CN105865735B - 一种基于视频监控的桥梁振动测试与动力特性识别方法 - Google Patents

Abstract

一种基于视频监控的桥梁振动测试与动力特性识别方法，实施流程如下：A.系统搭建、初始配置与位移获取；B.多点结构动态位移获取、连续采集与存储；C.对位移时程数据进行预处理；D.对自由振动响应信号处理获得模态参数。

Description

一种基于视频监控的桥梁振动测试与动力特性识别方法

技术领域

本发明涉及到使用视频监控装置对桥梁结构进行振动测试并运用获取的时程信号进行动力特性识别的方法。

背景技术

桥梁的安全性至关重要，因而对其进行振动测试非常必要。桥梁振动测试和动力特性识别是利用工程测量原理、方法以及精密测量技术，测量桥梁目标点的运动参数，通过对各次测量所得的桥梁目标点数据进行模态分析，与初期设计值及该桥以往的同一参数值相比较，对桥的运行状况做出科学评价，从而提出相应的处理措施或振动控制建议，进而达到桥梁结构安全预警的目的。

对于大型桥梁，虽然结构的动力特性已成为其安全监测的一个重要指标，但有效的振动测试方法以及稳定的运动参数测量手段对于技术人员仍然是一个很大的挑战。对于桥梁结构的动力特性识别，传统的方法主要是利用加速度传感器、速度传感器或者位移传感器，测量结构在人为或环境激励下的动态加速度、速度或者位移，然后通过时域或频域分析相关理论计算出结构振动频率、幅值、阻尼比、模态及其他动力特性参数。振动测试方法当中主要分为接触式传感器和非接触式传感器两种，其中接触式测量方法包括加速度传感器方法和线性可变差分变压器方法等，非接触式测量方法包括激光多普勒测振仪方法、GPS方法和基于机器视觉的方法等。这些测量方法中接触式测量方法因为需要在被测桥梁结构上布置传感器、传输线路和架设固定参考点等，不仅测量不方便而且直接影响结构自身动力特性，并且在测试过程中会对桥上交通产生一定影响，社会效益不佳。非接触式测量方法大多是针对单目标测点，如果需要多点测量，成本将大大提高，经济效益不佳，同时易受天气环境干扰。

动力特性识别主要分为频域分析法和时域分析法两种,以下针对其分类进行相关评述：

1、频域分析法

这种方法是基于结构的各阶模态相互独立，并构成一个正交函数系的属性，将结构振动分解为结构模态分量的叠加，通过傅立叶变换，得出功率谱和频响函数等。频域识别方法的基本手段是傅立叶变换。

1.1峰值拾取法

频域分析中较为简便的是峰值拾取法。峰值拾取法是根据频响函数在固有频率附近出现峰值的原理，用随机响应信号的功率谱代替频响函数。假定响应的功率谱峰值仅由一个模态确定，这样系统的固有频率由功率谱的峰值得到，用工作挠度曲线替代系统模态振型，但该方法不能识别密集模态。

1.2频域分解法

频域分解法是峰值拾取法的延伸，克服了峰值拾取法的缺点，其主要思想是：对响应的功率谱进行奇异值分解，将功率谱分解为对应多模态的一组单自由度系统功率谱。频域分解法识别精度高，有一定的抗干扰能力。

1.3时间序列法

时间序列法是一种利用参数模型对有序的随机采样数据进行处理，进而求取模态参数的方法。通过对输出的有序离散随机数据进行分析，提取蕴含在输出数据中的系统固有特性，系统与激励间的相互关系，以及输入激励的能量信息。这种方法适用于产生观测数据的系统没有明确的定义或者系统的输入不可观测，或输入虽可观测但系统处于严重而不可观测的噪声干扰下的系统的特性估计。利用这种方法识别参数无能量泄漏，分辨率高，但定阶问题没有很好的解决。

频域识别法的优点是物理概念清楚、直观，数据处理工作量较小，测量精度要求不高，数据分析处理快速准确，结果也较准确，而且操作简便，适合实验室实验数据的处理。但是频域分析法成果准确性的关键是实测频响函数质量的好坏。当原始数据准确性得不到保证时，频域分析法的结果将出现偏差，在进行傅立叶变换过程中也存在信息泄露缺失的可能性，而不准确的数据对于桥梁健康监测无疑是毫无意义的。同时，频域分析法往往需要知道输入激励信号的准确表达形式，这就需要在实测时对桥梁人为施加激励，在这一过程中将会对桥上交通产生不利影响。

