CN114972295A - 基于多点位移提取的非接触式索力识别技术 - Google Patents
基于多点位移提取的非接触式索力识别技术 Download PDFInfo
- Publication number
- CN114972295A CN114972295A CN202210674667.4A CN202210674667A CN114972295A CN 114972295 A CN114972295 A CN 114972295A CN 202210674667 A CN202210674667 A CN 202210674667A CN 114972295 A CN114972295 A CN 114972295A
- Authority
- CN
- China
- Prior art keywords
- image
- cable force
- gray
- sling
- identification technology
- 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.)
- Pending
Links
- 238000005516 engineering process Methods 0.000 title claims abstract description 19
- 238000006073 displacement reaction Methods 0.000 title claims abstract description 14
- 238000000605 extraction Methods 0.000 title claims abstract description 14
- 238000000034 method Methods 0.000 claims abstract description 29
- 238000012937 correction Methods 0.000 claims abstract description 8
- 230000007613 environmental effect Effects 0.000 claims abstract description 8
- 238000004364 calculation method Methods 0.000 claims abstract description 7
- 230000003321 amplification Effects 0.000 claims abstract description 5
- 238000003199 nucleic acid amplification method Methods 0.000 claims abstract description 5
- 238000012360 testing method Methods 0.000 claims description 20
- 230000001133 acceleration Effects 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000005452 bending Methods 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 4
- 238000012935 Averaging Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 238000007716 flux method Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 229910000831 Steel Inorganic materials 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 239000010959 steel Substances 0.000 description 2
- 239000004593 Epoxy Substances 0.000 description 1
- 239000006096 absorbing agent Substances 0.000 description 1
- 239000000853 adhesive Substances 0.000 description 1
