CN106989812A - 基于摄影测量技术的大型风机叶片模态测试方法 - Google Patents

Abstract

本发明公开了一种基于摄影测量技术的大型风机叶片模态测试方法，其用一对CMOS/CCD工业相机对随机激励振动下的风机叶片表面图像进行同步拍摄，识别、定位图像中多个标记点，提取标记点中心亚像素级坐标并进行双相机的立体匹配，通过三维重建技术计算各个测点的三维坐标，对位移数据进行微分处理，得到所需振动响应(速度、加速度)信号；通过傅立叶变换将时域信号变换到频域中观察峰值，可找出对应的模态频率；结合分析出的频率值，进一步用随机子空间识别法(SSI)对叶片的模态参数进行精确计算，获取叶片的固有频率、振型和阻尼比。本发明采用非接触式、多点同步测振，可实现对风机叶片的快速高精度模态测试。

Description

基于摄影测量技术的大型风机叶片模态测试方法

技术领域

本发明属于风机叶片测试的技术领域，具体涉及一种基于摄影测量技术的大型风机叶片模态测试方法。

背景技术

风力发电机叶片在运行过程中受风载作用，容易引发产生振动，当振动频率与叶片固有频率接近或成倍频关系时，就会发生共振，轻则使叶片产生疲劳裂纹，减少工作寿命，重则发生叶片折断、机组损毁的事故。故在叶片安装运行前，需要对叶片进行出厂前性能测试，以保证每个叶片的模态包括：固有频率、阻尼和振型的一致性，使工作频段尽可能避开叶片的固有频率，否则会影响叶轮运行的稳定性。

现有的叶片性能测试一般是采用接触式振动测量方法，随着风力发电机单机功率不断提高，叶片尺寸越来越大，而随着叶片的大型化，现有的风机叶片接触式振动测量方法的实用性、时效性、适应性越来越差，因此需要提出一种简单有效的非接触式测量方法。

现有技术中已有的风机叶片模态分析方法，如专利申请号201410405529，专利名称：一种风机叶片模态分析方法，采用缩比叶片模型便于同时开展模态试验与仿真计算，通过二者相关性分析，修正叶片材料性能，应用到全尺寸叶片数值分析中从而获取实际叶片的真实模态参数。此方法存在生产制造单个缩尺叶片成本高昂，且存在不能精确按照全尺寸叶片真实结构缩尺制作等问题。

现有技术中已有的非接触式基于数字图像的振动测量方法，如专利申请号2013102249219，专利名称：基于机器视觉的柔性悬臂梁振动的测量装置及方法，的测量对象仅限于简单悬臂梁结构，相机的安装、LED发光管的布置不便，且采用单相机简单获取一维振动信号，不能真实反映结构的空间振动状态；硕士论文《基于双目立体视觉的大型柔性结构在轨振动测量研究》，实际研究对象也是简化为梁或板形简单结构，对基于振动信号的结构模态参数辨识没有提出合理的方案。

数字近景摄影测量是通过在不同位置和方向获取同一物体两幅以上的数字图像，经计算机图像匹配及相关计算后获取待测点的精确三维坐标。此方法具有测量现场工作量小、快速、高效和不易受温度变化、噪声等外界因素干扰的优点。随着相机核心器件CCD/CMOS芯片的制造质量提高和成本的降低，工业相机的图像采集速度从几赫兹发展到几千赫兹，动态测量成为可能。因此，本发明提出一种基于双目数字摄影测量的风机叶片振动非接触式模态测试新方法。