2、时域分析法

时域分析法是直接对结构动力响应时域数据进行分析的方法。它无需将所测得响应与激励的时程信号变换到频域中去，而是直接在时域中进行参数辨识。时域法所采用的原始数据主要为结构的自由振动响应，有的也采用结构的脉冲响应和强迫振动响应，这样可以无需知道激励就可单独从响应数据中辨识模态参数，这就为车辆或环境激励下的桥梁动力特性识别提供了可能性。时域识别方法有随机减量法、特征系统实现方法、随机子空间方法和ITD方法等。

2.1随机减量法

随机减量法根据实测的随机振动响应得到结构的随机减量特征，然后从随机减量特征识别结构的模态参数：自振频率、阻尼系数和振型。该方法利用时域的自由衰减响应来识别模态参数。该方法对激励的要求容易满足，但在实测中要求在外激励相对系统的最低固有频率来说比较平稳的条件下记录结构的位移响应。

2.2特征系统实现法

特征系统实现法是多输入多输出的时域模态参数识别方法。它只需很短的自由响应数据来识别参数，并且识别速度快，对低频、密频、重频有很强的识别能力，更重要的是能得到系统的最小实现便于控制应用，因而该方法得到广泛的应用。该方法能够有效的识别模态参数，但这种算法也同样存在着去噪，识别虚假模态和正确定阶等问题。

2.3随机子空间法

随机子空间法是基于线性系统离散状态空间方程的识别方法，适用于平稳激励。同经典的识别方法相比，子空间法不需要对模型预先参数化，避免了传统方法因非线性迭代引起的数值的“病态”，尤其处理高阶多变量系统能像处理单入单出系统一样的简单。从信号处理的角度来看，子空间方法相当于对数据进行了一次滤波处理，剔除了与输入输出无关的随机噪声，从而使其识别具有一定的抗干扰能力。

时域法可以克服频域法的一些缺陷，特别是对大型复杂构件，如海洋平台、建筑物及水工结构等受到风、浪及大地脉动的作用。它们在工作中承受的载荷很难测量，但响应信号容易测得，直接利用响应的域信号进行参数识别具有重要的意义。这种方法可以实现实时识别，即可以通过连续运行的设备在线参数识别。但是该方法成功的关键在于对噪声模态的剔除，若无法依靠一定手段剔除噪声的影响，结果将产生很大偏差。

以上几种方法因为各自的缺陷不能有效可靠地用于桥梁结构振动测试与动力特性识别。为了保证桥梁结构动力特性的准确识别，确保桥梁的正常运行，一种可靠有效的桥梁振动测试与动力特性识别方法至关重要。

发明内容

本发明要克服传统桥梁结构振动测试和动力特性识别方法的不足，提出了一种基于视频监控的桥梁振动测试与动力特性识别方法。测量方法采用一种基于监控相机的机器视觉动态追踪方法。测量装置包括高速相机和计算机。

本发明要解决以下几个方面的问题：

一是解决传统桥梁动力特性识别方法中需要人为对桥梁施加激励的弊端，改为使用车辆等环境激励下的桥梁结构动力响应测量与动力特性识别。

二是解决传统桥梁结构振动测试方法因为传感器与被测结构直接连接、现场布线、二次积分等带来的测试误差问题，这里将监控摄像头作为测量装置，从而实现桥梁结构进行远距离非接触式动态位移监测。

三是解决由于天气原因带来造成的测量失准问题，比如大雾、下雨或者其他光线变化会造成相机无法有效可靠地对目标点进行识别。

四是解决传统基于机器视觉技术的测试方法中需要在被测结构上布置额外特征点的问题，直接利用被测结构表面的光学特征，比如特殊的纹理、图案背景等作为测量目标，使实验操作简单方便。