- 230000001070 adhesive effect Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 238000011900 installation process Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 238000010998 test method 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
- G01—MEASURING; TESTING
- G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
- G01L5/00—Apparatus for, or methods of, measuring force, work, mechanical power, or torque, specially adapted for specific purposes
- G01L5/04—Apparatus for, or methods of, measuring force, work, mechanical power, or torque, specially adapted for specific purposes for measuring tension in flexible members, e.g. ropes, cables, wires, threads, belts or bands
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- 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
- G06T2207/10048—Infrared image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了基于多点位移提取的非接触式索力识别技术，包括如下步骤：将内参标定完成的热红外相机架设于桥面位置处，将拍摄的拉/吊索影像利用Adobe PremierePro软件进行分解并对图像进行裁剪输出；将输出的图像采用“广角畸变矫正算法”以及“双线性插值算法”进行几何矫正；接下来利用灰度平均值法对图像的环境噪声进行剔除；利用基于相位的欧拉运动放大算法从图像序列中提取并放大运动信号；利用卡尔曼滤波器对运动目标进行实时跟踪；利用模态法进行索力计算。本发明采用不同阶次的模态参数以及不同的杆件边界条件下都可取得高精度识别结果，且在不测量杆件两端节点的有效长度、仅已知传感器之间的相对位置时即可实施。
Description
技术领域
本发明涉及桥梁健康监测技术领域，尤其涉及基于多点位移提取的非接触式索力识别技术。
背景技术
我国近些年经济快速发展，交通基础设施建设速度加快，大跨径桥梁的需求不断增长，索承桥梁由于自身结构体系的优越性，往往成为大跨径桥梁的主要桥型，拉/吊索是索承桥结构体系中的重要组成部分，是索承桥中关键、重要的受力构件，也是索承桥梁结构中最为脆弱、最容易发生损伤的构件，由于拉/吊索本身的材料特性以及其在索承桥结构中力学特性等因素，拉/吊索在环境侵蚀作用、荷载作用及温度变化等外界因素共同作用影响下，不可避免地产生损伤、性能退化，严重时甚至断裂破坏，引发严重的灾难性事故和产生不良的社会影响。
在桥梁索力识别领域，国内外已有学者进行了相关的研究；目前索力识别方法主要有千斤顶拉拔测试法、测力传感器检测法、振动频率法、磁通量检测法四种。其中测力传感器检测法根据传感元件不同又可分为几种，包括电阻应变测力传感器、振弦式测力传感器、光纤光栅测力传感器等；测力环法与磁通量法虽然可直接测出索力，但两者需预先在拉/吊索上安装传感器，不可重复使用；振动频率法的优点操作方便，传感器可重复使用，检测成本低，对于新建及在役桥梁均适用；振动频率法原理是以拉/吊索在张力作用下的动力响应分析为基础，利用测量的阶固有频率和索力之间的特定关系，快速有效的计算出索力。
频率法一般运用经典弦振动理论，即不考虑拉/吊索的自重和弯曲刚度，将其视作一根张紧的弦，此方法适用于较细长的拉/吊索；但是对于较复杂的工况，比如弹性边界条件以及中间多支承边界条件拉/吊索的索力求解，频率法无法满足工程精度的要求；基于以上传统方法，通过模态分析测量索力为接解决工程复杂边界拉/吊索索力测量提供了一种新的思路；然而模态法测量索力目前还局限于实验室，在实际桥梁工程推广中遇到一些障碍，因为在一根拉/吊索上的多个控制截面位置安装加速度传感器不仅成本巨大，而且现场安装难度较大，缺乏实际工程应用价值。
现有的索力识别方法无法对处于运营阶段的大跨索承桥梁结构中处于复杂边界条件下的拉/吊索索力进行完全非接触式监测：1.对于压力传感器法、磁通量法等索力识别方法，传感器需提前预埋，施工成本高，维护难度大；2.传统的频率法计算索力时，仅能识别单一边界条件下的拉/吊索索力，精度低，适用范围小；3.在常规图像识别技术中，在大跨桥梁拉/吊索上人为设置特殊目标靶或是利用其它测距工具进行测点标定的难度较大。
