CN112381860A - 一种旋转叶片动频测量的无标记计算机视觉方法 - Google Patents

Abstract

一种旋转叶片动频测量的无标记计算机视觉方法，利用高速相机对转动状态下的旋转叶片振动进行视频记录；为提高旋转运动的视觉测量精度和便捷性，提出了一种图像处理的金字塔光流算法，该方法在测量时无需在叶片表面做任何标记；选定位于转轴上且连线过旋转中心的两个像素点作为虚拟点，并在其连线上选定位于叶片上的任意像素点作为虚拟点，利用金字塔光流算法测量各虚拟点的时域运动；结合虚拟点位置间的几何关系计算出叶片的刚体运动，进而获得叶片振动的时域信息；对叶片振动的时域信息进行频谱分析即可得到旋转叶片结构的动频。本发明对应的测量装置简单，无需在叶片上做标记，且不受工频等噪声的影响，适用于叶片等旋转类结构动频测量。

Description

一种旋转叶片动频测量的无标记计算机视觉方法

技术领域

本发明属于机械结构振动测量技术领域，特别涉及一种旋转叶片动频测量的无标记计算机视觉方法。

背景技术

航空发动机和燃气轮机是航空、舰船等工业的主要动力装置，其性能日益向高转速、高效率及高可靠性的趋势发展。其中，旋转叶片结构作为其关键部件，工作环境也愈加严峻，在离心力、气动力及热应力之上叠加工况中产生的振动载荷，使叶片产生交变应变并承受高循环应力，进而在薄弱处萌生裂纹，最终导致疲劳断裂。因此，对旋转叶片结构振动进行非接触式测量可以有效的掌握叶片固有振动情况，为旋转设备安全监测和故障诊断提供可靠地依据。

目前旋转叶片结构动频测量的方法主要有应变片法、频率调制法、激光全息法、激光多普勒法和叶尖定时法，其中应用最广泛的是应变片法和叶尖定时法。应变片法基本原理是将电阻应变片牢固地粘贴在叶片应力较大处，通过测量应变反映叶片振动信息，应变片法属于接触式测量，能直接反映所贴应变片位置处的应变大小。由于是接触式测量，对应变片安装、信号线引出提出了特殊要求，在试验过程中只能同时监测少数只叶片，而实际转子中叶片数量极大，少则几百片，多则上千片，为所有叶片都安装应变片难以实现。叶尖定时法的核心原理是将数个定时传感器沿圆周方向安置在叶轮壳体上，采集叶片经过传感器时产生的脉冲信号。正常状态下，叶尖到达传感器的时间可根据叶片分布角度和转速计算得出，而振动状态下，叶尖到达则会引起相对时间差。通过处理时间差序列，可得到叶片实时的振动信息，其主要受制于叶尖定时传感技术和振动参数识别技术的发展，目前测量精度并不高。

发明内容

为了克服上述现有技术的缺点，解决目前对旋转结构振动测量遥测装置安装复杂，应变片、引线等在旋转过程中容易脱落等问题，本发明的目的在于提供一种旋转叶片动频测量的无标记计算机视觉方法，该方法测量装置安装简单、无需视觉标记、测量数据噪声小，适用于叶片等旋转类结构动频测量。

为了实现上述目的，本发明采用的技术方案是：

一种旋转叶片动频测量的无标记计算机视觉方法，包括以下步骤：

步骤1)，利用高速相机对转动状态下的旋转叶片振动进行视频记录；

步骤2)，采用金字塔光流算法进行图像处理，该方法在测量时无需在叶片表面做任何标记；

步骤3)，选定位于转轴上且连线过旋转中心的两个像素点作为虚拟点，并在连线上选定位于叶片上的任意像素点作为虚拟点，利用金字塔光流算法测量各虚拟点的时域运动；结合虚拟点位置间的几何关系计算出叶片的刚体运动，进而获得叶片振动的时域信息；