本发明所述的一种基于视频监控的桥梁振动测试与动力特性识别方法，具体实施步骤如下：

A.系统搭建、初始配置与位移获取；

A1.确定桥梁上结构动态位移测点数量及位移采集的采样频率，并确定相机型号、镜头参数以及相机架设位置；

A2.架设相机并连接计算机等设备，调整相机镜头使得所有位移测点目标均出现在相机视野当中；

A3.反复调整相机曝光时间和增益值、镜头焦距等用以得到位移测点目标的清晰图像；

A4.提取位移测点的目标在第一帧图像(初始时刻)中的相关区域作为模板，并记录下此时模板在图像中的初始坐标；

A5.用实际桥梁中两点的距离除以其在图像中对应两点的距离得到尺度转换系数；

B.多点结构动态位移获取、连续采集与存储；

B1.用提取出的模板在相机后续拍摄到的图像中进行模板匹配任务，找到模板在当前图像中(t时刻)的匹配目标并确定其坐标，用尺度转换系数乘以当前图像中目标与初始图像中目标坐标变化的差值即可得到目标在t时刻的位移；

B2.制定动态位移的连续采集及存储策略，确定采样频率及采集时间；

B3.对桥梁上多个点的位移进行连续位移采集，重复B3，直至满足B2中制定的采集和存储要求；

C.对位移时程数据进行预处理；

C1.提取各个测点的位移序列与时间序列得到测量时间内的各个测点在环境激励下的位移时程曲线；

C2.选取一个适当的常数去截取振动响应信号，获得一系列不同交点时刻开始的振动响应信号并将其时间起始点移至坐标原点；

C3.对一系列振动响应信号进行叠加并平均处理，获得初始位移为上一步中的常数、初始速度为0的自由振动响应信号，重复C3，直到获得所有实际测点的自由振动响应信号；

D.对自由振动响应信号处理获得模态参数；

D1.根据经验估计多自由度系统模态阶数；

D2.根据任一测点的自由振动响应信号，采用延时方法构造出包括实际测点和虚拟测点的自由振动响应矩阵；

D3.对D2中的实际测点和虚拟测点再次采用延时办法获得自由振动延时响应矩阵，根据响应与特征值之间的复指数关系对两个响应矩阵建立特征矩阵的数学模型；

D4.根据自由振动响应矩阵和自由振动延时响应矩阵之间存在的关系构造出一个仅有一列未知元素的Hessenberg矩阵，并用最小二乘法求解，根据特征矩阵的数学模型和Hessenberg矩阵计算出模态参数，重复D3和D4直到测点数据全部处理；

D5.对每个实际测点所得的模态参数进行算术平均或加权平均得到总体模态参数，D1到D5运用存储在计算机中的模态处理程序进行处理。

上述步骤中所提到的相机将采集到的视频信息利用千兆以太网进行传输，保存在计算机硬盘当中并即时进行动力特性识别处理。

在像素标定中，运用其他测量手段确定出各个测区的几个标识物与其在拍摄到图像当中对应像素区域的关系，即确定出图像中的一个像素代表实际的距离，标定过程中的实际距离的确定考虑了相机镜头的朝向与仰角问题。

模板匹配是指从初始拍摄图像中找出要跟踪的图像区块，以此时的图像区块信息作为基本信息，也就是模板基本信息，在后期跟踪过程中，与拍摄到的图像进行相关匹配计算。相关匹配计算的主旨是为了找出后期跟踪拍摄到的图像中，哪一块区域与模板最为相似，用数学的语言来讲是哪一块区域的基本信息与模板基本信息相关性大于阈值。在自适应优化算法中加入阈值自动调整算法，即根据天气等光线的变化调整阈值，使得模板匹配具有自适应性。

本发明中除了前述提到的高速监控摄像头和计算机等，还提供了一套存储在计算机当中的基于模板匹配算法的用于桥梁振动测试与动力特性识别的非接触式结构动力响应测量系统软件平台。

与现有的技术相比，本技术有几下几个优点：

1、采用自然激励下的时域分析法，监测过程中无需对桥上交通进行管制处理，不会对桥梁产生不利影响；

2、实现使用一台摄像头就能完成桥梁结构的多点振动测试，实现位移测点的准分布式布置；

3、解决了传统桥梁结构振动测试方法中因为加速度传感器等与被测结构直接连接、现场布线、远距离传输、电磁干扰等带来的测试误差问题，这里将相机作为测量装置，从而实现桥梁结构进行远距离非接触式动态位移监测；