因此，有必要寻找合适的非接触测量方法，解决复杂边界条件下的拉/吊索索力识别问题，从而提出了非接触式索力识别技术来提高桥梁健康监测系统的效率。
发明内容
基于背景技术存在的技术问题，本发明提出了基于多点位移提取的非接触式索力识别技术。
本发明提出的基于多点位移提取的非接触式索力识别技术，包括如下步骤：
S1将内参标定完成的热红外相机架设于桥面位置处，将拍摄的拉/吊索影像利用Adobe Premiere Pro软件进行分解并对图像进行裁剪输出；
S2将输出的图像采用“广角畸变矫正算法”以及“双线性插值算法”进行几何矫正，用u,v来表示未矫正图像的横纵坐标，用x,y来表示矫正后图像的横纵坐标，坐标原点都设在图像的中心，则可得到如下关系：
通过对同心圆模板拍摄的图像进行测算，根据每一个圆环直径的变化来确定的a、b两个矫正常数，之后还要对校正后的图像的有效视场角度作精确的测量，确定热红外镜头的“等效焦距”；
S3接下来利用灰度平均值法对图像的环境噪声进行剔除，保留能表征索结构全息信息的数据，在灰度值影像中选择M个m×n维大小的具有代表性的结构目标区域，作为环境噪声剔除的基准数据，统计各个目标区域的灰度值并其求平均值，记为
，再求M个区域灰度值均值，记为
以
代表结构的灰度值基准，利用灰度值容差系数ξ确定能准确表征结构的灰度值范围，在灰度值范围内的像素保留其原灰度值，在灰度值范围以外的像素灰度值替换为零，理论计算公式如下：
S4利用基于相位的欧拉运动放大算法从图像序列中提取并放大运动信号，将图像亮度函数记为f(x),图像坐标记为x，图像在时间t内平移了δ(t)，图像亮度变为f(x+δ(t))，对图像亮度函数进行傅里叶变换后得到相位差
该相位差包含了运动信息，对其放大α倍，可以得到重构的图像亮度函数，通过对比重构前后的图像亮度函数，即可得到放大的运动信号(1+α)δ(t)。
S5利用卡尔曼滤波器对运动目标进行实时跟踪，应用卡尔曼滤波器对运动目标进行实时跟踪包括以下四个步骤：滤波器初始化、预测、目标匹配和状态更新；
S6利用模态法进行索力计算，即在已知抗弯刚度EI的前提下，放弃两端的边界条件，直接取5个已知点的振幅代入梁理论动力方程的通解中建立方程组，从而独立未知数和方程数相等，求出所有未知数。
优选的，所述步骤S1热红外相机接近正轴拍摄地拍摄拉/吊索影像信息，拍摄倾角不宜大于15°，调整热红外相机镜头焦距到待测拉/吊索。
优选的，所述步骤S5四个步骤分别为：
滤波器初始化：分别设置目标初始速度、P和Q初值；
预测：由预测方程预测运动目标在当前帧中的运动状态和误差协方差；
目标匹配：设定一以n×1维状态向量为中心的区域进行搜索，寻找该帧图像内的最佳匹配区域；
状态更新：根据实际的测量值与先验估计值，通过卡尔曼滤波器进行状态更新以获得后验估计值，并重复以上步骤。
优选的，所述步骤S6具体步骤如下：
S61从预测试的测试结构上取部分作为子结构单元；
S62在子结构单元上等间隔设置五个测试点1、2、3、4、5，每个测试点上设置一个加速度传感器，通过加速度传感器获取振动数据；
S63基于振动数据，通过模态分析，得到子结构单元的振型曲线，并从振型曲线上提取每个测试点处的振型幅值φ1～φ5；
S64根据振型幅值，结合振型曲线所对应的振动频率f以及测试结构的已知参数m、EI，求解测试结构的索力T。
本发明中，所述基于多点位移提取的非接触式索力识别技术，具有如下有益效果：
1.
本发明采用的热红外摄像机基于被动接收物体的热辐射，可以昼夜连续拍摄红外图像，且相比于传统摄像机拥有更强的穿透能力，无论环境光照条件，索结构温度与周围环境温度是不同的，故我们采用热红外摄像机可以拍摄到清晰的拉/吊索振动图像，因此，基于热红外摄像机的非接触式索力识别技术可以适合各种气候条件下的外界环境。
2.
以往的索力识别技术在实施阶段存在很多的局限性，在实际桥梁结构上应用时需要拉/吊索上安装传感器或特殊标靶，安装过程繁琐，施工难度大。本研究从实际工程应用出发，完全基于图像中对各个目标点进行定位和标定，利用图像的非接触优势获取拉/吊索多个测点的振动响应，大大优于加速计等传统的接触式测量方法，实现了真正意义上的非接触式索力识别。
3.
本发明采用基于相位的欧拉运动放大算法对拉/吊索时程图像序列进行分解、放大和重构处理。根据吊杆的动力特性分析已知其在正常索力时的频率分布，因此选择不同的频率范围针对特定频率范围内的运动进行放大从而获得拉/吊索的各阶频率，借助该算法，合理现场环境中的噪声可以被很好地去除，模态频率的识别准确率也大大提高。
4.
