CN111784647A - 基于视频振动放大的高精度结构模态测试方法 - Google Patents
基于视频振动放大的高精度结构模态测试方法 Download PDFInfo
- Publication number
- CN111784647A CN111784647A CN202010562688.8A CN202010562688A CN111784647A CN 111784647 A CN111784647 A CN 111784647A CN 202010562688 A CN202010562688 A CN 202010562688A CN 111784647 A CN111784647 A CN 111784647A
- Authority
- CN
- China
- Prior art keywords
- vibration
- modal
- image
- image sequence
- amplification
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000003321 amplification Effects 0.000 title claims abstract description 49
- 238000003199 nucleic acid amplification method Methods 0.000 title claims abstract description 49
- 238000012360 testing method Methods 0.000 title claims abstract description 34
- 238000001914 filtration Methods 0.000 claims abstract description 19
- 238000006073 displacement reaction Methods 0.000 claims abstract description 17
- 238000013016 damping Methods 0.000 claims abstract description 9
- 230000005284 excitation Effects 0.000 claims description 22
- 238000000034 method Methods 0.000 claims description 22
- 238000005316 response function Methods 0.000 claims description 19
- 239000011159 matrix material Substances 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 12
- 230000009466 transformation Effects 0.000 claims description 11
- 238000000819 phase cycle Methods 0.000 claims description 10
- 238000001514 detection method Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 7
- 230000004044 response Effects 0.000 claims description 5
- 230000001360 synchronised effect Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 2
- 238000005259 measurement Methods 0.000 abstract description 12
- 238000010998 test method Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 2
- 230000001131 transforming effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001808 coupling effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012942 design verification Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000012029 structural testing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明一种基于视频振动放大的高精度结构模态测试方法,属于结构振动模态测试领域;本发明依次通过实验模态数据采集、图像序列进行运动相位检测、对图像序列进行振动放大、空域图像的滤波、对步骤四得到的图像序列进行振动位移跟踪、结构的模态参数辨识,求解结构的模态参数,固有频率、阻尼比和振型;通过梁结构的测量实例,验证了本发明提出的基于视频振动放大的高精度结构模态测试方法,可有效提高了结构高频的模态测试精度,改善了结构在高频模态振型的辨识结果。为高频小振幅的结构模态测试,提供了一种通用、可行的技术方案。
Description
