CN116593121B - 一种基于监控相机的飞行器模型振动测量方法 - Google Patents

一种基于监控相机的飞行器模型振动测量方法 Download PDF

Info

Publication number
CN116593121B
CN116593121B CN202310852144.9A CN202310852144A CN116593121B CN 116593121 B CN116593121 B CN 116593121B CN 202310852144 A CN202310852144 A CN 202310852144A CN 116593121 B CN116593121 B CN 116593121B
Authority
CN
China
Prior art keywords
frame image
aircraft model
monitoring camera
fluorescent
boundary
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.)
Active
Application number
CN202310852144.9A
Other languages
English (en)
Other versions
CN116593121A (zh
Inventor
刘新朝
杜文天
史季
崔晓春
张刃
张明龙
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
AVIC Shenyang Aerodynamics Research Institute
Original Assignee
AVIC Shenyang Aerodynamics Research Institute
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by AVIC Shenyang Aerodynamics Research Institute filed Critical AVIC Shenyang Aerodynamics Research Institute
Priority to CN202310852144.9A priority Critical patent/CN116593121B/zh
Publication of CN116593121A publication Critical patent/CN116593121A/zh
Application granted granted Critical
Publication of CN116593121B publication Critical patent/CN116593121B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M9/00—Aerodynamic testing; Arrangements in or on wind tunnels
    • G01M9/06—Measuring arrangements specially adapted for aerodynamic testing
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64F—GROUND OR AIRCRAFT-CARRIER-DECK INSTALLATIONS SPECIALLY ADAPTED FOR USE IN CONNECTION WITH AIRCRAFT; DESIGNING, MANUFACTURING, ASSEMBLING, CLEANING, MAINTAINING OR REPAIRING AIRCRAFT, NOT OTHERWISE PROVIDED FOR; HANDLING, TRANSPORTING, TESTING OR INSPECTING AIRCRAFT COMPONENTS, NOT OTHERWISE PROVIDED FOR
    • B64F5/00—Designing, manufacturing, assembling, cleaning, maintaining or repairing aircraft, not otherwise provided for; Handling, transporting, testing or inspecting aircraft components, not otherwise provided for
    • B64F5/60—Testing or inspecting aircraft components or systems
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
    • G01H9/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves by using radiation-sensitive means, e.g. optical means
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • 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
    • G06T2207/10064—Fluorescence image
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30204—Marker
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30232—Surveillance
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Algebra (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Operations Research (AREA)
  • Manufacturing & Machinery (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Evolutionary Biology (AREA)
  • Transportation (AREA)
  • Probability & Statistics with Applications (AREA)
  • Quality & Reliability (AREA)
  • Fluid Mechanics (AREA)
  • Geometry (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
  • Image Processing (AREA)

Abstract

一种基于监控相机的飞行器模型振动测量方法，属于风洞试验振动测量技术领域。为解决对风洞试验中飞行器模型的振动进行精确监控的问题。本发明安装好飞行器模型之后，调整监控相机的角度、视野范围，标定飞行器模型与监控相机的位置关系，在飞行器模型表面设置荧光标识点，进行风洞试验，读取风洞试验视频数据并逐帧分解为单帧图像，进行特征捕捉，识别每个单帧图像的荧光标识点边界，然后筛选每个单帧图像的荧光标识点边界，计算每个单帧图像的荧光标识点中心坐标，得到的每个单帧图像的荧光标识点中心坐标连线得到飞行器模型振动时程曲线，通过傅里叶变换得到飞行器模型振动特性。本发明用于测量飞行器模型发生振动时的数据，补偿数据精度影响。