以往的频率法方法仅能解决单一边界条件下的拉/吊索索力识别，本发明采用模态法，即利用某阶振动频率和相应振型的五个振幅来对具有复杂边界条件的索力进行识别，成功解决了含中间弹性支撑等(如拉索的减振器、阻尼器、吊索的减振架等)复杂边界情况下利用振动频率求解拉/吊索索力的难点。
附图说明
图1为本发明提出的基于多点位移提取的非接触式索力识别技术的流程示意图；
图2为本发明提出的基于多点位移提取的非接触式索力识别技术的五点法任选五个测点示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。
参照图1-2，基于多点位移提取的非接触式索力识别技术，包括如下步骤：
S1将内参标定完成的热红外相机架设于桥面位置处，将拍摄的拉/吊索影像利用Adobe Premiere Pro软件进行分解并对图像进行裁剪输出；
S2将输出的图像采用“广角畸变矫正算法”以及“双线性插值算法”进行几何矫正，用u,v来表示未矫正图像的横纵坐标，用x,y来表示矫正后图像的横纵坐标，坐标原点都设在图像的中心，则可得到如下关系：
通过对同心圆模板拍摄的图像进行测算，根据每一个圆环直径的变化来确定的a、b两个矫正常数，之后还要对校正后的图像的有效视场角度作精确的测量，确定热红外镜头的“等效焦距”；
S3接下来利用灰度平均值法对图像的环境噪声进行剔除，保留能表征索结构全息信息的数据，在灰度值影像中选择M个m×n维大小的具有代表性的结构目标区域，作为环境噪声剔除的基准数据，统计各个目标区域的灰度值并其求平均值，记为
，再求M个区域灰度值均值，记为
以
代表结构的灰度值基准，利用灰度值容差系数ξ确定能准确表征结构的灰度值范围，在灰度值范围内的像素保留其原灰度值，在灰度值范围以外的像素灰度值替换为零，理论计算公式如下：
S4利用基于相位的欧拉运动放大算法从图像序列中提取并放大运动信号，将图像亮度函数记为f(x),图像坐标记为x，图像在时间t内平移了δ(t)，图像亮度变为f(x+δ(t))，对图像亮度函数进行傅里叶变换后得到相位差
该相位差包含了运动信息，对其放大α倍，可以得到重构的图像亮度函数，通过对比重构前后的图像亮度函数，即可得到放大的运动信号(1+α)δ(t)。
S5利用卡尔曼滤波器对运动目标进行实时跟踪，应用卡尔曼滤波器对运动目标进行实时跟踪包括以下四个步骤：滤波器初始化、预测、目标匹配和状态更新；
S6利用模态法进行索力计算，即在已知抗弯刚度EI的前提下，放弃两端的边界条件，直接取5个已知点的振幅代入梁理论动力方程的通解中建立方程组，从而独立未知数和方程数相等，求出所有未知数。
本发明中，所述步骤S1热红外相机接近正轴拍摄地拍摄拉/吊索影像信息，拍摄倾角不宜大于15°，调整热红外相机镜头焦距到待测拉/吊索。
本发明中，所述步骤S5四个步骤分别为：
滤波器初始化：分别设置目标初始速度、P和Q初值；
预测：由预测方程预测运动目标在当前帧中的运动状态和误差协方差；
目标匹配：设定一以n×1维状态向量为中心的区域进行搜索，寻找该帧图像内的最佳匹配区域；
状态更新：根据实际的测量值与先验估计值，通过卡尔曼滤波器进行状态更新以获得后验估计值，并重复以上步骤。
本发明中，所述步骤S6具体步骤如下：
S61从预测试的测试结构上取部分作为子结构单元；
S62在子结构单元上等间隔设置五个测试点1、2、3、4、5，每个测试点上设置一个加速度传感器，通过加速度传感器获取振动数据；
S63基于振动数据，通过模态分析，得到子结构单元的振型曲线，并从振型曲线上提取每个测试点处的振型幅值φ1～φ5；
S64根据振型幅值，结合振型曲线所对应的振动频率f以及测试结构的已知参数m、EI，求解测试结构的索力T。
应用例：
某拱梁组合钢结构桥，跨径布置为(28+90+28)m，每榀拱肋设13根厂制吊杆，吊杆间距为6m，吊杆索体采用12根15.2mm环氧喷涂无粘结钢绞线(l860MPa)缠包后外挤PE，公称破断索力为3125kN。吊杆两端用叉耳和拱肋与系梁销接(可有效解决短吊杆疲劳问题)。其他原始实验数据为：
，沿着被测杆件长度方向计算18个测试点S1～S18，每个测试点相对位置为间距0.66米，换算系数7.59mm/pixel。I＝2.246×10-7m-4EI＝43797N·m2
。数据采集频率60Hz，共有18个点，拉索图像拍摄部分由海康工业相机MV-CA050-20UM完成，分辨率为2592pixel×2048pixel，像元尺寸为4.8微米，帧频最大71.8fps，采用工业镜头，焦距为25mm。
加速度结果与光测频率结果对比表
| 模态1 | 模态2 | 模态3 | |
| 图像法 | 6.445 | 12.693 | 18.164 |
| 加速度计 | 6.448 | 12.720 | 18.200 |
| 相对误差(％) | 0.05 | 0.21 | 0.20 |
采用五点法计算，任选五个测点：
q1＝0.24403391148626044802357416398667