技术领域
本发明属于结构振动模态测试领域,具体涉及一种基于视频振动放大的高精度结构模态测试方法。
背景技术
结构的振动模态测试是大型工程结构设计验证中的一项重要工作。常用的模态测试工具有加速度传感器、激光测振仪和高速相机。但面对复杂、特殊结构的测量需求时,前两种方法并不能满足测试要求。如加速度计在测量轻质结构时会增加附加质量,激光测振仪的不易测量大型结构或振动幅度较大的结构件。采用高速相机的视频测量技术具有非接触式测量和全场响应数据测量等优势,已成为当下的研究趋势,在结构测试领域体现出很大的优势。
然而,现有的采用高速相机的视频测量技术得到的结构模态参数的测量精度普遍较低,这种测量精度的局限性尤其体现在结构高频信号或微小振动信号的测量方面。会导致结构高频模态振型的辨识结果与真实值差异较大,有时甚至难以辨识出结构的模态参数,已成为模态参数提取的一个技术瓶颈,困扰着结构测试工程师及相关研究人员。因此,急需对现有采用高速相机视频测量的模态测试方法进行改进,从而实现对结构的高精度模态测试。
发明内容
要解决的技术问题:
为了避免现有技术的不足之处,本发明提出一种基于视频振动放大的高精度结构模态测试方法,可提高微小振动及高频振动振型的辨识精度,为实际工程结构提供了一种高精度、非接触式的模态测试技术,解决现有视频模态测试技术的局限性。
本发明的技术方案是:一种基于视频振动放大的高精度结构模态测试方法,其特征在于具体步骤如下:
步骤一:实验模态数据采集;
通过压电传感器的数据采集设备对激振设备的激励信号f(t)进行采集;同时,激振设备通过同步触发器连接高速相机采集视频信息;通过分析采集到的高速相机的振动视频获得响应数据,将所述振动视频表达为图像序列I(x,y,t),t表示采集时间;
步骤二:图像序列进行运动相位检测;
对步骤一采集到的图像序列I(x,y,t)进行运动相位检测,通过以下公式计算得到图像序列的运动相位φ(u,v,t):
C(u,v,t)=A(u,v,t)eiφ(u,v,t) (1)
步骤三:对图像序列进行振动放大;
对相位运动φ(u,v,t)进行关于时间序列t的带通滤波,首先设置带通滤波器中的中心频率和带宽,经过滤波处理后的相位序列变为然后设置振动的运动放大系数ρ,进行频域运动放大;相位序列乘以放大系数ρ,再与原有的相位相加,即可得到放大后的新相位序列:
结合原有的幅值A(u,v,t)和相位Φ(u,v,t),得到放大后的频域图像序列:
步骤四:空域图像的滤波;
其中,I(x,y,t)为无噪声的清晰图像,σn(x,y,t)为振动放大后的图像噪声,σ为不同放大系数下的噪声控制系数;对振动放大后的图像序列进行了空域图像的滤波处理后得到的图像序列:
其中,Kp表示高斯滤波模板,通常p的大小选择表示空间高斯滤波器的边长;tq表示图像序列的索引,是采集时间t的子集;
步骤五:对步骤四得到的图像序列进行振动位移跟踪;
结合高速相机的标定参数p,得到振动对象的振动位移为x(t)=pd(t);
步骤六:结构的模态参数辨识;
所述模态参数辨识包括激振设备的输入和高速相机的输出计算振动对象的频率响应函数;所述高速相机的输出计算振动对象的频率响应函数是由频响函数估计结构的模态参数,即振动对象的频率、阻尼和振型;
(1)频率响应函数计算:
激振设备的输入和高速相机的输出计算振动对象的频率响应函数为:
其中,imag(·)表示求复频域的虚部,X(s)表示振动位移x(t)的拉普拉斯变换,F(s)表示激振力f(t)的拉普拉斯变换;
(2)模态参数辨识:
第r阶的固有频率ωr和阻尼比ζr通过以下公式计算:
第r阶的模态振型φr通过以下公式计算:
其中,λr表示的是α的伴随矩阵的特征值,α表示分母系数矩阵,α={A1,A2,...An}T;表示λr的共轭;[H(ωr)]表示第r阶的频率响应函数的矩阵;Lr表示模态参与向量,表示Lr的转置,表示Lr的共轭转置;[LR]为下残余项,[UR]为上残余项。
本发明的进一步技术方案是:步骤一中所述高速相机在采集开始前,需要进行一次标定操作,得到图像到空间坐标系的映射矩阵p。
有益效果
本发明的有益效果在于:本发明提出了一种基于视频振动放大的高精度结构模态测试方法。步骤一中的同步触发采集方式,解决了激振设备与高速相机的采集延迟问题。步骤二采用的二维Gabor变换,实现了图像序列中局部微小运动的相位检测;步骤三的振动放大方法,结合被测结构的固有频率信息,恢复出了各阶振动模态的图像序列;步骤四的空域滤波方法,可以有效解决振动放大后图像序列出现的失真现象,如图4所示。最终通过步骤五、六,成功辨识出了结构的模态信息,且提高了结构高频模态振型的辨识精度。如图3所示,自有梁的第五阶MAC值由0.88提升至0.97。通过梁结构的测量实例,验证了本发明提出的基于视频振动放大的高精度结构模态测试方法,可有效提高了结构高频的模态测试精度,改善了结构在高频模态振型的辨识结果。为高频小振幅的结构模态测试,提供了一种通用、可行的技术方案。
附图说明
图1是实验测试流程图。
图2是硬件采集系统的连接图。
图3是频域的振动方法处理结果。
图4是噪声处理前后的图像成像对比。
具体实施方式
下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
本发明一种基于视频振动放大的高精度结构模态测试方法,具体步骤如下:
步骤一:实验模态数据采集。模态数据分为激励和响应,激励信号由力锤或激振器施加,通过的压电传感器的数据采集设备可直接获得。响应数据来源于高速相机,通过分析采集的振动视频获得。在数据采集过程中,激振设备的数据传输需要通过同步信号触发器,与相机触发信号保持一致,避免模态分析过程中产生的相位差。经过步骤一的实验模态数据采集后,可获得激振设备产生的激励信号f(t),和高速相机采集到的图像序列I(t)。其中,t表示采集时间。此外高速相机在采集开始前,需要进行一次标定操作,得到图像到空间坐标系的映射矩阵p。
步骤二:视频的运动相位检测。对步骤一种采集到的图像序列进行运动相位检测,运动相位检测的方法主要源于图像傅里叶变换中的位移不变性理论,认为图像在空域中的平移不影响图像频域里的幅值,但会反映在相位变化中。然而,由于傅里叶变换在空域中是无限长的,只能估计图像对的全局运动。本发明采用2D的Gabor小波变换的方法,可以将视频中的每一帧图像转换到复频域中,可以更准确的反映出局部运动信息。二维Gabor变换的表达式可简写成实部加虚部的表达形式:
gθ=Gθ+iHθ (10)
采集的视频可以看成是图像I(x,y)在连续的采样时间t内,构成的图像序列I(x,y,t),其中x和y指的是图像平面内定义的像素坐标。用Gabor滤波器对图像序列频域变换可得到:
C(u,v,t)=A(u,v,t)eiφ(u,v,t) (12)
其中,幅值为A(u,v),图像的运动相位表示为φ(u,v)。视频的运动相位即为φ(u,v,t)。
步骤三:振动放大。对步骤二中得到的运动相位φ(u,v,t),进行关于时间序列t的带通滤波。采用常用的带通滤波器即可。需要输入的参数为:滤波带的中心频率和滤波带宽。假设,经过滤波处理后的相位序列变为对相位序列进行线性放大。相位序列乘以放大系数ρ,再与原有的相位相加,即可得到放大后的新相位序列:
结合原有的幅值A(u,v,t)和相位Φ(u,v,t),得到放大后的频域图像序列:
步骤四:空域图像的滤波。实际应用于结构的模态测试时,采集的图像含有噪声成分,这些噪声受传感器的成像硬件和光照的耦合作用影响,是制约获取高精度结构模态振型的主要原因。而经过振动放大后的图像序列,频域段的噪声信号也被同样放大。若放大系数设置过大时,会使采集的图像产生严重的失真现象。此时,真实的图像序列可表示为:
其中,I(x,y,t)为无噪声的清晰图像,σn(x,y,t)为振动放大后的图像噪声,σ为不同放大系数下的噪声控制系数。本发明对振动放大后的图像序列进行了空域图像的滤波处理。以空域图像的高斯滤波方法为例,式可表示为:
其中,A=(x,y)表示图像的像素坐标,d=(dx,dy)表示运动偏移量。此时,参考图像形变图像为图像的序列集合,即则式求解得到的结果即为图像序列的振动位移d(t)。结合相机的标定参数p,得到结构的振动位移为x(t)=pd(t)。
步骤六:结构的模态参数辨识。模态参数辨识主要分为两个部分:一是综合力锤的输入和相机的输出计算结构的频率响应函数;二是由频响函数估计结构的模态参数,即频率、阻尼和振型。
(1)频率响应函数计算:若在被测量结构上设置有n个测量点,激振位置固定在第o个测量点处(o≤n)。结合步骤一的采集的激励力f(t),步骤五得到的测量点的振动位移{x1,x2,...xn},计算结构的频响函数矩阵。频率响应函数可由xj(j=1,2,...n)与f(t)的拉普拉斯变换之比,并取其虚部,即表示为:实验模态分析中,估计H(ω)的方法通常采用H1估计法,即其中,Gxf表示x与f的互功率谱估计,Gff表示f的自功率谱估计。则频响函数矩阵的完整一列可表示为H={H1,H2,...,Hn}T。
(2)模态参数辨识:将H写成No(ω)和D(ω)可分别表示为其中,N为多项式阶次,Zj(ω)为基函数,矩阵系数Aj和Boj就是最后要估计的参数。通过最小二乘法确定分母系数矩阵α(α={A1,A2,...An}T),求解α的伴随矩阵的特征值λr和特征向量V,其极点就是特征值λr,模态参与向量Lr就是V矩阵的最后一行。
第r阶的固有频率ωr和阻尼比ζr可由式(7)求得,第r阶的模态振型φr可由式(8)求得:
其中,[LR]为下残余项,[UR]为上残余项。
经过以上步骤,即可得到结构的模态参数,固有频率、阻尼比和振型。
以悬臂梁的自由-自由模态测试为例。按照本发明方案步骤进行实施,以下结合附图给出了详细的实施过程:
本发明是一种视频振动放大的高精度结构模态测试方法,整个实验的框架图如图1所示,描述了梁结构从图像序列的采集到模态参数辨识的整个视频振动放大的模态测试过程。具体实验步骤如下:
1.实验设置。本发明的实现需要借助硬件采集系统,其硬件系统的搭建如图2所示。测试对象为长臂梁,采用两端弹簧绳的悬挂方式,模拟自由-自由测试状态。测试一侧的表面粘贴标记点以作为测量点,调整相机位置,使测量视场集中在悬臂梁的标记点一侧。采用DYTRAN型号为5800B4的力锤,作为模态测试的激振设备。相机及力锤的参数设置如下表:
2.模态实验数据采集。按照步骤一设置好的参数,进行数据采集。在模态测试开始前,先对相机进行标定,得到标定参数矩阵p。之后,采用锤击模态测试方法对梁进行锤击实验。力锤信号经数据采集系统得到激振力F,同时出发高速相机采集到图像序列I(x,y,t)。
4.频域运动放大。对相位φθ设计相应的时域带通滤波器,中心频率fc=814,带宽b=20,放大系数设置为ρ=100。经过频域运动放大处理后的稳态图如图3(b),处理前的结果如图3(a)。以加速度传感器的测量结果为参照,振型图里的实心曲线是相机测量的数据,虚线是加速度传感器的测量数据。由实验结果可知,未经处理的模态分析结果在814Hz处的振型MAC值(MAC=0.88)较低,经过频域运动放大的处理后,814Hz处的振型MAC值会显著提升,其振型结果也得到了改善(MAC=0.97);
