作散斑的方法一般有丝网印刷、水转印和光敏印章复制等（陈振宁，2018）。然而，印刷和水转印等方法对时间和材料的损失是不可避免的，且应用场景和条件存在一定的局限性（Thai et al.，2022）。Zhang et al.（2023）根据岩石表面深层纹理特征信息，通过局部二元模型在岩石表面建立LBP高质量数字散斑场，很好地弥补了传统散斑、印刷和水转印等方法的固有缺陷，图3所示是基于表面纹理信息的岩石变形测量方法的步骤。未来，基于表面纹理特征信息制作散斑的方法具有广泛的应用前景。为实现这一目标，需综合考虑材料表面的粗糙度、反射率和折射率等关键因素，并根据目标材料的特性进行针对性调整与优化。通过设计合理的标记点或斑纹布局，可以获得更贴近实际效果的散斑图像，从而提升整体应用性能。

2.2 材料力学性质对DIC测量的影响

不同材料的力学特性不同，在高应变率下会有不同的动态力学响应。对于金属材料而言，其在高应变率下表现出显著的应变率依赖性，如应变硬化（朱正洪等，2024）和热软化效应（Huang et al.，2016），DIC系统必须能够在极短的时间尺度内准确测量应变分布，这对图像捕捉的帧率和分析算法的实时处理能力提出了较高的要求；许多金属材料在宏观上表现为各向同性，但在微观结构（如晶粒）层面可能存在各向异性（Dai et al.，2020），DIC分析需要识别并量化这种微观尺度的各向异性。对于聚合物而言，其在高应变率下常表现出大范围的非线性变形（罗鑫等，2014），包括黏弹性和塑性行为，DIC系统需要应对这种非线性响应，并提供精确的全场应变分布；此外，许多聚合物对温度变化敏感，可能在试验过程中由于内部摩擦和塑性变形产生热量，DIC分析需要考虑这种温度效应对材料响应的影响。对于复合材料而言，其应力—应变响应极其复杂，涉及纤维（冻瑞岚等，2023）、基体（聂明明等，2023）和界面（佘欢等，2024）的相互作用，DIC技术必须能够区分这些不同成分的贡献，并准确测量各向异性的应变分布。因此，构建不同材料在高应变率下的本构模型至关重要。在此基础上，结合材料特性和试验条件，自动调整参数并优化DIC算法，包括提升时间分辨率、优化动态时间窗口等，以实现对各类材料高速变形过程的精确追踪。

3 DIC技术在SHPB试验中的发展与应用

20世纪80年代初期，DIC方法分别由日本学者Yamaguchi （1981）和美国学者Peters et al.（1982）独立提出。1981年，Yamaguchi（1981）确定了散斑位移与物体变形量之间的关系，提出一种测量物体微小变形的方法；1982年，Perters et al.（1982）提出用数字散斑相关方法测量物体位移，通过物体变形前后的散斑图，对相关性位移和导数进行迭代，找到相关系数的极值，进而算出散斑位移场，得到物体的位移量。直至1990年，中国科学技术大学的Han et al.（1990）才将DIC应用到SHPB试验中，并测得了不同时刻下碳钢和铝合金受冲击荷载产生的应变场，图4所示为SHPB结合DIC的测量示意图。从此，DIC技术在SHPB试验中的应用越来越广泛。

3.1 应变和位移的测量

借助DIC技术，通过对材料表面图像的精确分析、比对和匹配运算，能够准确获取位移和应变的相关信息。范亚夫等（2015）通过DIC技术真实记录了铝合金在SHPB动态拉伸下裂纹的起裂、扩展和失稳过程，克服了传统应变片不能测量位移的缺点。Pandya et al.（2019）在SHPB试验中分别使用应变片和 2D-DIC 技术测量5种生物复合材料在不同加载率下的应变—时间历史，发现2种测量方式的测量结果接近，其中冲击荷载为103.42 kPa的测量结果如图5所示。邢灏喆等（2021）利用SHPB结合3D-DIC技术对粗粒、中等和细粒径（CG、MG、FG）3种砂岩进行压缩试验，由图6（a）可以看出，粗粒径砂岩应变局部化现象明显，最终局部裂纹汇合成一条主裂纹，图6（b）和图6（c）反映了中等粒径和细粒径砂岩的应变局部化特征，均从试件的受力端开始，最后裂纹贯通到试件的另一端，可以看出粒径对裂纹扩展的显著影响。杨仁树等（2020）观测了不同冲击速度下红砂岩、灰砂岩和花岗岩3种岩石表面拉伸应变场和剪切应变场的动态演化规律。Gilat et al.（2018）对纤维复合材料的缺口试样受剪切作用的实时应变场进行了分析。叶晓盛（2020）利用2D-DIC技术分析了碳纤维和树脂的动态拉伸过程以及失效模式。