F＝-427268.9910111161357833515552859
计算所得索力大小为425.27kN，与实际索力大小量级一致。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。
Claims (4)
1.基于多点位移提取的非接触式索力识别技术，其特征在于，包括如下步骤：
S1将内参标定完成的热红外相机架设于桥面位置处，将拍摄的拉/吊索影像利用AdobePremiere Pro软件进行分解并对图像进行裁剪输出；
S2将输出的图像采用“广角畸变矫正算法”以及“双线性插值算法”进行几何矫正，用u,v来表示未矫正图像的横纵坐标，用x,y来表示矫正后图像的横纵坐标，坐标原点都设在图像的中心，则可得到如下关系：
通过对同心圆模板拍摄的图像进行测算，根据每一个圆环直径的变化来确定的a、b两个矫正常数，之后还要对校正后的图像的有效视场角度作精确的测量，确定热红外镜头的“等效焦距”；
S3接下来利用灰度平均值法对图像的环境噪声进行剔除，保留能表征索结构全息信息的数据，在灰度值影像中选择M个m×n维大小的具有代表性的结构目标区域，作为环境噪声剔除的基准数据，统计各个目标区域的灰度值并其求平均值，记为
，再求M个区域灰度值均值，记为
以
代表结构的灰度值基准，利用灰度值容差系数ξ确定能准确表征结构的灰度值范围，在灰度值范围内的像素保留其原灰度值，在灰度值范围以外的像素灰度值替换为零，理论计算公式如下：
S4利用基于相位的欧拉运动放大算法从图像序列中提取并放大运动信号，将图像亮度函数记为f(x),图像坐标记为x，图像在时间t内平移了δ(t)，图像亮度变为f(x+δ(t))，对图像亮度函数进行傅里叶变换后得到相位差
该相位差包含了运动信息，对其放大α倍，可以得到重构的图像亮度函数，通过对比重构前后的图像亮度函数，即可得到放大的运动信号(1+α)δ(t)。
S5利用卡尔曼滤波器对运动目标进行实时跟踪，应用卡尔曼滤波器对运动目标进行实时跟踪包括以下四个步骤：滤波器初始化、预测、目标匹配和状态更新；
S6利用模态法进行索力计算，即在已知抗弯刚度EI的前提下，放弃两端的边界条件，直接取5个已知点的振幅代入梁理论动力方程的通解中建立方程组，从而独立未知数和方程数相等，求出所有未知数。
2.根据权利要求1所述的基于多点位移提取的非接触式索力识别技术，其特征在于，所述步骤S1热红外相机接近正轴拍摄地拍摄拉/吊索影像信息，拍摄倾角不宜大于15°，调整热红外相机镜头焦距到待测拉/吊索。
3.根据权利要求1所述的基于多点位移提取的非接触式索力识别技术，其特征在于，所述步骤S5四个步骤分别为：
滤波器初始化：分别设置目标初始速度、P和Q初值；
预测：由预测方程预测运动目标在当前帧中的运动状态和误差协方差；
目标匹配：设定一以n×1维状态向量为中心的区域进行搜索，寻找该帧图像内的最佳匹配区域；
状态更新：根据实际的测量值与先验估计值，通过卡尔曼滤波器进行状态更新以获得后验估计值，并重复以上步骤。
4.根据权利要求1所述的基于多点位移提取的非接触式索力识别技术，其特征在于，所述步骤S6具体步骤如下：
S61从预测试的测试结构上取部分作为子结构单元；
S62在子结构单元上等间隔设置五个测试点1、2、3、4、5，每个测试点上设置一个加速度传感器，通过加速度传感器获取振动数据；
S63基于振动数据，通过模态分析，得到子结构单元的振型曲线，并从振型曲线上提取每个测试点处的振型幅值φ1～φ5；
S64根据振型幅值，结合振型曲线所对应的振动频率f以及测试结构的已知参数m、EI，求解测试结构的索力T。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210674667.4A CN114972295A (zh) | 2022-06-14 | 2022-06-14 | 基于多点位移提取的非接触式索力识别技术 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210674667.4A CN114972295A (zh) | 2022-06-14 | 2022-06-14 | 基于多点位移提取的非接触式索力识别技术 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114972295A true CN114972295A (zh) | 2022-08-30 |
Family
ID=82962827
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210674667.4A Pending CN114972295A (zh) | 2022-06-14 | 2022-06-14 | 基于多点位移提取的非接触式索力识别技术 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114972295A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115876365A (zh) * | 2022-10-26 | 2023-03-31 | 华南理工大学 | 基于运动综合亮度谱的拉索索力视觉测试方法、装置及介质 |
-
2022
- 2022-06-14 CN CN202210674667.4A patent/CN114972295A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115876365A (zh) * | 2022-10-26 | 2023-03-31 | 华南理工大学 | 基于运动综合亮度谱的拉索索力视觉测试方法、装置及介质 |
| CN115876365B (zh) * | 2022-10-26 | 2023-10-27 | 华南理工大学 | 基于运动综合亮度谱的拉索索力视觉测试方法、装置及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112985671B (zh) | 基于全索系索力测试和误差自适应分析的损伤判定方法 | |
| CN111174961B (zh) | 一种基于模态分析的索力光学测量方法及其测量系统 | |
| CN110127078B (zh) | 直升机桨叶结构应变-挠度-弯矩状态的光纤监测方法 | |
| Cho et al. | Development of an automated wireless tension force estimation system for cable-stayed bridges | |
| CN105973619A (zh) | 结构健康监测系统下基于影响线的桥梁局部损伤识别方法 | |
| CN102506986A (zh) | 自立式铁塔及大跨越输电塔模态和振动测试系统及其方法 | |
| CN114972295A (zh) | 基于多点位移提取的非接触式索力识别技术 | |
| Alamdari et al. | Non-contact structural health monitoring of a cable-stayed bridge: Case study | |
| Kromanis et al. | Low cost vision-based systems using smartphones for measuring deformation in structures for condition monitoring and asset management | |
| CN109141268A (zh) | 上承式拱桥的数据采集系统及变形分布识别方法和设备 | |
| CN109374171B (zh) | 用于检测在役斜拉索索力的方法 | |
| 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 | |
| CN112906095B (zh) | 基于激光条纹中心追踪的桥梁模态识别方法及其系统 | |
| CN117029711B (zh) | 基于机器视觉和光纤传感技术的全桥应变响应重构方法 | |
| CN115761487A (zh) | 一种基于机器视觉的中小跨径桥梁振动特性快速识别方法 | |
| CN112985672A (zh) | 基于非接触空间振动测试的预应力索系索力分析方法 | |
| CN105890840B (zh) | 一种移动式设备风压检测装置及方法 | |
| CN104807661B (zh) | 一种高层与高耸结构动力检测承载能力评价方法 | |
| KR101434393B1 (ko) | 카메라 이미지를 이용한 진동변위 측정방법 | |
| Peng et al. | Computer vision-based displacement identification and its application to bridge condition assessment under operational conditions | |
| Saracoglu et al. | Continuous monitoring of a long-span cable-stayed timber bridge | |
| CN108589805A (zh) | 一种基桩承载力动测方法及其装置 | |
| CN112697386B (zh) | 一种风载荷作用下山区输电塔稳定性监控方法与系统 | |
| CN115876371A (zh) | 基于多阶模态振型拟合的索力光学测量方法及其测量系统 | |
| CN101050954A (zh) | 测量高层建筑飘移位移的方法 |
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 |