Description

一种基于监控相机的飞行器模型振动测量方法
技术领域
本发明属于风洞试验振动测量技术领域，具体涉及一种基于监控相机的飞行器模型振动测量方法。
背景技术
随着航空航天、军工装备等领域的不断发展，飞行器设计的精细度和复杂度不断提高，飞行器表面的气动特性也更加复杂。在目前先进飞行器的设计过程中，风洞试验是研究和验证飞行器表面气动特性和设计性能的主要方法。而在风洞试验中，对飞行器模型进行精确测量，能为飞行器设计过程中的气动分析提供重要基础数据。但是风洞试验中飞行器模型受到非均匀气流载荷的干扰，某些情况下易产生振动，振动的发生往往是突发性的，没有任何的前兆，振动会影响测量精度，严重时会危及试验安全，需要对飞行器模型的振动进行精确监控。
发明内容
本发明要解决的问题是对风洞试验中飞行器模型的振动进行精确监控，提出一种基于监控相机的飞行器模型振动测量方法。
为实现上述目的，本发明通过以下技术方案实现：
一种基于监控相机的飞行器模型振动测量方法，包括如下步骤：
S1、风洞试验开始前，安装好飞行器模型之后，调整监控相机的角度、视野范围，使飞行器模型处于监控相机视野的正中心位置；
S2、标定飞行器模型与监控相机的位置关系；
S3、在飞行器模型表面设置荧光标识点，所述荧光标识点为圆形，荧光标识点设置于监控相机视野范围内；
S4、进行风洞试验，监控相机记录并存储风洞试验视频数据，风洞试验结束之后，读取风洞试验视频数据并逐帧分解为单帧图像；
S5、将步骤S4得到的每个单帧图像，进行特征捕捉，识别每个单帧图像的荧光标识点边界，然后筛选每个单帧图像的荧光标识点边界；
S6、根据步骤S5得到的每个单帧图像的荧光标识点边界计算每个单帧图像的荧光标识点中心坐标；
S7、根据步骤S6得到的每个单帧图像的荧光标识点中心坐标连线得到飞行器模型振动时程曲线，通过傅里叶变换得到飞行器模型振动特性。
进一步的，步骤S2标定飞行器模型与监控相机的位置关系的具体实现方法为：
S2.1、设置标定板为一个正方形板，正方形板的尺寸为500mm×500mm，标定板尾部安装有法兰用于连接到支杆末端，标定板的安装位置与飞行器模型的安装位置一致；
S2.2、首先将标定板调整水平，采用的方法是调整飞行器模型的俯仰和滚转角度，利用象限仪测量标定板的安放角度，调整方法为首先将象限仪摆放姿态垂直于气流方向，并贴合尾部边界位置，调整飞行器模型滚转角，使象限仪示数小于0.01度；之后将象限仪平行于气流方向摆放，摆放位置贴近于标定板尾部的靠近法兰位置并对齐，调整飞行器模型俯仰角，使象限仪示数小于0.01度；
S2.3、完成步骤S2.2的调整后，利用监控相机拍摄一张照片，采用梯度法拾取正方形板的边界，确定飞行器模型与监控相机的位置关系。
进一步的，步骤S3中采用紫光灯照射飞行器模型表面设置荧光标识点。
进一步的，步骤S3中所述荧光标识点的个数为1-3个。
进一步的，步骤S4中利用Mathematica软件读取风洞试验视频数据并逐帧分解为单帧图像。
进一步的，步骤S5的具体实现方法包括如下步骤：
S5.1、设置步骤S4得到的每个单帧图像的图像函数为二维矩阵函数，利用梯度法计算每个单帧图像的变化率，识别每个单帧图像的荧光标识点边界；
每个单帧图像的图像函数的梯度表达式/>为：
；
其中，为每个单帧图像的像素点；
每个单帧图像的图像函数的幅值表达式/>为：
；
设置每个单帧图像的灰度值为，则根据差分求导，得到以下计算公式：
；
；
其中，为离散矩阵的x方向导数的一阶展开，/>为离散矩阵的y方向导数一阶展开；
则计算处的梯度值/>，计算公式为：
；
S5.2、设置将灰度值高于设定值的像素点设置为高亮，低于设定值的灰度像素点设置为0，提取过滤后的每个单帧图像的荧光标识点边界的像素点坐标，得到n个每个单帧图像的荧光标识点的边界点坐标为，i为n中的任意一个；
S5.3、根据最小二乘法将步骤S5.2过滤后的每个单帧图像的荧光标识点边界进行筛选，具体方法包括如下步骤：