5.图像的空域滤波。经过频域运动放大处理后,单张图像中仍存在大量的成像噪声,在局部甚至出现了失真现象,严重影响了后续的跟踪精度。对单张的图像进行空域滤波处理,其处理前后的结果如图4所示;
6.图像匹配跟踪。将步骤5处理后得到的图像序列,以第一张图像作为参考图像,计算所有测量点的振动位移;
7.模态参数辨识。综合力锤的激励数据与所有测量点的振动位移,计算出梁结构的频响函数,采用EMA方法辨识结构的模态参数,即可获得结构的固有频率、振型和阻尼比。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在不脱离本发明的原理和宗旨的情况下在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (2)
1.一种基于视频振动放大的高精度结构模态测试方法,其特征在于具体步骤如下:
步骤一:实验模态数据采集;
通过压电传感器的数据采集设备对激振设备的激励信号f(t)进行采集;同时,激振设备通过同步触发器连接高速相机采集视频信息;通过分析采集到的高速相机的振动视频获得响应数据,将所述振动视频表达为图像序列I(x,y,t),t表示采集时间;
步骤二:图像序列进行运动相位检测;
对步骤一采集到的图像序列I(x,y,t)进行运动相位检测,通过以下公式计算得到图像序列的运动相位φ(u,v,t):
C(u,v,t)=A(u,v,t)eiφ(u,v,t) (1)
步骤三:对图像序列进行振动放大;
对相位运动φ(u,v,t)进行关于时间序列t的带通滤波,首先设置带通滤波器中的中心频率和带宽,经过滤波处理后的相位序列变为然后设置振动的运动放大系数ρ,进行频域运动放大;相位序列乘以放大系数ρ,再与原有的相位相加,即可得到放大后的新相位序列:
结合原有的幅值A(u,v,t)和相位Φ(u,v,t),得到放大后的频域图像序列:
步骤四:空域图像的滤波;
其中,I(x,y,t)为无噪声的清晰图像,σn(x,y,t)为振动放大后的图像噪声,σ为不同放大系数下的噪声控制系数;对振动放大后的图像序列进行了空域图像的滤波处理后得到的图像序列:
其中,Kp表示高斯滤波模板,通常p的大小选择表示空间高斯滤波器的边长;tq表示图像序列的索引,是采集时间t的子集;
步骤五:对步骤四得到的图像序列进行振动位移跟踪;
结合高速相机的标定参数p,得到振动对象的振动位移为x(t)=pd(t);
步骤六:结构的模态参数辨识;
所述模态参数辨识包括激振设备的输入和高速相机的输出计算振动对象的频率响应函数;所述高速相机的输出计算振动对象的频率响应函数是由频响函数估计结构的模态参数,即振动对象的频率、阻尼和振型;
(1)频率响应函数计算:
激振设备的输入和高速相机的输出计算振动对象的频率响应函数为:
其中,imag(·)表示求复频域的虚部,X(s)表示振动位移x(t)的拉普拉斯变换,F(s)表示激振力f(t)的拉普拉斯变换;
(2)模态参数辨识:
第r阶的固有频率ωr和阻尼比ζr通过以下公式计算:
第r阶的模态振型φr通过以下公式计算:
2.根据权利要求1所述基于视频振动放大的高精度结构模态测试方法,其特征在于:步骤一中所述高速相机在采集开始前,需要进行一次标定操作,得到图像到空间坐标系的映射矩阵p。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010562688.8A CN111784647B (zh) | 2020-06-19 | 2020-06-19 | 基于视频振动放大的高精度结构模态测试方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010562688.8A CN111784647B (zh) | 2020-06-19 | 2020-06-19 | 基于视频振动放大的高精度结构模态测试方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111784647A true CN111784647A (zh) | 2020-10-16 |
CN111784647B CN111784647B (zh) | 2024-05-28 |
Family
ID=72756689
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010562688.8A Active CN111784647B (zh) | 2020-06-19 | 2020-06-19 | 基于视频振动放大的高精度结构模态测试方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111784647B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112329220A (zh) * | 2020-10-27 | 2021-02-05 | 上海交通大学 | 一种风机叶片结构的视觉动力学仿真方法 |
CN113128474A (zh) * | 2021-05-17 | 2021-07-16 | 重庆大学 | 一种基于计算机视觉及变分模态分解的结构模态识别方法 |