4、解决了由于天气原因带来造成的测量失准问题，比如大雾、下雨或者其他光线变化会造成相机无法有效可靠地对目标点进行识别；

5、解决了传统基于机器视觉技术的测试方法中需要在被测结构上布置额外特征点的问题，直接利用被测结构目标表面的纹理、图案背景等作为测量区域，使实验操作简单方便；

6、高速相机的采样频率比传统的加速度传感器、GPS等高很多，完全能够实现桥梁结构多点动态位移测量以及进一步的结构动力特性识别分析；

7、相较于其他测量方法，测量同样的测点精度高、成本低、操作简单、携带方便。

附图说明

图1本发明的测量案例，

图2本发明的测量流程图。

图例说明：图1中的代号分别表示：

1—悬索桥

2—相机

3—镜头

4—计算机

5—位移测量目标

6—相机视野

7—位移测量目标在相机拍摄到的图像中的区域

8—位移时程曲线

9—模态处理程序

具体实施方式

以下结合图1中所示的案例和图2中所示的工作流程进一步阐述本发明。

参见图1和图2，本发明中所举案例为利用一种基于视频监控的桥梁振动测试与动力特性识别方法观测一座悬索桥，对其实现多测点动态振动位移测量，以进而完成对其的动力特性识别，具体的实施步骤如下：

A.系统搭建、初始配置与位移获取；

A1.确定悬索桥(1)上结构动态位移测点数量及位移采集的采样频率，并确定相机(2)型号、镜头(3)参数以及相机架设位置；

A2.架设相机并连接计算机(4)等设备，调整相机镜头使得所有位移测点目标(5)均出现在相机视野(6)当中；

A3.反复调整相机曝光时间和增益值、镜头焦距等用以得到位移测点目标的清晰图像(7)；

A4.提取位移测点的目标在第一帧图像(初始时刻)中的相关区域作为模板，并记录下此时模板在图像中的初始坐标；

A5.用实际桥梁中两点的距离除以其在图像中对应两点的距离得到尺度转换系数；

B.多点结构动态位移获取、连续采集与存储；

B1.用提取出的模板在相机后续拍摄到的图像中进行模板匹配任务，找到模板在当前图像中(t时刻)的匹配目标并确定其坐标，用尺度转换系数乘以当前图像中目标与初始图像中目标坐标变化的差值即可得到目标在t时刻的位移；

B2.制定动态位移的连续采集及存储策略，确定采样频率及采集时间；

B3.对桥梁上多个点的位移进行连续位移采集，重复B3，直至满足B2中制定的采集和存储要求；

C.对位移时程数据进行预处理；

C1.提取各个测点的位移序列与时间序列得到测量时间内的各个测点在环境激励下的位移时程曲线(8)；

C2.选取一个适当的常数去截取振动响应信号，获得一系列不同交点时刻开始的振动响应信号并将其时间起始点移至坐标原点；

C3.对一系列振动响应信号进行叠加并平均处理，获得初始位移为上一步中的常数、初始速度为0的自由振动响应信号，重复C3，直到获得所有实际测点的自由振动响应信号；

D.对自由振动响应信号处理获得模态参数；

D1.根据经验估计多自由度系统模态阶数；

D2.根据任一测点的自由振动响应信号，采用延时方法构造出包括实际测点和虚拟测点的自由振动响应矩阵；

D3.对D2中的实际测点和虚拟测点再次采用延时办法获得自由振动延时响应矩阵，根据响应与特征值之间的复指数关系对两个响应矩阵建立特征矩阵的数学模型；

D4.根据自由振动响应矩阵和自由振动延时响应矩阵之间存在的关系构造出一个仅有一列未知元素的Hessenberg矩阵，并用最小二乘法求解，根据特征矩阵的数学模型和Hessenberg矩阵计算出模态参数，重复D3和D4直到测点数据全部处理；

D5.对每个实际测点所得的模态参数进行算术平均或加权平均得到总体模态参数，D1到D5运用存储在计算机中的模态处理程序(9)进行处理。

上述步骤中所提到的监控摄像机机将采集到的视频信息利用千兆以太网进行传输，保存在计算机硬盘当中并即时进行动力特性识别处理。

在像素标定中，运用其他测量手段确定出各个测区的几个标识物与其在拍摄到图像当中对应像素区域的关系，即确定出图像中的一个像素代表实际的距离，标定过程中的实际距离的确定考虑了相机镜头的朝向与仰角问题。

模板匹配是指从初始拍摄图像中找出要跟踪的图像区块，以此时的图像区块信息作为基本信息，也就是模板基本信息，在后期跟踪过程中，与拍摄到的图像进行相关匹配计算。相关匹配计算的主旨是为了找出后期跟踪拍摄到的图像中，哪一块区域与模板最为相似，用数学的语言来讲是哪一块区域的基本信息与模板基本信息相关性大于阈值。在自适应优化算法中加入阈值自动调整算法，即根据天气等光线的变化调整阈值，使得模板匹配具有自适应性。

本发明中除了前述提到的高速监控摄像头和计算机等，还提供了一套存储在计算机当中的基于模板匹配算法的用于桥梁振动测试与动力特性识别的非接触式结构动力响应测量系统软件平台。

本说明书实施案例所述的内容仅仅是对发明构思的实现形式的列举，本发明的保护范围不应当被视为仅限于实施案例所陈述的具体形式，本发明的保护范围也及于本领域技术人员根据本发明构思所能够想到的等同技术手段。

Claims (1)

1.一种基于视频监控的桥梁振动测试与动力特性识别方法，具体实施步骤如下：

A.系统搭建、初始配置与位移获取；

A1.确定桥梁上结构动态位移测点数量及位移采集的采样频率，并确定相机型号、镜头参数以及相机架设位置；

A2.架设相机并连接计算机设备，调整相机镜头使得所有位移测点目标均出现在相机视野当中；

A3.反复调整相机曝光时间和增益值、镜头焦距用以得到位移测点目标的清晰图像；

A4.提取位移测点的目标在第一帧图像中的相关区域作为模板，并记录下此时模板在图像中的初始坐标；

A5.用实际桥梁中两点的距离除以其在图像中对应两点的距离得到尺度转换系数；

B.多点结构动态位移获取、连续采集与存储；

B1.用提取出的模板在相机后续拍摄到的图像中进行模板匹配任务，找到模板在t时刻图像中的匹配目标并确定其坐标，用尺度转换系数乘以当前图像中目标与初始图像中目标坐标变化的差值即可得到目标在t时刻的位移；

B2.制定动态位移的连续采集及存储策略，确定采样频率及采集时间；

B3.对桥梁上多个点的位移进行连续位移采集，重复B3，直至满足B2中制定的采集和存储要求；

C.对位移时程数据进行预处理；

C1.提取各个测点的位移序列与时间序列得到测量时间内的各个测点在环境激励下的位移时程曲线；

C2.选取一个适当的常数去截取振动响应信号，获得一系列不同交点时刻开始的振动响应信号并将其时间起始点移至坐标原点；

C3.对一系列振动响应信号进行叠加并平均处理，获得初始位移为上一步中的常数、初始速度为0的自由振动响应信号，重复C3，直到获得所有实际测点的自由振动响应信号；

D.对自由振动响应信号处理获得模态参数；

D1.根据经验估计多自由度系统模态阶数；

D2.根据任一测点的自由振动响应信号，采用延时方法构造出包括实际测点和虚拟测点的自由振动响应矩阵；

D3.对D2中的实际测点和虚拟测点再次采用延时办法获得自由振动延时响应矩阵，根据响应与特征值之间的复指数关系对两个响应矩阵建立特征矩阵的数学模型；

D4.根据自由振动响应矩阵和自由振动延时响应矩阵之间存在的关系构造出一个仅有一列未知元素的Hessenberg矩阵，并用最小二乘法求解，根据特征矩阵的数学模型和Hessenberg矩阵计算出模态参数，重复D3和D4直到测点数据全部处理；

D5.对每个实际测点所得的模态参数进行算术平均或加权平均得到总体模态参数，D1到D5运用存储在计算机中的模态处理程序进行处理。