上述应用案例表明，DIC方法能够全面、详细地捕捉动态加载下材料的应变分布特征，不仅可以实时获取应变数据，还能同时提取位移信息。然而，由于数据采样间隔大于传统应变片，应变时程曲线需通过拟合生成，因此可能会遗漏某些时刻的微小应变变化。

3.2 应力测量

传统SHPB试验中，应力的测量仍需要借助应变片，即根据应变片采集的应变信号换算成应力数据。DIC技术主要用于测量物体表面的位移和应变，想要直接测量应力是比较困难的，应力的获得需要DIC测量的应变数据结合一维应力波理论计算，计算公式如下：

\sigma =\rho c^{\mathrm{2}}\Delta \epsilon（6）

式中：\sigma为应力（Pa）；\rho为材料的密度（kg/m³）；c为传播波的速度（m/s）；\mathrm{\Delta }\epsilon为测得的应变。借此方法，Pandya et al.（2019）测量了一种生物复合材料的动态应力—应变曲线，测试结果可靠；Dave et al.（2018）分析了3种类型的生物复合材料在3种应变率下的应力—应变特征，也证明了DIC测试数据的可靠性，其中应变率为950 s^-1条件下的测量结果如图7所示。

此外，需特别注意测量过程中应力平衡条件。内部力在材料静态下是平衡的，但在动态加载中，非平衡力引起应力分布差异，例如在材料的某个区域，非平衡力可能会导致局部应力增加或减小，而在其他区域则产生相反的效果，从而导致DIC计算的应力结果不准确。然而，由于软材料波速和波阻抗较低、透射信号微弱、应力平衡时间长、透射和反射波的起点选取困难，很难评估材料两端力的平衡状况。为此，谢倍欣等（2014）使用DIC获取入射杆和透射杆两端的应变，将杆两端的应变通过一维应力波理论换算成应力，能够有效评估试件两端的应力平衡状态，测量原理如图8所示。但有的软材料在动态测试时间尺度内很难达到应力平衡（Meyland et al.，2023）。为了解决该问题，学者们使用了很多方法，例如采用波阻抗低的铝杆（Pang et al.，2019）、镁杆（Shergold et al.，2006）和聚合物杆（Jamie et al.，2019）等降低软材料和杆之间阻抗失配，通过增加垫片来调整波形（宋力等，2004），在加载设备上施加与非平衡力相反的静态力或者补偿力来抵消非平衡力（王永刚等，2003）。

综上所述，在SHPB试验中，应力测量通常依赖于应变片，但也可借助DIC技术间接获取，前提是满足一维应力波理论和应力平衡假设。然而，对于软材料而言，应力平衡条件更为复杂，需结合其他方法进行综合评估。由于上述应力计算基于一维应力波和均匀性假设，其应用存在一定局限性，尤其对于呈现复杂应力行为的材料，这一局限性更为显著。

4 DIC技术在冲击大变形测量中的优化方案

在低速加载情况下，DIC测量的准确性较高，可以有效捕捉和分析形变。但在高应变率下，由于图像采集和处理速度的限制，可能无法实时准确地捕捉试样的变形过程，导致对应力—应变关系的测量存在误差。主要原因有2个：第一，正常情况下真实位移附近的相关系数（绿色部分）较为明显，如图9（a）所示，然而，由于测量前后图像差异过大，真实位移附近的相关系数明显减少，有效的初始值在局部极值中无法分辨，如图9（b）所示。因此大变形条件下很难通过相关匹配进行正确求解，也叫退相关效应（Decorrelation effect）。第二，子区内部变形可近似为形函数来提高DIC测量精度，但对于大变形而言，常用的零阶和一阶形函数均无法近似地描述子区内部的变形，形函数与真实变形欠匹配。为了优化大变形测量精度问题，学者们从增量相关、形函数、初值估计和深度学习等方面进行了相关研究探索。