CN114993452A (zh) * | 2022-07-14 | 2022-09-02 | 湖南大学 | 基于宽带相位运动放大的结构微小振动测量方法与系统 |
CN115452125A (zh) * | 2022-09-19 | 2022-12-09 | 哈尔滨工程大学 | 一种基于空间时向除法的结构振动视频测量方法及系统 |
CN115452125B (zh) * | 2022-09-19 | 2024-06-04 | 哈尔滨工程大学 | 一种基于空间时向除法的结构振动视频测量方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170221216A1 (en) * | 2016-02-01 | 2017-08-03 | Massachusetts Institute Of Technology | Video-Based Identification of Operational Mode Shapes |
CN107391818A (zh) * | 2017-07-07 | 2017-11-24 | 大连理工大学 | 一种基于状态观测器的振动模态参数识别方法 |
US20180084195A1 (en) * | 2016-09-19 | 2018-03-22 | Los Alamos National Security, Llc | System and method for automated extraction of high resolution structural dynamics from video |
CN108614926A (zh) * | 2018-04-12 | 2018-10-02 | 西安交通大学 | 一种基于流形学习与希尔伯特-黄变换相结合的结构模态参数辨识方法 |
CN110108348A (zh) * | 2019-05-15 | 2019-08-09 | 湖南科技大学 | 基于运动放大光流跟踪的薄壁件微幅振动测量方法及系统 |
-
2020
- 2020-06-19 CN CN202010562688.8A patent/CN111784647B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170221216A1 (en) * | 2016-02-01 | 2017-08-03 | Massachusetts Institute Of Technology | Video-Based Identification of Operational Mode Shapes |
US20180084195A1 (en) * | 2016-09-19 | 2018-03-22 | Los Alamos National Security, Llc | System and method for automated extraction of high resolution structural dynamics from video |
CN107391818A (zh) * | 2017-07-07 | 2017-11-24 | 大连理工大学 | 一种基于状态观测器的振动模态参数识别方法 |
CN108614926A (zh) * | 2018-04-12 | 2018-10-02 | 西安交通大学 | 一种基于流形学习与希尔伯特-黄变换相结合的结构模态参数辨识方法 |
CN110108348A (zh) * | 2019-05-15 | 2019-08-09 | 湖南科技大学 | 基于运动放大光流跟踪的薄壁件微幅振动测量方法及系统 |
Non-Patent Citations (3)
Title |
---|
伍济钢;王刚;蒋勉;张双健;王文韫: "光流点匹配跟踪的薄壁件振动模态测试方法", 电子测量与仪器学报, no. 006, 31 December 2017 (2017-12-31) * |
刘勇;文立华;: "基于LuGre模型的有摩擦结构自适应主动振动控制", 振动与冲击, no. 12, 25 December 2011 (2011-12-25) * |
李丽霞;陈海卫;: "基于运动放大的振动结构的模态识别", 计算机测量与控制, no. 09, 19 September 2018 (2018-09-19) * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112329220A (zh) * | 2020-10-27 | 2021-02-05 | 上海交通大学 | 一种风机叶片结构的视觉动力学仿真方法 |
CN113128474A (zh) * | 2021-05-17 | 2021-07-16 | 重庆大学 | 一种基于计算机视觉及变分模态分解的结构模态识别方法 |
CN113128474B (zh) * | 2021-05-17 | 2022-06-03 | 重庆大学 | 一种基于计算机视觉及变分模态分解的结构模态识别方法 |
CN114993452A (zh) * | 2022-07-14 | 2022-09-02 | 湖南大学 | 基于宽带相位运动放大的结构微小振动测量方法与系统 |
CN114993452B (zh) * | 2022-07-14 | 2023-03-24 | 湖南大学 | 基于宽带相位运动放大的结构微小振动测量方法与系统 |