S5.3.1、通过最小二乘法拟合荧光标识点为圆，设置圆心坐标为，半径为r，则得到圆的方程为：
；
将圆的方程进行改写，得到以下公式为：
；
设置，则得到方程：
；
S5.3.2、将步骤S5.2得到的n个每个单帧图像的荧光标识点的边界点坐标代入S5.3.1得到的方程，得到超定方程组如下：
；
S5.3.3、根据步骤S5.3.2的超定方程组得到最小二乘解方程为：
；
其中，；
得到最小二乘法的圆心为，半径为/>；
S5.3.4、计算步骤S5.3.3得到的拟合圆的面积，和荧光标识点的真实面积比较，拟合圆的面积的取值范围为：
0.7*荧光标识点的真实面积≤拟合圆的面积≤1.3*荧光标识点的真实面积
删除拟合圆的面积的取值范围以外的荧光标识点边界，得到筛选后的每个单帧图像的荧光标识点边界。
进一步的，步骤S5中对筛选后的每个单帧图像的荧光标识点边界进行圆度测量，具体实现方法为：设置向量R，则具有圆度测量公式为：
；
利用来作为每个单帧图像的荧光标识点与圆的度量，得到筛选后的每个单帧图像的荧光标识点边界圆。
进一步的，步骤S6根据步骤S5筛选后的每个单帧图像的荧光标识点边界圆计算每个单帧图像的荧光标识点边界圆的几何中心，为每个单帧图像的荧光标识点中心坐标。
进一步的，步骤S7的具体实现方法包括如下步骤：
S7.1、设置表示测量的时域信号，取内积区间/>，采用一个三角多项式来表达函数/>，表达式为：
；
其中，k为角频率，为，/>为复数形式三角级数的系数，/>为复数形式的三角级数；
设置信号的时间序列为，则得到各个采样点位置的采样值的表达式为：
；
S7.2、采用数值积分方法进行函数的逼近，表达式为：
；
其中，为傅里叶系数的逼近，采样数为N；
S7.3、设置为相邻采样的级数的增量，则表达式为：
；
则得到
；
S7.4、设置为一个周期内采样数据值的平均值，表达式为：
；
其中，，/>，/>为/>矩阵，其/>元素由给出；
S7.5、进行快速傅里叶变换，将傅里叶矩阵的奇数列全部排在偶数列前面，这个重新排列相当于矩阵右乘置换矩阵，设置/>，重排后的矩阵为：
；
其中，为对角矩阵，其/>元素为/>，则离散傅里叶变换通过两个长度为m的变换求得；
S7.6、设置采样点数，然后对采样点进行截断或者补0，求得各个三角信号的系数值/>后，通过确定原始信号中的振动主频，从而得到飞行器模型振动特性。
本发明的有益效果：
本发明所述的一种基于监控相机的飞行器模型振动测量方法，利用风洞试验段中多个监控相机拍下录像数据，采用图形处理方法，测量飞行器模型在发生振动时的数据，补偿数据精度影响。试验中振动往往对数据精度有着关键影响，传统的测量方法需要在模型安装专业的测量仪器，受限于模型内部条件与试验条件，而并不是所有试验中都可以安装测量仪器，在试验前也无法准确预测振动是否会发生，如果一个试验在未安装测量仪器的情况下发生振动，就很难对振动干扰的采集数据进行修正。而监控相机是实时进行拍摄的，是试验中的必备条件，当发现振动出现时，可以根据数据采集时间提取视频信息，对视频处理分析得到模型的振动特征，尤其是振动频率，进而对采集到的数据进行针对性滤波处理，能够有效的分离出振动载荷的干扰，提高测量数据品质。
附图说明
图1为本发明所述的一种基于监控相机的飞行器模型振动测量方法的流程图；
图2为本发明所述的一种基于监控相机的飞行器模型振动测量方法的识别每个单帧图像的荧光标识点边界识别前的照片；
图3为本发明所述的一种基于监控相机的飞行器模型振动测量方法的识别每个单帧图像的荧光标识点边界识别后的照片；
图4为本发明所述的一种基于监控相机的飞行器模型振动测量方法的标定板的立体示意图；
图5为本发明所述的一种基于监控相机的飞行器模型振动测量方法的象限仪摆放位置示意图。
图6为本发明所述的一种基于监控相机的飞行器模型振动测量方法的实际测量得到的圆环中心坐标随帧数变化曲线。
图7为本发明所述的一种基于监控相机的飞行器模型振动测量方法的飞行器模型振动频率性。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及具体实施方式，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施方式仅用以解释本发明，并不用于限定本发明，即所描述的具体实施方式仅仅是本发明一部分实施方式，而不是全部的具体实施方式。通常在此处附图中描述和展示的本发明具体实施方式的组件可以以各种不同的配置来布置和设计，本发明还可以具有其他实施方式。
因此，以下对在附图中提供的本发明的具体实施方式的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定具体实施方式。基于本发明的具体实施方式，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他具体实施方式，都属于本发明保护的范围。
为能进一步了解本发明的发明内容、特点及功效，兹例举以下具体实施方式，并配合附图1-附图7详细说明如下 ：
具体实施方式一：
一种基于监控相机的飞行器模型振动测量方法，包括如下步骤：
S1、风洞试验开始前，安装好飞行器模型之后，调整监控相机的角度、视野范围，使飞行器模型处于监控相机视野的正中心位置；
S2、标定飞行器模型与监控相机的位置关系；
进一步的，步骤S2标定飞行器模型与监控相机的位置关系的具体实现方法为：
S2.1、设置标定板为一个正方形板，正方形板的尺寸为500mm×500mm，标定板尾部安装有法兰用于连接到支杆末端，标定板的安装位置与飞行器模型的安装位置一致；
S2.2、首先将标定板调整水平，采用的方法是调整飞行器模型的俯仰和滚转角度，利用象限仪测量标定板的安放角度，调整方法为首先将象限仪摆放姿态垂直于气流方向，并贴合尾部边界位置，调整飞行器模型滚转角，使象限仪示数小于0.01度；之后将象限仪平行于气流方向摆放，摆放位置贴近于标定板尾部的靠近法兰位置并对齐，调整飞行器模型俯仰角，使象限仪示数小于0.01度；
S2.3、完成步骤S2.2的调整后，利用监控相机拍摄一张照片，采用梯度法拾取正方形板的边界，得到像素数目与实际长度的对应关系，完成试验前的标定；
由于监控相机的分辨率是固定的，测量图形在监控相机视野中像素位置的变化，根据标定关系，即可确定其在实际情况下的移动距离；
S3、在飞行器模型表面设置荧光标识点，所述荧光标识点为圆形，荧光标识点设置于监控相机视野范围内；
进一步的，步骤S3中采用紫光灯照射飞行器模型表面设置荧光标识点；荧光标识点间要有足够的间距，尤其要避免边界重叠；
S4、进行风洞试验，监控相机记录并存储风洞试验视频数据，风洞试验结束之后，读取风洞试验视频数据并逐帧分解为单帧图像；
进一步的，步骤S4中利用Mathematica软件读取风洞试验视频数据并逐帧分解为单帧图像；
S5、将步骤S4得到的每个单帧图像，进行特征捕捉，识别每个单帧图像的荧光标识点边界，然后筛选每个单帧图像的荧光标识点边界；
进一步的，步骤S5的具体实现方法包括如下步骤：
S5.1、设置步骤S4得到的每个单帧图像的图像函数为二维矩阵函数，利用梯度法计算每个单帧图像的变化率，识别每个单帧图像的荧光标识点边界；
每个单帧图像的图像函数的梯度表达式/>为：
；
其中，为每个单帧图像的像素点；
每个单帧图像的图像函数的幅值表达式/>为：
；
设置每个单帧图像的灰度值为，则根据差分求导，得到以下计算公式：
；
；
其中，为离散矩阵的x方向导数的一阶展开，/>为离散矩阵的y方向导数一阶展开；
则计算处的梯度值/>，计算公式为：
；
S5.2、设置将灰度值高于设定值的像素点设置为高亮，低于设定值的灰度像素点设置为0，提取过滤后的每个单帧图像的荧光标识点边界的像素点坐标，得到n个每个单帧图像的荧光标识点的边界点坐标为，i为n中的任意一个；
S5.3、根据最小二乘法将步骤S5.2过滤后的每个单帧图像的荧光标识点边界进行筛选，具体方法包括如下步骤：
S5.3.1、通过最小二乘法拟合荧光标识点为圆，设置圆心坐标为，半径为r，则得到圆的方程为：
；
将圆的方程进行改写，得到以下公式为：
；
设置，则得到方程：
；
S5.3.2、将步骤S5.2得到的n个每个单帧图像的荧光标识点的边界点坐标代入S5.3.1得到的方程，得到超定方程组如下：
；
S5.3.3、根据步骤S5.3.2的超定方程组得到最小二乘解方程为：
；
其中，；
得到最小二乘法的圆心为，半径为/>；
S5.3.4、计算步骤S5.3.3得到的拟合圆的面积，和荧光标识点的真实面积比较，拟合圆的面积的取值范围为：
0.7*荧光标识点的真实面积≤拟合圆的面积≤1.3*荧光标识点的真实面积
删除拟合圆的面积的取值范围以外的荧光标识点边界，得到筛选后的每个单帧图像的荧光标识点边界；
进一步的，步骤S5中对筛选后的每个单帧图像的荧光标识点边界进行圆度测量，具体实现方法为：设置向量R，则具有圆度测量公式为：
；
利用来作为每个单帧图像的荧光标识点与圆的度量，得到筛选后的每个单帧图像的荧光标识点边界圆；
进一步的，对于图像中的边界，在图像边界位置的像素值会发生较明显变化，因此特征边界附近会有较大的亮度梯度，由于模型表面贴有荧光点，在视频中，这些点会产生明显的梯度边界，可以通过梯度法捕捉到这个边界，如图2和图3所示。提取边界之后，将边界高亮化显示。使用导数（梯度），衡量图像灰度的变化率，在计算机处理中，图像就是二维矩阵函数。正因如此，可以把图像看成二维离散函数，图像梯度其实就是这个二维离散函数的求导。如果一副图像的相邻灰度值有变化，那么梯度就存在，如果图像相邻的像素没有变化，那么梯度就是0。在提取边界过程中，会有很多非标识点边界混入，这时就需要通过边界的形状和面积来筛选出所需要边界。对于一张图像中，可能会包含很多形状的边界图形，通过图像分割算法，将图像分割为单连通区域，对于每个分割的单连通区域，筛选出目标边界。
S6、根据步骤S5得到的每个单帧图像的荧光标识点边界计算每个单帧图像的荧光标识点中心坐标；
进一步的，步骤S6根据步骤S5筛选后的每个单帧图像的荧光标识点边界圆计算每个单帧图像的荧光标识点边界圆的几何中心，为每个单帧图像的荧光标识点中心坐标；
S7、根据步骤S6得到的每个单帧图像的荧光标识点中心坐标连线得到飞行器模型振动时程曲线，通过傅里叶变换得到飞行器模型振动特性；
进一步的，步骤S7的具体实现方法包括如下步骤：
S7.1、设置表示测量的时域信号，取内积区间/>，采用一个三角多项式来表达函数/>，表达式为：
；
其中，k为角频率，为，/>为复数形式三角级数的系数，/>为复数形式的三角级数；
设置信号的时间序列为，则得到各个采样点位置的采样值的表达式为：
；
S7.2、采用数值积分方法进行函数的逼近，表达式为：
；
其中，为傅里叶系数的逼近，采样数为N；采样数N越大，/>和/>越接近；
S7.3、设置为相邻采样的级数的增量，则表达式为：
；
则得到
；
S7.4、设置为一个周期内采样数据值的平均值，表达式为：
；
其中，，/>，/>为/>矩阵，其/>元素由给出；
S7.5、进行快速傅里叶变换，将傅里叶矩阵的奇数列全部排在偶数列前面，这个重新排列相当于矩阵右乘置换矩阵，设置/>，重排后的矩阵为：
；
其中，为对角矩阵，其/>元素为/>，则离散傅里叶变换通过两个长度为m的变换求得；
S7.6、设置采样点数，然后对采样点进行截断或者补0，求得各个三角信号的系数值/>后，通过确定原始信号中的振动主频，从而得到飞行器模型振动特性。
需要说明的是，术语“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
虽然在上文中已经参考具体实施方式对本申请进行了描述，然而在不脱离本申请的范围的情况下，可以对其进行各种改进并且可以用等效物替换其中的部件。尤其是，只要不存在结构冲突，本申请所披露的具体实施方式中的各项特征均可通过任意方式相互结合起来使用，在本说明书中未对这些组合的情况进行穷举性的描述仅仅是出于省略篇幅和节约资源的考虑。因此，本申请并不局限于文中公开的特定具体实施方式，而是包括落入权利要求的范围内的所有技术方案。