步骤4)，对振动的时域信息进行频谱分析即可得到旋转叶片结构的动频。

与现有技术相比，本发明的有益效果是：

1)测量效率高，可同时对结构多个区域进行测量。

2)高信噪比，不受工频、磁场等工况的影响，实现在各种复杂、极端工况下对旋转叶片结构动频进行测量。

3)无需对被测结构表面进行标记，仅利用图像的纹理信息对旋转叶片结构动频进行测量，更广的适用范围。

附图说明

图1为基于多尺度光流法获取旋转叶片结构动频流程示意图。

图2为时间段内像素位置变化及亮度矩阵变化示意图。

图3为层数为2的金字塔光流估计值和残差值的理论示意图。

图4本发明中所选的转轴和叶片上目标像素的位置示意图。

图5旋转叶片结构旋转振动的示意图。

图6叶片上像素与同一时刻结构做刚体运动时该像素位置的几何示意图。

具体实施方式

下面结合附图和实施例详细说明本发明的实施方式。

本发明一种旋转叶片动频测量的无标记计算机视觉方法，参考图1，其包括如下步骤：

步骤1：通过高速摄影机对转动状态下的旋转叶片结构运动进行记录，如图2所示，一张m×n的灰度图像可被看作一个二维离散矩阵，矩阵中(x,y)点处的元素值I(x,y)代表了(x,y)位置处的像素亮度，由图像中每个像素的亮度值所组成的亮度矩阵称为图像亮度场，可以根据图像亮度矩阵的变化来描述图像内物体运动变化。

步骤2：如图3所示，本发明利用高斯基函数对图像进行平滑处理，即：

式中：L(x,y,σ)表示高斯核函数平滑后的图像，I(x,y)表示像素坐标(x,y)处的图像像素亮度，G(x,y,σ)为尺度σ高斯基函数，

表示卷积运算。

选取大小为q的窗口，采用窗口内多个像素求取均值的方法对平滑后的图像进行采样处理，即：

式中：I_downsample表示采样后的图像像素亮度；L(x,y,σ)表示高斯核函数平滑后的图像。

重复以上步骤M次，获取不同分辨率的图像，逐帧构建图像金字塔模型，共计M层。

在建立图像金字塔模型的基础上，构建相邻帧单层图像间的光流方程，即：

式中：

和

分别表示i层图像像素亮度在x和y方向上的梯度，

表示i 层图像像素亮度关于时间t的导数，u、v表示光流沿x、y方向上的分量。

由于任意时刻图像中各点的亮度值可通过拍摄器材获取，为已知量，每个像素点在x和y两个方向的梯度可直接通过图像像素亮度求解。但考虑到该方程具有两个未知量u和v，无法直接求解。因此，因此，引入像素邻域内运动相似性的假设，即所要计算的目标像素P与其相邻n个像素(P₁,P₂,...,P_n)具有相似的运动，满足：

为简化起见，上式可记作Aⁱdⁱ＝bⁱ，其中，

采用最小二乘法求解上式，即满足|Aⁱsⁱ-bⁱ|²的值为最小时的解，因此，i层图像中像素P的光流为：

以单层相邻图像间的光流为基础，融合金字塔模型中不同层上的光流信息获取结构时域运动。从金字塔最顶层M开始，在计算过程中引入光流估计值g 和残差光流值l。其中最顶层光流估计值g^M为0，残差光流值l^M等于d^M，利用金字塔模型中图像间的尺度关系对不同层图像上的光流信息逐步融合，其中，金字塔模型中图像间的尺度关系描述为：

g^i-1＝2(gⁱ+lⁱ)(i＜M) (6)

式中：g^i-1、gⁱ为第i-1、i层光流估计值；lⁱ为第i层残差光流值。

逐层迭代至第1层，此时，结构的高精度时域运动d描述为：

d＝g¹+l¹ (7)

式中：g¹为第1层光流估计值，l¹为第1层残差光流值。

步骤3：如图4和5所示，旋转叶片结构的运动S包括叶片刚体运动和叶片振动，分别记为S_r和S_v，在转轴上选取2个连线过旋转中心的虚拟点，在t 时刻坐标分别记为

并在其连线上选定位于叶片上的任意像素点作为虚拟点，该虚拟点在t时刻坐标记为

在t₀时刻时，叶片、转轴上的虚拟点坐标分别为

和

二者之间的距离为r，满足：

如图6所示，在t时刻时，转轴上的虚拟点的坐标为

和

该位置通过金字塔光流算法获得，叶片上虚拟点做刚体运动时的坐标为

即叶片的牵连运动，可通过如下方程求解：

叶片上的虚拟点t时刻位置坐标为

即叶片绝对运动，则t时刻x,y 方向的相对运动或振动位移分别为Δx和Δy，计算如下：

得叶片的振动位移S_t为：

步骤4：通过对结构时域振动进行傅里叶变换，即可得到旋转叶片结构的动频S(f)

