Um das Problem der Schwierigkeit, die Verzerrung der Deformationsmessung mittels binokularem DIC bei Leistungstests von Flugzeugtriebwerksgehäusen vollständig und präzise zu quantifizieren, zu lösen, wurde eine systematische und umfassende Methode zur Zuordnung von DIC-Messdaten zu Finite-Elemente-Simulationsdaten vorgeschlagen. Zunächst wurden FPFH-Merkmale und der ICP-Algorithmus verwendet, um die beiden Punktwolkenarten präzise zu registrieren und die Koordinatensysteme der Daten exakt auszurichten; anschließend wurden mithilfe eines genetischen Algorithmus optimierte neuronale Netze verwendet, um die Positionen der Finite-Elemente-Knoten anzupassen und somit Inkonsistenzen der Knotenpositionen zwischen den beiden Datentypen zu beseitigen, wodurch eine hochpräzise Abbildung vom Simulationsnetz zum DIC-Netz gelang; schließlich wurde ein Punkt-für-Punkt-Kleinste-Quadrate-Dehnungsschätzalgorithmus eingesetzt, der die Dehnungsberechnungsmethoden der Finiten-Elemente-Simulation und der DIC-Messung vereinheitlicht, um Finite-Elemente-Daten zu erhalten, die mit den DIC-Eigenschaften übereinstimmen, wodurch eine Verzerrungsschätzung der Verformung der gemessenen Oberfläche im gesamten Bereich erreicht wurde. Der Vergleich der Verformungen an den Rippen im Steifigkeitstest des Gehäuses zeigt, dass die Abbildungsgenauigkeit der Netzwerkknoten besser als 1×10-6mm ist, und die Verzerrungskarten und -kurven zwischen simulierten und DIC-Deformationen zeigen eine gute Übereinstimmung und können die genauen Positionen der DIC-Messabweichungen aufzeigen, was vielversprechende Anwendungsperspektiven im Bereich der Entwicklung und Prüfung von Flugzeugtriebwerksgehäusen und ähnlichen Gehäusen in der Zukunft bietet.

digitale Bildkorrelation;Deformationsabweichung;Finite-Elemente-Simulation;Punktwolkenregistrierung;Netzabbildung