Claims (4)

1.一种基于监控相机的飞行器模型振动测量方法，其特征在于，包括如下步骤：
S1、风洞试验开始前，安装好飞行器模型之后，调整监控相机的角度、视野范围，使飞行器模型处于监控相机视野的正中心位置；
S2、标定飞行器模型与监控相机的位置关系；
步骤S2标定飞行器模型与监控相机的位置关系的具体实现方法为：
S2.1、设置标定板为一个正方形板，正方形板的尺寸为500mm×500mm，标定板尾部安装有法兰用于连接到支杆末端，标定板的安装位置与飞行器模型的安装位置一致；
S2.2、首先将标定板调整水平，采用的方法是调整飞行器模型的俯仰和滚转角度，利用象限仪测量标定板的安放角度，调整方法为首先将象限仪摆放姿态垂直于气流方向，并贴合尾部边界位置，调整飞行器模型滚转角，使象限仪示数小于0.01度；之后将象限仪平行于气流方向摆放，摆放位置贴近于标定板尾部的靠近法兰位置并对齐，调整飞行器模型俯仰角，使象限仪示数小于0.01度；
S2.3、完成步骤S2.2的调整后，利用监控相机拍摄一张照片，采用梯度法拾取正方形板的边界，确定飞行器模型与监控相机的位置关系；
S3、在飞行器模型表面设置荧光标识点，所述荧光标识点为圆形，荧光标识点设置于监控相机视野范围内；
S4、进行风洞试验，监控相机记录并存储风洞试验视频数据，风洞试验结束之后，读取风洞试验视频数据并逐帧分解为单帧图像；
S5、将步骤S4得到的每个单帧图像，进行特征捕捉，识别每个单帧图像的荧光标识点边界，然后筛选每个单帧图像的荧光标识点边界；
步骤S5的具体实现方法包括如下步骤：
S5.1、设置步骤S4得到的每个单帧图像的图像函数为二维矩阵函数，利用梯度法计算每个单帧图像的变化率，识别每个单帧图像的荧光标识点边界；
每个单帧图像的图像函数f(x,y)的梯度表达式为：
其中，(x,y)为每个单帧图像的像素点；
每个单帧图像的图像函数f(x,y)的幅值表达式为：
设置每个单帧图像的灰度值为H(x,y)，则根据差分求导，得到以下计算公式：
Gx(x,y)＝H(x+1,y)-H(x-1,y)
Gy(x,y)＝H(x,y+1)-H(x,y-1)
其中，Gx(x,y)为离散矩阵的x方向导数的一阶展开，Gy(x,y)为离散矩阵的y方向导数一阶展开；
则计算(x,y)处的梯度值G(x,y)，计算公式为：
S5.2、设置将灰度值高于设定值的像素点设置为高亮，低于设定值的灰度像素点设置为0，提取过滤后的每个单帧图像的荧光标识点边界的像素点坐标，得到n个每个单帧图像的荧光标识点的边界点坐标为(x1,y1),(x2,y2),…(xi,yi)…(xn,yn)，i为n中的任意一个；
S5.3、根据最小二乘法将步骤S5.2过滤后的每个单帧图像的荧光标识点边界进行筛选，具体方法包括如下步骤：
S5.3.1、通过最小二乘法拟合荧光标识点为圆，设置圆心坐标为(c1,c2)，半径为r，则得到圆的方程为：
(x-c1)2+(y-c2)2＝r2
将圆的方程进行改写，得到以下公式为：
设置则得到方程：
2xc1+2yc2+c3＝x2+y2
S5.3.2、将步骤S5.2得到的n个每个单帧图像的荧光标识点的边界点坐标代入S5.3.1得到的方程，得到超定方程组如下：
S5.3.3、根据步骤S5.3.2的超定方程组得到最小二乘解方程为：
其中，
得到最小二乘法的圆心为(c1,c2)，半径为
S5.3.4、计算步骤S5.3.3得到的拟合圆的面积，和荧光标识点的真实面积比较，拟合圆的面积的取值范围为：
0.7*荧光标识点的真实面积≤拟合圆的面积≤1.3*荧光标识点的真实面积
删除拟合圆的面积的取值范围以外的荧光标识点边界，得到筛选后的每个单帧图像的荧光标识点边界；
步骤S5中对筛选后的每个单帧图像的荧光标识点边界进行圆度测量，具体实现方法为：设置向量R，则具有圆度测量公式为：
ri＝R2-(xi-c1)2-(yi-c2)2,i＝1,2,…,n
利用||R||来作为每个单帧图像的荧光标识点与圆的度量，得到筛选后的每个单帧图像的荧光标识点边界圆；
S6、根据步骤S5得到的每个单帧图像的荧光标识点边界计算每个单帧图像的荧光标识点中心坐标；
步骤S6根据步骤S5筛选后的每个单帧图像的荧光标识点边界圆计算每个单帧图像的荧光标识点边界圆的几何中心，为每个单帧图像的荧光标识点中心坐标；
S7、根据步骤S6得到的每个单帧图像的荧光标识点中心坐标连线得到飞行器模型振动时程曲线，通过傅里叶变换得到飞行器模型振动特性；
步骤S7的具体实现方法包括如下步骤：
S7.1、设置f(x)表示测量的时域信号，取内积区间[0,2π]，采用一个三角多项式来表达函数f(x)，表达式为：
其中，k为角频率，tn(x)为，ck为复数形式三角级数的系数，eikx为复数形式的三角级数；
设置信号的时间序列为x0,x1,…xn，则得到各个采样点位置的采样值的表达式为：
y0＝f(x0),y1＝f(x1),…yN-1＝f(xN-1)；
S7.2、采用数值积分方法进行函数f(x)的逼近，表达式为：
其中，dk为傅里叶系数的逼近，采样数为N；
S7.3、设置ωN为相邻采样的级数的增量，则表达式为：
则得到
S7.4、设置z为一个周期内采样数据值的平均值，表达式为：
d＝FNz
其中，y＝(y0,y1,…yN-1)T，d＝(d1,d2…,dN)T，FN为N×N矩阵，其(j,k)元素由 给出；
S7.5、进行快速傅里叶变换，将傅里叶矩阵的奇数列全部排在偶数列前面，这个重新排列相当于矩阵FN右乘置换矩阵，设置N＝2m，重排后的矩阵为：
其中，Dm为对角矩阵，其(i,j)元素为则离散傅里叶变换通过两个长度为m的变换求得；
S7.6、设置采样点数N＝2k，然后对采样点进行截断或者补0，求得各个三角信号的系数值dk后，通过确定原始信号中的振动主频，从而得到飞行器模型振动特性。
2.根据权利要求1所述的一种基于监控相机的飞行器模型振动测量方法，其特征在于，步骤S3中采用紫光灯照射飞行器模型表面设置荧光标识点。
3.根据权利要求2所述的一种基于监控相机的飞行器模型振动测量方法，其特征在于，步骤S3中所述荧光标识点的个数为1-3个。
4.根据权利要求3所述的一种基于监控相机的飞行器模型振动测量方法，其特征在于，步骤S4中利用Mathematica软件读取风洞试验视频数据并逐帧分解为单帧图像。
CN202310852144.9A 2023-07-12 2023-07-12 一种基于监控相机的飞行器模型振动测量方法 Active CN116593121B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310852144.9A CN116593121B (zh) 2023-07-12 2023-07-12 一种基于监控相机的飞行器模型振动测量方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310852144.9A CN116593121B (zh) 2023-07-12 2023-07-12 一种基于监控相机的飞行器模型振动测量方法