发明内容

本发明的目的在于避免现有技术中的不足而提供一种基于摄影测量技术的大型风机叶片模态测试方法，其采用非接触式、多点同步测振，实现对风机叶片的快速高精度模态测试。

本发明的目的通过以下技术方案实现：

提供一种基于摄影测量技术的大型风机叶片模态测试方法，包括如下步骤：

S1、在风机叶片表面布设多个反光编码标志，每个反光编码标志形成一个标志点；

S2、将风机叶片的根部夹持安装固定后，激励叶片随机振动；

S3、用一对工业相机组成的双目视觉测试系统对随机激励振动下的风机叶片表面图像进行同步连续采集；

S4、对采集获得的连续照片中的多个标记点进行实时识别和定位，提取标记点中心的亚像素级坐标并进行双目立体视觉匹配；

S5、结合相机标定参数，通过三维重建计算多个标记点中心的三维坐标，得到时域振动位移信号；

S6、对各标记点中心的三维坐标的时域振动位移信号进行微分处理，得到振动速度信号和加速度信号；

S7、通过傅立叶变换将时域信号变换到频域中观察峰值，得出模态频率估计值；

S8、结合模态频率估计值，用随机子空间识别法(SSI)对叶片的模态参数进行精确计算，获取叶片的固有频率、振型和阻尼比。

作为进一步的改进，在步骤S1中，反光编码标志的布置方式为布满整个叶片，越靠近叶尖分布越密集。

作为进一步的改进，在步骤S1中，反光编码标志采用定向反光材料，为中间带字符的圆形标志，通过字符识别标志和定位标志圆心。

作为进一步的改进，在步骤S2中，风机叶片根部通过可旋转的安装夹具夹持安装固定，通过调整安装夹具的旋转角度使叶片的迎风面处于相机的拍摄视场范围内。

作为进一步的改进，在步骤S2中，使用力锤在叶片背面靠近根部60％区域连续持续的随机激励，使叶片处于振动状态。

作为进一步的改进，在步骤S3中，相机的连续拍摄帧率大于需获取的风机叶片振动频率的2倍。

作为进一步的改进，在步骤S4中对照片依次进行滤波、去噪、阈值分割和特征识别、中心提取、立体视觉匹配。

作为进一步的改进，双目视觉测试系统中的一对工业相机包括左相机和右相机，在步骤S5中，设左相机像空间坐标系O-xyz与标记点的坐标系重合，像平面坐标系为O₁-u₁v₁，有效焦距为f₁，右相机像空间坐标系O_r-x_ry_rz_r，像平面坐标系为O₂-u_rv_r，有效焦距为f_r；设标记点P在O-xyz中的坐标为(X,Y,Z)，其在左照片中对应的像点p在O-xyz中的坐标为(x,y,-f₁)，标记点P在右照片中对应的像点p_r在O_r-x_ry_rz_r中的坐标为(x_r,y_r,-f_r)；

对于左照片，有O、p和P三点共线有：

即：

对于右照片，由O_r、p_r和P三点共线有

式中，(X’,Y’,Z’)为点P在O_r-x_ry_rz_r中的坐标，即：

O-xyz坐标系与O_r-x_ry_rz_r坐标系之间的相互位置关系通过旋转和平移实现转换，设分别为O-xyz坐标系与O_r-x_ry_rz_r坐标系之间的旋转矩阵和平移矩阵，则有：

将(5)式代入(4)式得：

根据相机焦距参数、待测空间点在左、右照片中的像坐标、旋转矩阵R和平移矩阵T，联合(2)式与(6)式计算标记点的三维坐标。

本发明提供的提供一种基于摄影测量技术的大型风机叶片模态测试方法与现有技术相比，具有如下优点：

(1)本发明不需要在叶片上粘贴传感器和布线，实现了非接触测量，精度高，操作方便、不会对测量对象的动力学特性造成影响。

(2)传统测量方式由于传感器通道的限制，测量速度慢、测点有限，本发明测点即布置的标志点，可实现多点快速同步测量，测量速度快。

(3)本发明基于双目视差，可由两幅匹配的图像唯一确定标志点的三维坐标，对于风机叶片这样复杂曲面的柔性体，此方法可以精确测量其挥舞、摆动和扭转振动信息。

附图说明

利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

图1为本发明的总体流程图；

图2为双相机测量原理图；

图3为测试系统布局图；

图4为随机子空间模态参数计算流程图。

具体实施方式

为了使本领域的技术人员更好地理解本发明的技术方案，下面结合附图和具体实施例对本发明作进一步详细的描述，需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。

本发明的核心在于提供一种基于摄影测量技术的大型风机叶片模态测试方法，其采用一对CMOS/CCD工业相机对随机激励振动下的风机叶片表面图像进行同步拍摄，识别、定位图像中多个标记点，提取标记点中心亚像素级坐标并进行双相机的立体匹配，通过三维重建技术计算各个测点的三维坐标，对位移数据进行微分处理，得到所需振动响应信号；通过傅立叶变换将时域信号变换到频域中观察峰值，可找出模态频率；结合分析出的频率值，进一步用随机子空间识别法(SSI，Stochastic subspace identification)对叶片的模态参数进行精确计算，获取叶片的固有频率、振型和阻尼比。

图1所示为一种基于双相机数字图像摄影测量技术的模态测试方法总体流程图。本实施例拟采用长为1.6m的风机叶片作为测量对象，实施例所涉及的实验装置包括：工业CMOS相机、镜头及相机支座2套、叶片固定夹具一个、反光材料标志点若干及计算机一台；图2表明了双相机前方交会直接测量原理；图3对整个测量系统的硬件布局、被测叶片的安装固定和叶片表面测点布置进行了示意；图4对基于协方差的随机子空间模态参数辨识方法给出了详细的说明。

结合图1至图4所示，本发明实施例提供的一种基于摄影测量技术的大型风机叶片模态测试方法，包括如下步骤：

S1、在风机叶片表面布设多个反光编码标志，每个反光编码标志形成一个标志点；

S2、将风机叶片的根部夹持安装固定后，激励叶片随机振动，激励方式为使用力锤在叶片背面靠近根部60％区域连续持续的随机激励，使叶片处于振动状态。

S3、用一对工业相机组成的双目视觉测试系统对随机激励振动下的风机叶片表面图像进行同步连续采集。具体的，叶片随机振动后，对相机发出指令，开始同步采集并将所拍摄的照片实时传输到PC机以备下一步骤的处理。双目视觉测试系统根据实际测试叶片的视场以及感兴趣频率范围选取合适型号的相机和镜头，其中，选用定焦镜头，相机的采集帧率需要达到振动频率的4倍以上，且同时兼顾考虑相机的分辨率和成本。

S4、对采集获得的连续照片中的多个标记点进行实时识别和定位，提取标记点中心的亚像素级坐标并进行双目立体视觉匹配；采集图像的同步获取通过采用光纤传送控制信号达到硬件的同步触发，将控制信号接到相机上，这样确保采集同步；为减少了传输过程中信号失真，各相机采用本地独立图像存储，在通过TCP/IP协议传输到主机上。

S5、结合相机标定参数，通过三维重建计算多个标记点中心的三维坐标，得到时域振动位移信号。其中，相机的标定，首先建立像点的系统误差模型，通过制作三维活动控制架，可知大量空间坐标已知的控制点，采用三维活动控制架上布置的大量已知精确空间坐标的控制点进行空间后方交会求解相机内外参数，此方法可直接补偿系统误差，并通过考虑不同畸变参数的影响，选取最优的内部参数个数。

S6、在叶片激励未知情况下，对各标记点中心的三维坐标的时域振动位移信号进行微分处理，得到振动速度信号和加速度信号等振动响应信号；

S7、通过傅立叶变换将时域信号变换到频域中观察峰值，得出模态频率估计值；

S8、结合模态频率估计值，从振动响应出发，用随机子空间识别法对叶片的模态参数进行精确计算，获取叶片的固有频率、振型和阻尼比，通过三个方向的振动信号可识别出叶片的挥舞、摆动、扭转等振型。

结合图4所示，步骤S8中的基于协方差的随机子空间识别法的具体步骤如下：

1、根据测量、微分变换得到的加速度响应数据构建Hankel矩阵，其表达式如下：

式中，y_i是l×1维列向量，表示i时刻所有测点的响应。这里的i和j是人为设置的，但是有一定的规则：1)i的取值要满足：i>f/2f₀；2)j的取值越大越好，一般设置j>20i；3)2i+j-1<N(N为离散点总数)。

2、计算输出协方差矩阵，输出的协方差矩阵定义为：

R_i＝E[y_k+iy_k]

式中i为任意时刻的时延。R_i是l_c×l_c维。假定输出数据具有各态历经性，则有：

进而有：

实际测试中，只能得到有限的j个数据点，因此输出协方差可以估计为：

因此：

3、块Toeplitz矩阵分解，上式可以分解为：

接着对Toeplitz矩阵进行奇异值分解，有：

U,V是正交矩阵，分别满足U^TU＝UU^T＝1和V^TV＝VV^T＝1。

4、模态参数识别

将奇异值分解为两个部分，分别用矩阵O_i和Γ_i表示，具体如下所示：

T_s是一个非奇异矩阵，可以看成是对原来模拟的一种相似变换，即不管怎么取值，得到的模型都是等价的，故这里取T_s＝I，因此：

根据式7有：

C＝O_i(1:l_c,:)G＝Γ_i(:,l_c(i-1)+1:l_ci)

根据T_1|i的定义，同样可以得到T_2|i：

可以看出T_1|i和T_2|i具有相同的结构，只是其中包含的协方差R_k时延从2到i+1，可以得到：

其中的O_i ⁺和Γ_i ⁺分别表示O矩阵和Γ矩阵的广义逆。对A进行特征值分解如下：

A＝ΨΛΨ^-1

其中Λ＝diag[μ_i]∈R^m×n是一个对角矩阵，由离散复特征值组成；Ψ是由特征向量组成的矩阵。由连续状态矩阵变换为离散状态矩阵：

A_c＝Ψ_cΛ_cΨ_c ^-1

A＝exp[Ψ_c(Λ_cΔt)Ψ_c ^-1]＝Ψ_cexp(Λ_cΔt)Ψ_c ^-1

A与A_c具有相同的特征向量，两者特征值的关系为：

系统的复特征值与固有频率，阻尼比之间的关系为：

通过以上理论推导，模态三个参数：频率、阻尼比以及振型均可求出。

作为进一步优选的实施方式，在步骤S1中，反光编码标志采用定向反光材料，为中间带字符的圆形标志，通过字符识别标志和定位圆心。标志点布置原则是规避节点和拍摄盲区，在振幅变化较大区域密布测点，如图3所示的实施例中，反光编码标志的布置方式为布满整个叶片，越靠近叶尖分布越密集。

作为进一步优选的实施方式，在步骤S2中，风机叶片根部通过可旋转的安装夹具夹持安装固定，夹具具有360度旋转功能，方便调节叶片的角度，模拟变桨距工况，且在实际测量时叶片可以调节到最合适的拍摄视场。如图3所示的实施例中，叶尖为自由端，通过调整安装夹具的旋转角度使叶片的迎风面处于相机的拍摄视场范围内。

作为进一步优选的实施方式，在步骤S3中，相机的连续拍摄帧率大于需获取的风机叶片振动频率的2倍。为了确保有效数据的采集，本实施例中选用210fps的相机，相机的图像连续拍摄帧率大于风机叶片振动频率的4倍以上，根据测试精度要求，确定相机合适的交会角度、拍摄距离、反光标志大小、相机分辨率等。

作为进一步优选的实施方式，在步骤S4中对照片依次进行滤波、去噪、阈值分割和特征识别、中心提取、立体视觉匹配。

作为进一步优选的实施方式，重建标志点的三维坐标步骤如下：

双目视觉测试系统中的一对工业相机包括左相机和右相机，在步骤S5中，设左相机像空间坐标系O-xyz与标记点的坐标系重合，像平面坐标系为O₁-u₁v₁，有效焦距为f₁，右相机像空间坐标系O_r-x_ry_rz_r，像平面坐标系为O₂-u_rv_r，有效焦距为f_r；设标记点P在O-xyz中的坐标为(X,Y,Z)，其在左照片中对应的像点p在O-xyz中的坐标为(x,y,-f₁)，标记点P在右照片中对应的像点p_r在O_r-x_ry_rz_r中的坐标为(x_r,y_r,-f_r)；

对于左照片，有O、p和P三点共线有：

即：

对于右照片，由Or、pr和P三点共线有：

式中，(X’,Y’,Z’)为点P在Or-xryrzr中的坐标，即：

O-xyz坐标系与O_r-x_ry_rz_r坐标系之间的相互位置关系通过旋转和平移实现转换，设分别为O-xyz坐标系与O_r-x_ry_rz_r坐标系之间的旋转矩阵和平移矩阵，则有：

将(5)式代入(4)式得：

根据相机焦距参数、待测空间点在左、右照片中的像坐标、旋转矩阵R和平移矩阵T，联合(2)式与(6)式计算标记点的三维坐标。

上面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，不能理解为对本发明保护范围的限制。

总之，本发明虽然列举了上述优选实施方式，但是应该说明，虽然本领域的技术人员可以进行各种变化和改型，除非这样的变化和改型偏离了本发明的范围，否则都应该包括在本发明的保护范围内。

Claims (8)

1.一种基于摄影测量技术的大型风机叶片模态测试方法，其特征在于，包括如下步骤：

S1、在风机叶片表面布设多个反光编码标志，每个反光编码标志形成一个标志点；

S2、将风机叶片的根部夹持安装固定后，激励叶片随机振动；

S3、用一对工业相机组成的双目视觉测试系统对随机激励振动下的风机叶片表面图像进行同步连续采集；

S4、对采集获得的连续照片中的多个标记点进行实时识别和定位，提取标记点中心的亚像素级坐标并进行双目立体视觉匹配；

S5、结合相机标定参数，通过三维重建计算多个标记点中心的三维坐标，得到时域振动位移信号；

S6、对各标记点中心的三维坐标的时域振动位移信号进行微分处理，得到振动速度信号和加速度信号；

S7、通过傅立叶变换将时域信号变换到频域中观察峰值，得出模态频率估计值；

S8、结合模态频率估计值，用随机子空间识别法对叶片的模态参数进行精确计算，获取叶片的固有频率、振型和阻尼比。

2.根据权利要求1所述的基于摄影测量技术的大型风机叶片模态测试方法，其特征在于：在步骤S1中，反光编码标志的布置方式为布满整个叶片，越靠近叶尖分布越密集。

3.根据权利要求2所述的基于摄影测量技术的大型风机叶片模态测试方法，其特征在于：在步骤S1中，反光编码标志采用定向反光材料，为中间带字符的圆形标志，通过字符轮廓匹配识别标志和定位标志圆心。

4.根据权利要求1所述的基于摄影测量技术的大型风机叶片模态测试方法，其特征在于：在步骤S2中，风机叶片根部通过可旋转的安装夹具夹持安装固定，通过调整安装夹具的旋转角度使叶片的迎风面处于相机的拍摄视场范围内。

5.根据权利要求2所述的基于摄影测量技术的大型风机叶片模态测试方法，其特征在于：在步骤S2中，使用力锤在叶片背面靠近根部60％区域连续持续的随机激励，使叶片处于振动状态。

6.根据权利要求1所述的基于摄影测量技术的大型风机叶片模态测试方法，其特征在于：在步骤S3中，相机的连续拍摄帧率大于需获取的风机叶片振动频率的2倍。

7.根据权利要求1所述的基于摄影测量技术的大型风机叶片模态测试方法，其特征在于：在步骤S4中对照片依次进行滤波、去噪、阈值分割和特征识别、中心提取、立体视觉匹配。

8.根据权利要求1至7中任一项所述的基于摄影测量技术的大型风机叶片模态测试方法，其特征在于：双目视觉测试系统中的一对工业相机包括左相机和右相机，在步骤S5中，设左相机像空间坐标系O-xyz与标记点的坐标系重合，像平面坐标系为O₁-u₁v₁，有效焦距为f₁，右相机像空间坐标系O_r-x_ry_rz_r，像平面坐标系为O₂-u_rv_r，有效焦距为f_r；设标记点P在O-xyz中的坐标为(X,Y,Z)，其在左照片中对应的像点p在O-xyz中的坐标为(x,y,-f₁)，标记点P在右照片中对应的像点p_r在O_r-x_ry_rz_r中的坐标为(x_r,y_r,-f_r)；

对于左照片，有O、p和P三点共线有：

$\frac{x}{X}=\frac{y}{Y}=\frac{-f_1}{Z}---\left(1\right)$

即：

$\begin{array}{c}x=-f_1\frac{X}{Z}\\ y=-f_1\frac{Y}{Z}\end{array}---\left(2\right)$

对于右照片，由O_r、p_r和P三点共线有

$\frac{x_r}{X^{\&prime;}}=\frac{y_r}{Y^{\&prime;}}=\frac{-f_r}{Z^{\&prime;}}---\left(3\right)$

式中，(X’,Y’,Z’)为点P在O_r-x_ry_rz_r中的坐标，即：

$\begin{array}{c}{x}_r=-f_r\frac{X^{\&prime;}}{Z^{\&prime;}}\\ y_r=-f_r\frac{Y^{\&prime;}}{Z^{\&prime;}}\end{array}---\left(4\right)$

O-xyz坐标系与O_r-x_ry_rz_r坐标系之间的相互位置关系通过旋转和平移实现转换，设分别为O-xyz坐标系与O_r-x_ry_rz_r坐标系之间的旋转矩阵和平移矩阵，则有：

$\left[\begin{array}{c}X\\ Y\\ Z\end{array}\right]=R\left[\begin{array}{c}{X}^{\&prime;}-T_x\\ Y^{\&prime;}-T_y\\ Z^{\&prime;}-T_z\end{array}\right]---\left(5\right)$

将(5)式代入(4)式得：

$\begin{array}{c}{x}_r=-f_r\frac{a_1(X-T_x)+b_1(Y-T_y)+c_1(Z-T_z)}{a_3(X-T_x)+b_3(Y-T_y)+c_3(Z-T_z)}\\ y_r=-f_r\frac{a_2(X-T_x)+b_2(Y-T_y)+c_2(Z-T_z)}{a_3(X-T_x)+b_3(Y-T_y)+c_3(Z-T_z)}\end{array}---\left(6\right)$

根据相机焦距参数、待测空间点在左、右照片中的像坐标、旋转矩阵R和平移矩阵T，联合(2)式与(6)式计算标记点的三维坐标。