4.1 增量相关

增量相关可以较好地解决大变形问题，其原理是增大图像采集频率，将大变形视为多个小变形的累积以实现对大变形的测量和分析，原理如图10所示。然而，每次小变形的累积计算均存在误差，以子区偏移误差为主要因素，插值误差为次要因素。子区偏移指每次图像更新后子区所发生的变化，其误差主要受参考图像更新次数的影响；插值误差是指在进行数据插值过程中引入的误差。为此，Pan et al.（2012）定义了一个种子点在原始参考图像中，在变形图像中进行搜索，并判断相关系数是否到达预设阈值来限制参考图像的更新次数，从而减小子区偏移误差。Wang et al.（2018）提出了一种精确且简单的增量式DVC方法，更新后参考体图像中的参考子体被自动转换到最近的整数体像素位置，避免亚像素插值中复杂的数据计算。

4.2 形函数

DIC方法常用的形函数类型包括零阶、一阶和二阶形函数，它们可以提供不同的精度和适应性，不同阶数的形函数对比如图11所示。若变形阶数超过形函数的阶数，会发生形状函数欠匹配问题，因此选择高阶形函数可以较好地解决大变形中欠匹配的问题，例如Lu et al.（2000）通过二阶形函数准确地测量二阶位移梯度，相比一阶形函数测量精度更高。然而，传统的二阶形函数具有数值不稳定性，为此Gao et al.（2015）和Bai et al.（2017）将传统的二阶形函数进行优化后得到可逆的二阶形函数，提高了测量的稳定性。在材料的整个变形过程中，有时会涉及小变形区域，对该区域采用高阶形函数是过度匹配的，同时可能会在一定程度上影响DIC算法的收敛性并增加计算负担（Xu et al.，2015），因此对于不同的采样点，选择合适的子集大小显得尤为重要。Liang et al.（2015）和Li et al.（2017）以像素到中心点的距离作为每个像素的灰度强度分配权重，进而权衡不同采样点子集大小。此外还有学者针对子集大小的自适应匹配问题提出很多方法，例如Yuan et al.（2023）引入巴特沃斯函数作为加权窗口，通过该窗口可以连续调整子集大小，并提出了变形偏差函数，通过DIC中仿射和二阶形函数的计算偏差来评估子集中仿射形函数的匹配程度。通过求给定子集大小范围内变形偏差函数的峰值来确定每个采样点的最佳子集大小。

4.3 初值估计方法

尽管增量相关技术和形函数能够有效测量一定范围内的大变形，但当变形程度过大时，会导致无法为每个采样点找到合适的初值。为此，在子像素插值算法方面，学者们提出了各种基于插值的子像素精度方法，包括基于像素互相关的插值方法（Zhang et al.，2012）、基于光流的插值方法（Sun et al.，2010）以及高阶多项式插值方法，这些方法能够提高位移估计精度，尤其在处理复杂形变的场景时更有效。在形变模型方面，学者们提出了基于网格的非线性变形模型（赵勇等，2008），以更准确地建模和评估各种形变；在多尺度策略方面，用于DIC初值估计的多尺度方法能够在不同粒度的图像金字塔中进行匹配和优化（Wang et al.，2020），先在较粗尺度上估计初始位移场，再逐步细化到较细尺度，从而提高了算法的稳健性和精度。

4.4 深度学习

除了上述增量相关、形函数和初值估计方面的优化，近年来深度学习的方法也逐渐应用于DIC测量领域（刘小勇等，2018；Yang et al.，2022；萧红等，2023），但目前仍处于探索优化阶段。通过学习图像的特征，提取更具判别性的特征，这些特征可以帮助解决DIC中的匹配困难问题；然后学习复杂的形变模型，如非线性模型，以更好地描述大变形场景中的形变；对DIC的数据集进行训练，并使用数据增强技术来模拟大变形场景，再引入各种形变和扭曲，进一步扩展训练数据集的多样性，提高深度学习模型对于大变形场景的泛化能力；最后通过训练生成器和判别器的对抗过程，生成更真实的变形图像。

综上所述，针对DIC在大变形测量中的难题，学者们从增量相关算法、形函数优化和初值估计等方面进行了深入研究和改进。此外，深度学习技术的引入为DIC的发展提供了新的方向，未来研究应着重于设计高效的网络结构，构建高质量的训练数据集，以及优化DIC测量系统的整体性能，从而提升其在大变形场景下的测量精度和可靠性。在SHPB试验中处理材料大变形问题时，需要综合考虑上述技术因素，同时也要重视硬件设备和试验环境的影响。例如，采用高帧率的高速相机、选择合适的光源和滤波装置，以确保光照条件的稳定性，这些措施都将有助于提高试验数据的准确性和可重复性。

5 DIC技术在超动态测试领域的发展方向

（1）提升图像采集与处理速度。针对高应变率下的动态力学行为测量，DIC技术需要进一步提高图像采集和处理速度，以确保实时、准确地捕捉试样的变形过程。这包括采用更高帧率的高速相机和优化图像处理算法等。其中，图像处理中的去噪算法既能有效去除噪声又能保留图像中的重要细节和结构信息，对于高应变率下的力学行为，去噪算法需要特别关注时间分辨率和空间分辨率的平衡。例如，时空域双边滤波去噪（张涛等，2019），通过结合时空域的像素距离和强度差异进行加权平均来减少噪声，同时保留图像和视频帧的边缘细节，在快速变化的场景中，时空域双边滤波可以减少由于噪声引起的伪影，提供更清晰的图像；三维非局部均值滤波去噪（Antonio，2022），利用视频序列中相似块之间的加权平均和相似性去除噪声，同时保留时空细节和纹理，适用于处理复杂的噪声模式，特别是在快速变形和运动的场景中；总变差（Total Variation，TV）去噪（Zohre et al.，2018），通过最小化总变差，去除噪声的同时保留图像和视频中的边缘和运动细节，在高噪声水平下，总变差去噪能够有效地抑制噪声，提高图像质量。

（2）提高测量精度与稳定性。通过改进散斑制作方法、优化相机和镜头配置以及减少光照条件变化等方式，提高DIC技术的测量精度和稳定性。此外，还可以结合其他先进技术（如机器学习、深度学习等）对图像进行预处理和后处理，进一步减小误差。

（3）增强环境适应性。DIC技术需要更好地适应SHPB试验中人为设置的复杂环境，如高温、高压和强冲击等，这需要开发耐高温、耐高压的相机和镜头，以及研究在强冲击载荷下保持散斑稳定性的方法。

（4）拓展应用范围。除了基本的位移和应变测量外，还需进一步拓展DIC技术的应用范围。例如，可以结合超动态应变放大器、数字示波器和CT（Computed Tomography）等技术进行多参数测量，或者应用于复杂形状试样、新型材料和其他加载条件。

（5）集成化与智能化。随着智能科技的发展，DIC技术有望与SHPB试验装置实现更紧密的集成，形成智能化的测试系统。这不仅可以简化操作流程、提高测试效率，还可以实现数据的实时处理和分析，为材料动态力学性能的快速评估提供有力支持。

6 结语

（1）与传统接触式应变片相比，DIC技术在局部细节捕捉和实时观测方面具有显著优势。然而，应力测量仍然依赖于应变片或基于均匀性假设的一维应力波理论进行计算，而复杂材料往往难以满足这些条件。因此，未来研究需要进一步建立更精确的材料本构模型，并探索新的计算方法以提升测量精度。

（2）根据不同材料表面特征设计散斑制作方法，构建材料在冲击荷载下的本构模型，并优化DIC自适应算法，是提高DIC测量精度的有效途径。

（3）通过提升图像采集与处理速度、提高测量精度与稳定性、增强环境适应性以及拓展应用范围，DIC技术有望与SHPB试验装置实现更紧密的集成，从而构建智能化、一体化的测试系统。

总之，DIC技术在SHPB试验中的应用正朝着更高速度、精度、稳定性和环境适应性的方向发展，同时不断拓展应用范围并实现集成化与智能化，这将充分发挥DIC技术在材料动态力学性能测试中的优势，有力推动相关科研领域的进步。

参考文献

[1] Antonio P，2022.A 3D space-time Non-Local Mean Filter （NLMF） for land changes retrieval with synthetic aperture radar images［J］.Remote Sensing，14（23）：5933-5933.

[2] Bai R X， Jiang H， Lei Z K，et al，2017.A novel 2nd-order shape function based digital image correlation method for large deformation measurements［J］.Optics and Lasers in Engineering，90：48-58.

[3] Chen Zhenning，2018.Optimizations and Applications of Digital Speckle Patterns［D］.Nanjing：Southeast University.

[4] Dai X， Jiang F L， Liu J，et al，2020.Strain anisotropy models for refined diffraction line profile analysis in cubic metals［J］.Transactions of Nonferrous Metals Society of China，30（8）：2090-2106.

[5] Dave M J， Pandya T S， Damian S，et al，2018.Dynamic characterization of biocomposites under high strain rate compression loading with split Hopkinson pressure bar and digital image correlation technique［J］.International Wood Products Journal，9（3）：115-121.

[6] Dong Ruilan， Peng Zhihang， Xiang Yang，et al，2023.Research progress in composition and preparation process of alumina fiber reinforced alumina ceramic matrix composites［J］.Journal of Materials Engineering，51（10）：27-41.

[7] Fan Yafu， Wei Yanpeng， Xue Yuejun，et al，2015.On the application of digital image correlation testing technology in Hopkinson bar loading［J］.Journal of Experimental Mechanics，30（5）：590-598.

[8] Fu Hua， Peng Jinhua， Li Junling，et al，2014.A new measurement method applied to Hopkinson bar experiment［J］.Chinese Journal of High Pressure Physics，28（4）：423-428.

[9] Gao Y， Cheng T， Su Y，et al，2015.High-efficiency and high-accuracy digital image correlation for three-dimensional measurement［J］.Optics and Lasers in Engineering，65：73-80.

[10] Gilat A， Schmidt T E， Walker A L，2009.Full field strain measurement in compression and tensile split Hopkinson bar ex-periments［J］.Experimental Mechanics，49（2）：291-302.

[11] Gilat A， Seidt J D，2018.Compression，tension and shear testing of fibrous composite with the split Hopkinson bar technique［J］.The European Physical Journal Conferences，183：02006.

[12] Guo Xian， Li Xiaomao， Peng Yingcheng，et al，2015.Design and application of internal-stress sensor of concrete［J］.Instrument Technique and Sensor，52（1）：20-21，37.

[13] Han Hongliang， Wang Lizhong， Zhang Zhen，et al，2022.Application of digital image correlation method in thin plate deformation measurement［J］.Machine Tool and Hydraulics，50（16）：13-17.

[14] Han L， Wu X P， Hu S S，1990.Pulsed holographic and speckle interferometry using Hopkinson loading technique to investigate the dynamical deformation on plates［C］//19th International Congress on High-speed Photography and Photonics，16-21 September，1990.Cambridge：International Society for Optics and Photonics.

[15] Huang S， Shu D， Hu C，et al，2016.Effect of strain rate and deformation temperature on strain hardening and softening behavior of pure copper［J］.Transactions of Nonferrous Metals Society of China，26（4）：1044-1054.

[16] Jamie K， Leslie E L， Steven M，2019.Dynamic Behavior of Materials，Volume1［M］.Scotland：Springer，Cham.

[17] Kajberg J， Wikman B，2007.Viscoplastic parameter estimation by high strain-rate experiments and inverse modelling—Speckle measurements and high-speed photography［J］.International Journal of Solids and Structures，44（1）：145-164.

[18] Li B J， Wang Q B， Duan D P，et al，2017.Modified digital image correlation for balancing the influence of subset size choice［J］.Optical Engineering，56（5）：054104.

[19] Liang Z L， Yin B， Mo J Q，et al，2015.A new method to deal with the effect of subset size for digital image correlation［J］.Optik- International Journal for Light and Electron Optic，126（24）：4940-4945.

[20] Liu Xiaoyong， Gong Yan， Li Rongli，et al，2018.Non-iterative gray-gradient algorithm based on BP artificial neural network in image correlation［J］.Machine Tool and Hydraulics，46（1）：7-11.

[21] Lu H， Cary P D，2000.Deformation measurements by digital image correlation：Implementation of a second-order displacement gradient［J］.Experimental Mechanics，40（4）：393-400.

[22] Luo Xin， Xu Jinyu， Su Haoyang，et al，2014.Strength properties of highly fluidized geopolymer concrete under impact loading［J］.Journal of Building Materials，17（1）：72-77.

[23] Meyland M J， Eriksen R N W， Nielsen J H，2023.A modified split-Hopkinson pressure bar setup enabling stereo digital image correlation measurements for flexural testing［J］.International Journal of Impact Engineering，173：104480.

[24] Nie Mingming， Xu Zhifeng， Wang Ying，et al，2023.Effects of matrix on fiber damage of continuous Al₂O_3f/Al composite［J］.Special Casting and Nonferrous Alloys，43（10）：1414-1420.

[25] Pan B， Wu D F， Xia Y，2012.Incremental calculation for large deformation measurement using reliability-guided digital image correlation［J］.Optics and Lasers in Engineering，50（4）：586-592.

[26] Pandya S T， Dave J M， Street J，et al，2019.High strain rate response of bio-composites using split Hopkinson pressure bar and digital image correlation technique［J］.International Wood Products Journal，10（1）：22-30.

[27] Pang S， Tao W， Liang Y，et al，2019.A modified method of pulse-shaper technique applied in SHPB［J］.Composites Part B：Engineering，165（15）：215-221.

[28] Peters W， Ranson W，1982.Digital imaging techniques in experimental stress analysis［J］.Optical Engineering，21（3）：427-431.

[29] Ravichandran G， Subhash G，1995.A micromechanical model for high strain rate behavior of ceramics［J］.International Journal of Solids and Structures，32（17/18）：2627-2646.

[30] She Huan， Shi Lei， Dong Anping，2024.Dispersion，interface structure and mechanical properties of Titanium based graphene composites［J］.Materials Reports，38（5）：238-245.

[31] Shergold O A， Fleck N A， Radford D，2006.The uniaxial stress versus strain response of pig skin and silicone rubber at low and high strain rates［J］.International Journal of Impact Engineering，32（9）：1384-1402.

[32] Song Li， Hu Shisheng，2004.A modified SHPB device for material testing［J］.Journal of Experimental Mechanics，4（19）：448-452.

[33] Song Li， Hu Shisheng，2006.A new technique for testing soft material using a modified Hopkinson pressure bar［J］.Engineering Mechanics，23（5）：32-36.

[34] Sun D Q， Roth S， Black M J，2010.Secrets of optical flow estimation and their principles［C］// 2010 IEEE Computer Society Conference on Computer Vision and Pattern Recognition.San Francisco：IEEE.

[35] Sun Xuan， Wang Yaping， Wang Bohuai，2019.Research and application on digital image correlation deformation measurement system［J］.Machinery Design and Manufacture，57（3）：149-152.

[36] Tang Zhengzong，2012.Research on the Theory and Application of Digital Image Correlation Methods［D］.Xi’an：Xi’an Jiaotong University.

[37] Thai T Q， Ruesch J， Gradl P R，et al，2022.Speckle pattern inversion in high temperature DIC measurement［J］.Experimental Techniques，46：239-247.

[38] Wang B， Pan B，2018.Incremental digital volume correlation method with nearest subvolume offset：An accurate and simple approach for large deformation measurement［J］.Advances in Engineering Software，116：80-88.

[39] Wang L P， Bi S L， Li H，et al，2020.Fast initial value estimation in digital image correlation for large rotation measurement［J］.Optics and Lasers in Engineering，127：105838.

[40] Wang Lili，2005.Fundamentals of Stress Waves［M］.Beijing：National Defense Industry Press.

[41] Wang Yonggang， Shi Shaoqiu， Wang Lili，2003.An improved SHPB method and its application in the study of dynamic mechanical behavior of aluminum foams［J］.Journal of Experimental Mechanics，18（2）：257-264.

[42] Xi Daoying， Zheng Yonglai，1995.Application of PVDF piezometers in dynamic stress measurement［J］.Explosion and Shock Waves，15（2）：174-179.

[43] Xiao Hong， Li Chengnan， Feng Mingchi，2023.Large deformation measurement method of speckle image based on deep learning［J］.Acta Optica Sinica，43（14）：123-135.

[44] Xie Beixin， Tang Liqun， Zhang Xiaoyang，et al，2014.On the synchronized measurement of specimen’s strain and stress at both ends in SHPB test based on digital image［J］.Journal of Experimental Mechanics，29（6）：683-688.

[45] Xing Haozhe， Wang Mingyang， Fan Pengxian，et al，2021.Grain-size effect on dynamic behavior of sandstone based on high-speed 3D-DIC technique ［J］.Explosion and Shock Waves，41（11）：46-57.

[46] Xu X H， Su Y， Cai Y L，et al，2015.Effects of various shape functions and subset size in local deformation measurements using DIC［J］.Experimental Mechanics，55（8）：1575-1590.

[47] Yamaguchi I，1981.A laser-speckle strain gauge［J］.Journal of Physics E：Scientific Instruments，14（5）：1270-1273.

[48] Yang R， Yang L， Zeng D，et al，2022.Deep DIC：Deep learning-based digital image correlation for end-to-end displacement and strain measurement［J］.Journal of Materials Processing Technology，302：117474.

[49] Yang Renshu， Li Weiyu， Li Yongliang，et al，2020.Comparative analysis on dynamic tensile mechanical properties of three kinds of rocks［J］.Journal of China Coal Society，45（9）：3107-3118.

[50] Yang Shanwei，2018.Review of Hopkinson pressure bar technology based on optical inspection method［J］.Technology Innovation and Application，（9）：4-9.

[51] Ye Xiaosheng，2020.Study on Dynamic Mechanical Properties of Carbon Fiber Woven Composites［D］.Harbin：Harbin Institute of Technology.

[52] Yuan Y， Wu Z R， Zheng F，et al，2023.A pointwise optimal subset selection strategy assisted by shape functions in digital image correlation algorithm［J］.Optics and Laser Technology，164：109420.

[53] Zang Xiaowei，2016.Study on the Pulse Shaping Technique and a Programming Implementation for Data Processing of the Hopkinson Bar Experiments［D］.Changsha：Hunan University.

[54] Zhang K B， Gao X B， Tao D C，et al，2012.Single image super-resolution with non-local means and steering kernel regression［J］.IEEE Transactions on Image Processing，21（11）：4544-4556.

[55] Zhang Tao， Pan Xihao， Wang Hao，et al，2019.De-interlacing method based on adaptive combination of time-domain and space-domain directions［J］.Journal of Tianjin University（Science and Technology），52（11）：1211-1218.

[56] Zhang Y B， Han X， Liang P，et al，2023.A deformation measurement method based on surface texture information of rocks and its application［J］.International Journal of Mining Science and Technology，33（9）：1117-1130.

[57] Zhao Yong， Liu Xinguo， Peng Qunsheng，2008.Shape deformation based on tetrahedral control mesh［J］.Journal of Computer-Aided Design & Computer Graphic，20（9）：1132-1139.

[58] Zhou Z， Ma J， Wang J，et al，2024.Evolution characteristics of strain and displacement fields in double-hole short-delay blasting based on DIC［J］.Processes，12（7）：1291.

[59] Zhu Zhenghong， Hua Jun， Xing Xiaoru，et al，2024.Study on hardening effect of metallic glass under cyclic loading［J］.Chinese Journal of Solid Mechanics，45（3）：401-415.

[60] Zohre M， Mehrdad L， Mohsen R，2018.Combined shearlet shrinkage and total variation minimization for image denoising［J］.Iranian Journal of Science and Technology，Transactions A：Science，42（1）：31-37.

[61] 陈振宁，2018.数字散斑场优化及其应用研究［D］.南京：东南大学.

[62] 冻瑞岚，彭志航，向阳，等，2023.氧化铝纤维增强氧化铝陶瓷基复合材料的组成及制备工艺的研究进展［J］.材料工程，51（10）：27-41.

[63] 范亚夫，魏延鹏，薛跃军，等，2015.数字图像相关测试技术在霍普金森杆加载实验中的应用［J］.实验力学，30（5）：590-598.

[64] 傅华，彭金华，李俊玲，等，2014.一种适合于Hopkinson杆的实验测试方法探索［J］.高压物理学报，28（4）：423-428.

[65] 郭弦，黎小毛，彭映成，等，2015.基于PVDF的混凝土内应力传感器设计及应用［J］.仪表技术与传感器，52（1）：20-21，37.

[66] 韩红亮，王立忠，张振，等，2022.数字图像相关法在薄板变形测量中的应用［J］.机床与液压，50（16）：13-17.

[67] 刘小勇，宫岩，李荣丽，等，2018.基于BP神经网络的数字图像相关 非迭代灰度梯度算法［J］.机床与液压，46（1）：7-11.

[68] 罗鑫，许金余，苏灏扬，等，2014.冲击荷载下高流态地质聚合物混凝土的强度特性［J］.建筑材料学报，17（1）：72-77.

[69] 聂明明，徐志锋，汪莹，等，2023.不同基体对连续Al₂O_3f/Al复合材料纤维损伤的影响［J］.特种铸造及有色合金，43（10）：1414-1420.

[70] 佘欢，时磊，董安平，2024.钛基石墨烯复合材料的分散性、界面结构及力学性能［J］.材料导报，38（5）：238-245.

[71] 宋力，胡时胜，2004.一种用于软材料测试的改进SHPB装置［J］.实验力学，4（19）：448-452.

[72] 宋力，胡时胜，2006.软材料的霍普金森压杆测试新技术［J］.工程力学，23（5）：32-36.

[73] 孙轩，王雅萍，王博怀，2019.数字图像相关法变形测量系统的研究与应用［J］.机械设计与制造，57（3）：149-152.

[74] 唐正宗，2012.数字图像相关方法理论及应用研究［D］.西安：西安交通大学．

[75] 王礼立，2005.应力波基础［M］.北京：国防工业出版社.

[76] 王永刚，施绍裘，王礼立，2003.采用改进的SHPB方法对泡沫铝动态力学性能的研究［J］.实验力学，18（2）：257-264.

[77] 席道瑛，郑永来，1995.PVDF压电计在动态应力测量中的应用［J］.爆炸与冲击，15（2）：174-179.

[78] 萧红，李成南，冯明驰，2023.基于深度学习的散斑图像大变形测量方法［J］.光学学报，43（14）：123-135.

[79] 谢倍欣，汤立群，张晓阳，等，2014.基于数字图像的分离式霍普金森压杆实验中试件应变及两端应力的同步测量法［J］.实验力学，29（6）：683-688.

[80] 邢灏喆，王明洋，范鹏贤，等，2021.基于高速3D-DIC技术的砂岩动力特性粒径效应研究［J］.爆炸与冲击，41（11）：46-57.

[81] 杨仁树，李炜煜，李永亮，等，2020.3种岩石动态拉伸力学性能试验与对比分析［J］.煤炭学报，45（9）：3107-3118.

[82] 杨山伟，2018.基于光学检测方法的霍普金森压杆技术综述［J］.科技创新与应用，（9）：4-9.

[83] 叶晓盛，2020.碳纤维机织复合材料动态力学性能研究［D］.哈尔滨：哈尔滨工业大学.

[84] 臧小为，2011.霍普金森压杆过载波形及系统分析软件研究［D］.长沙：湖南大学.

[85] 张涛，潘希豪，王昊，等，2019.基于时空域方向自适应结合的去隔行方法［J］.天津大学学报（自然科学与工程技术版），52（11）：1211-1218.

[86] 赵勇，刘新国，彭群生，2008.基于四面体控制网格的模型变形算法［J］.计算机辅助设计与图形学学报，20（9）：1132-1139.

[87] 朱正洪，华军，邢小茹，等，2024.循环荷载作用下金属玻璃的硬化行为研究［J］.固体力学学报，45（3）：401-415.

基金资助

2021年云南交投科技创新计划项目“高原山区高速公路隧道新型聚能水压爆破施工关键技术研究及工程示范”(YCYC-YF-2021-14)

国家自然科学基金地区项目“岩巷爆破多参数协同关系及炮孔利用率预测模型研究”(42467023)