S(f)＝FFT(S_t) (11)。

Claims (6)

1.一种旋转叶片动频测量的无标记计算机视觉方法，其特征在于，包括以下步骤：

步骤1)，利用高速相机对转动状态下的旋转叶片振动进行视频记录；

步骤2)，采用金字塔光流算法进行图像处理，该方法在测量时无需在叶片表面做任何标记；

步骤3)，选定位于转轴上且连线过旋转中心的两个像素点作为虚拟点，并在连线上选定位于叶片上的任意像素点作为虚拟点，利用金字塔光流算法测量各虚拟点的时域运动；结合虚拟点位置间的几何关系计算出叶片的刚体运动，进而获得叶片振动的时域信息；

步骤4)，对振动的时域信息进行频谱分析即可得到旋转叶片结构的动频。

2.根据权利要求1所述旋转叶片动频测量的无标记计算机视觉方法，其特征在于，所述步骤2)中金字塔光流算法包含以下步骤：

(1)对每帧图像分别进行采样，获取不同分辨率的图像，构建图像的金字塔模型；

(2)逐层计算相邻帧图像间的光流信息；

(3)融合金字塔模型中不同层上的光流信息获取结构时域运动。

3.根据权利要求2所述旋转叶片动频测量的无标记计算机视觉方法，其特征在于，所述步骤(1)中，利用高斯基函数对图像进行平滑处理，即：

式中：L(x,y,σ)表示高斯核函数平滑后的图像，I(x,y)表示像素坐标(x,y)处的图像像素亮度，G(x,y,σ)为尺度σ的高斯基函数，

表示卷积运算；

选取大小为q的窗口，采用窗口内多个像素求取均值的方法对平滑后的图像进行采样处理，即：

式中：I_downsample表示采样后的图像像素亮度；L(x,y,σ)表示高斯核函数平滑后的图像；

重复以上步骤M次，获取不同分辨率的图像，构建图像金字塔模型，共计M层。

4.根据权利要求3所述旋转叶片动频测量的无标记计算机视觉方法，其特征在于，所述步骤(2)中，在图像金子塔模型构建相邻帧单层图像间的光流方程，即：

式中：

和

分别表示i层图像像素亮度在x和y方向上的梯度，

表示i层图像像素亮度关于时间t的导数，i＝1,2...,M，u、v表示光流沿x、y方向上的分量；

目标像素P与其相邻n个像素P₁,P₂,...,P_n具有相似的运动，满足：

采用最小二乘法求解上式，i层图像中像素P的光流为：

其中

5.根据权利要求4所述旋转叶片动频测量的无标记计算机视觉方法，其特征在于，所述步骤(3)中，从金字塔最顶层M开始，在计算过程中引入光流估计值g和残差光流值l，其中最顶层光流估计值g^M为0，残差光流值l^M等于d^M，利用金字塔模型中图像间的尺度关系对不同层图像上的光流信息逐步融合，金字塔模型中图像间的尺度关系描述为：

g^i-1＝2(gⁱ+lⁱ)(i＜M)

式中：g^i-1、gⁱ分别为第i-1、i层光流估计值，lⁱ为第i层残差光流值；

逐层迭代至第1层，此时，结构的高精度时域运动d描述为：

d＝g¹+l¹

式中：g¹为第1层光流估计值，l¹为第1层残差光流值。

6.根据权利要求4所述旋转叶片动频测量的无标记计算机视觉方法，其特征在于，所述步骤3)中，在转轴上选取2个连线过旋转中心的虚拟点，在t时刻坐标分别记为

并在连线上选定位于叶片上的任意像素点作为虚拟点，该虚拟点在t时刻坐标记为

在t₀时刻时，叶片、转轴上的虚拟点坐标分别为

和

二者之间的距离为r，满足：

在t时刻时，

和

通过金字塔光流算法获得，叶片上虚拟点做刚体运动时的坐标为

即叶片的牵连运动，通过如下方程求解：

t时刻x,y方向的相对运动或振动位移分别为Δx和Δy，计算如下：

得叶片的振动位移S_t为：

Images