CN115452125A (zh) * | 2022-09-19 | 2022-12-09 | 哈尔滨工程大学 | 一种基于空间时向除法的结构振动视频测量方法及系统 |
CN115452125B (zh) * | 2022-09-19 | 2024-06-04 | 哈尔滨工程大学 | 一种基于空间时向除法的结构振动视频测量方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111784647B (zh) | 2024-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Poozesh et al. | Feasibility of extracting operating shapes using phase-based motion magnification technique and stereo-photogrammetry | |
CN111784647A (zh) | 基于视频振动放大的高精度结构模态测试方法 | |
CN106989812B (zh) | 基于摄影测量技术的大型风机叶片模态测试方法 | |
Chen et al. | Modal identification of simple structures with high-speed video using motion magnification | |
Patil et al. | A multi-view optical technique to obtain mode shapes of structures | |
KR100981401B1 (ko) | 미소 변위 계측법 및 장치 | |
AU2020101196A4 (en) | Method and system for testing working modality of thin-walled member based on monocular visual optical flow tracking | |
Sousa et al. | Cross‐correlation and differential technique combination to determine displacement fields | |
JP5384316B2 (ja) | 変位計測装置、変位計測方法、及び変位計測プログラム | |
Molina-Viedma et al. | Full-field modal analysis during base motion excitation using high-speed 3D digital image correlation | |
CN106644052B (zh) | 一种微振镜的反馈系统及方法 | |
Zhou et al. | Vibration measurement with video processing based on alternating optimization of frequency and phase shifts | |
CN111735523A (zh) | 基于视频识别的车重检测方法、装置及存储介质 | |
CN114993452B (zh) | 基于宽带相位运动放大的结构微小振动测量方法与系统 | |
Sarrafi et al. | Wind turbine blade damage detection Via 3-dimensional phase-based motion estimation | |
JP6813025B2 (ja) | 状態判定装置、状態判定方法、及びプログラム | |
Di Lorenzo et al. | Full-field modal analysis by using digital image correlation technique | |
Zang et al. | Phase-based vibration frequency measurement from videos recorded by unstable cameras | |
Castellini et al. | Experimental modal analysis on vibration data measured by digital image correlation | |
Cosco et al. | Towards phase-based defect detection: A feasibility study in vibrating panels | |
CN113076517B (zh) | 基于希尔伯特变换的土木工程结构动态监测相位评估方法 | |
JP6533914B2 (ja) | 計測方法、計測装置、計測プログラム及び計測プログラムを記録した、コンピュータ読み取り可能な記録媒体 | |
CN116363121A (zh) | 一种基于计算机视觉的拉索索力检测方法、系统及装置 | |
Holak | A motion magnification application in video-based vibration measurement | |
CN114065650A (zh) | 基于深度学习的材料裂纹尖端多尺度应变场测量跟踪方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant |