= 1~m ;Sl]代表第i条应变 局部化带的第j个数据的纵坐标，i = 1~m，j = 1~Ci, Sg= s u (XiJ，Xu为该数据的横 坐标；匕代表与第i条应变局部化带逼近的线段在第j个数据处的纵坐标，由于f ,是线性 函数，所以，fi.j= db」=Ic1XiJbil, 1^是1个初值（各线段）的共同斜率，bn是1个初 值的不同截距，（81]-匕) 2代表1个应变数据点与1条线段之间的偏差的平方，对一条应变 局部化带上的所有数据C1求和，代表了一条应变局部化带的应变数据与1条线段之间的偏 差的平方，再对每条应变局部化带求和，代表各条应变局部化带的应变数据与各条线段之 间的偏差的平方，通过不断同步迭代，使其达到最小的向量Ω,= {h，b1>N，bw，... AniJ即为 所述的唯一且最佳结果。
[0033] 进一步地，其中，所述同步迭代是迭代初值或试探解答不断更新的过程，对于不同 的群智能算法，试探解答的更新原理并不相同，但是基本上都考虑了不同试探解答之间的 信息共享、相互学习和影响以及优胜劣汰和适者生存等策略，迭代结束的条件包括两种：1) 迭代次数达到最大代数；2)迭代结果已趋于稳定（尽管迭代次数未达到最大代数）。
[0034] 进一步地，其中，所述迭代参数包括：最大代数、迭代初值的数目、迭代结束的阈值 条件以及不同群智能算法所要求的迭代参数，例如，对于粒子群优化算法，需要粒子飞行的 最大速度、学习因子、惯性常数等参数。
[0035] 进一步地，其中，所述任意两条相邻应变局部化带的间距Cl1公式为
[0036] (Ii= |b sin Θ *= |b sin[arctan(k*)]，i = 1 ~（m-1) (3)
[0037] 本发明所述的一种基于数字图像相关方法的应变局部化带间距演变规律的多维 同步优化测量方法，能够实现应变局部化带间距的自动化、快速、准确测量，获得的信息丰 富，能保证测量结果的唯一性。
【附图说明】
[0038] 图1为一种应变局部化带间距演变规律的多维同步优化测量方法的流程图；
[0039] 图2为在加载条件下数字图像采集装置的示意图；图中，1 一试样，2-包含散斑的 表面，3-光源，4一拍摄设备，5-计算机；
[0040] 图3为自主开发的基于粒子群优化和Newton-Raphson迭代方法的数字图像相关 方法程序界面图；
[0041] 图4为多维同步优化过程的示意图，其中图4-a为设置计算区域；图4-b为确定 走向一致的应变局部化带的范围；图4-c为获取每条应变局部化带中央及其附近的应变数 据；图4-d为设置迭代初值和迭代参数；图4-e为迭代的最终结果（仅给出了使目标函数 最小的真实解答）；图中，6-计算区域，7-应变局部化带，7-1-走向一致的应变局部化带 (被测应变局部化带），7-2-走向一致的应变局部化带，8-狭长四边形区域，9一任一数据 点，10-某一迭代初值（这样的迭代初值有η个），11一唯一的真实解答；
[0042] 图5为基于粒子群优化算法的多维同步优化过程的流程图；
[0043] 图6为计算任意两条相邻应变局部化带的间距的原理图；
[0044] 图7为不同纵向应变ε a时的单向压缩砂样的最大剪切应变γ _的分布图，其中， 图7_&为ε a= 0. 08时的结果图；图7-b为ε a= 0. 09时的结果图；图7-c为ε a= 0. 11 时的结果图；图7_(1为ε3=0. 13时的结果图；图7^为ε a=0. 14时的结果图；图7-f为 ε3=0. 15时的结果图；图7巧为ε a=0. 16时的结果图；图中，12-限制3条应变局部化 带的3个四边形区域；
[0045] 图8为ε a= 〇. 16时走向一致的3条应变局部化带的数据、迭代初值及多维同步 优化过程图，其中，图8-a为迭代代数N= 1时的结果图；图8-b为迭代代数N= 10时的结 果图；图8-c为迭代代数N= 30时的结果图；图8-d为迭代代数N= 100时的结果图；图 中，13-15-迭代初值；16-应变局部化带的数据；17-真实解答；17-1 -针对第1条带的真 实解答；17-2-针对第2条带的真实解答；17-3-针对第3条带的真实解答；
[0046] 图9为ea= 0.16且不同迭代代数时目标函数J的演化图；
[0047] 图10为不同纵向应变ε a时被测应变局部化带的间距的演化图。
【具体实施方式】
[0048] 以下结合附图对该方法的【具体实施方式】进行说明。
[0049] 本发明所述的一种应变局部化带间距演变规律的多维同步优化测量方法，其流程 图如图1所示，包括如下步骤：
[0050] 步骤1 :如图2所示，利用拍摄设备4(数码相机或CCD摄像头）获取在加载条件 下试样1 一个包含散斑的表面2的数字图像，光源3设置于拍摄设备4的前方，拍摄的图像 保存在计算机5的硬盘中；
[0051] 这一步骤实施具体如下：首先，在试样1 一个表面制作人工散斑场，若试样表面的 天然纹理可达到作为散斑场的条件，则不必人工制作散斑场；然后，利用试验机或加载装置 对试样1进行加载，与此同时，利用拍摄设备4记录散斑场的图像。
[0052] 所述人工散斑场是指在试样表面采用油漆、颜料、墨水等喷涂的随机斑点状图案。
[0053] 步骤2 :利用亚像素数字图像相关方法（图3)，获取试样表面的变形场：水平线应 变εχ、垂直线应变ey、剪切应变T xy及最大剪切应变γ
[0054] 这一步骤具体实施如下：首先，从记录的大量图像中，选择若干典型的用于应变场 计算；之后，设置有关的计算参数和计算模式，使用亚像素数字图像相关方法计算图像的位 移场；之后，通过对位移场进行中心差分获得应变场；最后，根据水平线应变、垂直线应变 和面内剪切应变计算最大剪切应变。
[0055] 所述计算参数包括：子区尺寸、测点间距、测点数目、粒子数目及粒子最大飞行速 度等。
[0056] 所述计算模式包括：增量模式和全量模式，所谓增量模式是指以前一张图像作为 变形前图像，所得的位移场和应变场是增量；所谓的全量模式是指以第一张图像作为变形 前图像，所得的位移场和应变场是全量。
[0057] 所述亚像素数字图像相关方法可选择基于粒子群优化及Newton-Raphson迭代 方法的数字图像相关方法（杜亚志，王学滨.基于Newton-Raphson迭代与PSO算法的 数字图像相关方法.计算机工程与应用，2012, 48 (34) : 184-189)，该方法可以避免传统 Newton-Raphson迭代方法易于陷入局部最优的弊端，也可以避免迭代的初值不容易确定的 弊端。尽管该方法可以同时对位移场和应变场进行相关搜索，但考虑到应变场的精度一般 不高，因而弃用应变场的数据，通常采用对位移场进行中心差分获得新的应变场。
[0058] 所述最大剪切应变场由3种应变场获得，该最大剪切应变场总大于零，随着变形 的继续，应变局部化带内部的变形愈加明显，而带外的变形增加较慢，因而可以很好地表征 应变局部化过程。
[0059] 步骤3 :设置计算区域，获取每条应变局部化带中央及其附近的应变数据；
[0060] 这一步骤实施具体如下：首先，通过观察应变场，设置一个包含多条应变局部化带 7的计算区域（这里，以包含多条应变局部化带的1个四边形区域作为计算区域6,如图4-a 所示）；之后，根据应变场，确定走向一致的应变局部化带7的数目m(图4-b);之后，对上述 计算区域的数据量有