Publications (2)

Publication Number Publication Date
CN116593121A CN116593121A (zh) 2023-08-15
CN116593121B true CN116593121B (zh) 2023-10-24

Family

ID=87608415

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310852144.9A Active CN116593121B (zh) 2023-07-12 2023-07-12 一种基于监控相机的飞行器模型振动测量方法

Country Status (1)

Country Link
CN (1) CN116593121B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117048848B (zh) * 2023-10-12 2024-01-05 中国飞机强度研究所 一种用于全尺寸飞机试验的空间姿态及变形测试方法

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6484049B1 (en) * 2000-04-28 2002-11-19 Ge Medical Systems Global Technology Company, Llc Fluoroscopic tracking and visualization system
CN102680201A (zh) * 2012-05-15 2012-09-19 空气动力学国家重点实验室 基于视频测量的抖振风洞试验方法
CN103364171A (zh) * 2013-07-15 2013-10-23 中国航天空气动力技术研究院 一种高速风洞模型姿态视频测量系统及测量方法
CN103697863A (zh) * 2013-12-18 2014-04-02 中国空气动力研究与发展中心高速空气动力研究所 一种多约束的风洞试验模型变形视频测量振动修正方法
CN105371851A (zh) * 2015-11-20 2016-03-02 国家测绘地理信息局卫星测绘应用中心 一种基于频域分析的卫星姿态模型构建方法
CN106895952A (zh) * 2017-03-24 2017-06-27 大连理工大学 基于视觉测量技术风洞模型振动的抑制方法
CN108399272A (zh) * 2018-01-15 2018-08-14 北京航空航天大学 人工智能程序员书写数字飞行器代码的神经网络决策方法
CN108507754A (zh) * 2018-04-10 2018-09-07 中国空气动力研究与发展中心高速空气动力研究所 抗眩光的风洞试验模型弹性变形视频测量方法
CN110514286A (zh) * 2019-07-22 2019-11-29 北京空间机电研究所 一种遥感卫星相机光轴微振动测量方法
CN111413064A (zh) * 2020-03-27 2020-07-14 智方达(天津)科技有限公司 一种对风洞中飞行器模型的响应测量方法
CN113240747A (zh) * 2021-04-21 2021-08-10 浙江大学 一种基于计算机视觉的户外结构振动位移自动化监测方法
CN113701644A (zh) * 2021-09-15 2021-11-26 南京航空航天大学 基于风洞试验高速摄像技术位移测量系统及位移测量方法
CN114111997A (zh) * 2021-11-22 2022-03-01 大连理工大学 一种基于叶端定时欠采样信号特性的叶片同步共振频率恢复方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102012106890A1 (de) * 2012-07-30 2014-01-30 Carl Zeiss Microscopy Gmbh Dreidimensionale Darstellung von Objekten

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6484049B1 (en) * 2000-04-28 2002-11-19 Ge Medical Systems Global Technology Company, Llc Fluoroscopic tracking and visualization system
CN102680201A (zh) * 2012-05-15 2012-09-19 空气动力学国家重点实验室 基于视频测量的抖振风洞试验方法
CN103364171A (zh) * 2013-07-15 2013-10-23 中国航天空气动力技术研究院 一种高速风洞模型姿态视频测量系统及测量方法
CN103697863A (zh) * 2013-12-18 2014-04-02 中国空气动力研究与发展中心高速空气动力研究所 一种多约束的风洞试验模型变形视频测量振动修正方法
CN105371851A (zh) * 2015-11-20 2016-03-02 国家测绘地理信息局卫星测绘应用中心 一种基于频域分析的卫星姿态模型构建方法
CN106895952A (zh) * 2017-03-24 2017-06-27 大连理工大学 基于视觉测量技术风洞模型振动的抑制方法
CN108399272A (zh) * 2018-01-15 2018-08-14 北京航空航天大学 人工智能程序员书写数字飞行器代码的神经网络决策方法
CN108507754A (zh) * 2018-04-10 2018-09-07 中国空气动力研究与发展中心高速空气动力研究所 抗眩光的风洞试验模型弹性变形视频测量方法
CN110514286A (zh) * 2019-07-22 2019-11-29 北京空间机电研究所 一种遥感卫星相机光轴微振动测量方法
CN111413064A (zh) * 2020-03-27 2020-07-14 智方达(天津)科技有限公司 一种对风洞中飞行器模型的响应测量方法
CN113240747A (zh) * 2021-04-21 2021-08-10 浙江大学 一种基于计算机视觉的户外结构振动位移自动化监测方法
CN113701644A (zh) * 2021-09-15 2021-11-26 南京航空航天大学 基于风洞试验高速摄像技术位移测量系统及位移测量方法
CN114111997A (zh) * 2021-11-22 2022-03-01 大连理工大学 一种基于叶端定时欠采样信号特性的叶片同步共振频率恢复方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
Remote-controlled flexible pose measurement system and method for a moving target in wind tunnel;Wei LIU, Xin MA, Ling CHEN, Zhenyuan JIA, Weixiao LIU, Xiao LI, Jiakun ZHANG, Jiwen LU;Chinese Journal of Aeronautics;第31卷(第1期);89-98 *
基于视觉SNNPD的风洞尾撑模型减振方法研究;姜雨丰;中国优秀硕士学位论文全文数据库基础科学辑(第4期);21-40 *
廖广兰，何岭松.工程测试技术基础.廖广兰，何岭松,2021,47-49. *
张晔.信号与系统 第5版.哈尔滨工业大学出版社,2020,274-279. *
许本文，焦群英.机械振动与模态分析基础.机械工业出版社,1998,242-243. *

Also Published As

Publication number Publication date
CN116593121A (zh) 2023-08-15

Similar Documents

Publication Publication Date Title
CN116593121B (zh) 一种基于监控相机的飞行器模型振动测量方法
CN109858479B (zh) 基于图像配准的机动车违法鸣笛抓拍系统
Liu et al. An improved online dimensional measurement method of large hot cylindrical forging
CN112818988A (zh) 一种指针式仪表自动识别读数方法及系统
CN111189403B (zh) 一种隧道变形的监测方法、装置及计算机可读存储介质
GB2554796A (en) Testing 3D imaging systems
CN103581660A (zh) 基于线对的全场清晰度测试方法和系统
CN114596525A (zh) 一种基于计算机视觉的动态桥梁形态识别方法
CN113838139A (zh) 图像传感器的参数检测方法、装置、电子设备及存储介质
CN111649857A (zh) 一种目标匹配分析的拉索模态测量方法
CN108983231B (zh) 一种基于视频合成孔径雷达的干涉视频测量方法
CN111626989B (zh) 针对缺失标注的病理图像的高精度检测网络训练方法
CN106646407A (zh) 雷达标定设备校验方法、装置和系统
CN113850868B (zh) 一种波浪爬高图像识别方法
JP3672371B2 (ja) 撮像手段による実空間長測定方法及び光学系の校正方法、並びに光学系の校正に用いる基準ゲージ
CN112861721A (zh) 一种自动提取背景噪声频散曲线的方法及装置
CN101726316A (zh) 内方位元素及畸变测试仪
CN111899289B (zh) 一种基于图像特征信息的红外图像与可见光图像的配准方法
CN111932573B (zh) 一种光学系统空间分辨率的自动测试方法
CN112836726A (zh) 一种基于视频信息的指针类仪表示数读取方法及装置
CN107729903A (zh) 基于区域概率统计和显著性分析的sar图像目标检测方法
CN111260735A (zh) 一种单次拍摄的lidar与全景相机的外参数标定方法
CN111473944B (zh) 观测流场中存在复杂壁面的piv数据修正方法、装置
RU2698743C1 (ru) Способ поэлементной калибровки оптического измерителя линейных размеров
CN111757101B (zh) 线阵相机静态检校装置及其检校方法

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
GR01 Patent grant