CN116757941A - 一种基于时移相位差的机械设备微小振动可视化方法 - Google Patents

Abstract

一种基于时移相位差的机械设备微小振动可视化方法属于振动监测领域，尤其涉及基于机器视觉的非接触式振动监测。首先，采用图像金字塔对输入视频图像进行多尺度分解，得到图像多个空间尺度和方向子带的信息，并计算各个空间尺度和方向子带内的局部相位信号；接着，按时序构造输入视频图像的时序相位信号；然后，利用相位时差法对时序相位信号进行频率估计，计算得出观测目标点微小运动的中心频率并设计时域带通滤波器，通过时域带通滤波器获取感兴趣频带范围内的时序相位信号；最后，利用线性放大方法对目标运动信号进行放大，最终输出微小振动可视化视频结果。本发明实现了振动可视化的自动化处理，同时简化了算法步骤，减少了算法运行时间。

Description

一种基于时移相位差的机械设备微小振动可视化方法

技术领域

本发明涉及机械设备振动监测领域，尤其涉及基于机器视觉的非接触式振动监测，具体涉及一种基于时移相位差的微小振动自动放大方法。首先利用高斯下采样方法对输入视频图像进行多尺度分析，计算得到观测目标点的时序相位信号；然后利用时移相位差法对时序相位信号进行中心频率估计，确定视频内微小振动参数；接着将获取的微小振动参数作为入参设计时域带通滤波器，使得观测目标点的时序相位信号经滤波后只保留微小振动的时序相位信号；最后利用泰勒一阶展开逼近目标信号函数，乘以一定的放大倍数，实现微小振动信号的放大，输出机械设备微小振动可视化视频结果。本发明属于机械振动监测领域，具体涉及机器视觉，数字图像处理等技术。

背景技术

振动是自然界物质向外传递能量的运动形式之一，机械设备运行过程中伴随着大量的振动，振动可反映设备的运动特点，同时包含丰富的设备状态信息，对于评估机械设备的健康状态和运行可靠性至关重要。

为满足某些特殊场景下的非接触式振动测量需求，各种非接触式振动测量技术和仪器得到研发，包括激光多普勒测振仪，声学测振仪等，实现了非接触式测量，然而仍无法解决全局多点检测和环境噪声干扰问题。近年来，随着工业相机等数码设备的性能提升和计算机图像处理技术的高速发展，基于机器视觉的非接触式振动测量技术发展迅速，基于机器视觉的振动测量技术可将亚像素级别的运动放大至人眼可视化的程度，进而测量详细的振动信息。该技术方法整体包括五个步骤，首选利用高速工业相机进行视频采集，对采集的高速视频采用微小振动放大技术进行物体运动放大处理，对放大后的高速视频进行光流计算，根据光流计算结果得到振动频率、相位、幅值和能量谱，并得到该标记点的振动测量结果，然而上述技术实现过程中需要人工设置带通滤波器参数，这些参数需要专业人员采用专业设备检测获取。

公开号为CN111307487A，专利《一种基于微小运动放大的旋转机械振动测量方法》的中国专利提出了一种提出一种基于微小运动放大的旋转机械振动测量方法，专利方法首次将该技术应用旋转机械振动监测领域，但在实施过程中，微小运动放大处理时所需要的滤波器参数仍需人工手动设定。

文献《基于S变换的非平稳微小运动自动放大》的论文提出了一种基于S变换自动确定带通滤波器的即时相关参数并设计了相应的动态滤波器，实现了视频微小运动的全自动放大。然而，上述计算过程增加了算法的复杂度，造成寻找参数耗时的问题，不利于该技术的应用与推广。

综上所述，本发明提出了一种基于时移相位差的微小振动自动放大方法。该方法以输入视频的时序相位信号为研究对象，采用时移相位差法估计信号的中心频率，以此检测输入视频内微小振动的相关参数信息，并将获取的参数用于设计时域带通滤波器。本发明提出方法解决了视频内微小振动参数依赖人的经验的问题，无需人工干预即可实现感兴趣微小振动的人眼可视化处理，实现了振动可视化的自动化处理，同时运动参数检测依据时移相位差法，简化了算法步骤，降低了算法运行成本，减少了算法运行时间，提升了该技术的应用便利性。

发明内容

本发明提出一种基于时移相位差的微小振动参数估计方法。该方法以连续帧图片中微小振动的时序相位信号作为分析对象，首先通过对输入视频图像进行高斯下采样获取观测目标点的时序相位信号，然后利用时移相位差方法估计输入信号的中心频率，接着依据获取的微小振动参数设计时域带通滤波器，最后实现对微小振动的自动放大。本发明提出的基于时移相位差的微小振动自动放大方法实现流程如附图1所示，包括以下4个步骤：

步骤1：获取时序相位信号。

步骤1.1图像降噪

本发明处理对象为数字视频信号，视频图像为黑白图像，将输入视频定义为f_t(x,y,n)，t表示视频帧的时间标签，n表示输入视频包含帧图像的数量。首先对输入视频图像进行降噪处理，降噪过程采用小波阈值压缩方法进行图像去噪处理。

步骤1.2构建时序相位信号

对每一帧图像采用高斯下采样方法进行多尺度分解后，得到输入视频的图像金字塔序列对t时刻图像/>和t+Δt时刻图像/>采用复值可操纵金字塔计算输入视频的图像局部幅值和局部相位信号，构建设定时间范围内的时序相位信号φ(x,y,n)。

步骤2：微小振动频率估计。

输入数据的采样频率，即视频采集帧数为f_s，采样长度N，首先计算图像时序相位信号的相位差Δφ，依据相位校正原理估计中心频率F。假设图像子带频率w，子带角度θ方向的相位信号φ_w,θ(x,y)时移M点后为φ_w,θ'(x,y)，时移相位系数可表示为P＝M/K，相位差采用时移相位系数表示为Δφ(x,y)＝2πλ₀P，其中λ₀为归一化频率。归一化频率λ₀，采样频率f_s，采样点数K之间的关系如公式(1)所示，

式中，l为φ_θ(x,y)中幅值最大处对应的谱线号，δ为归一化频率校正量。

步骤3：微小振动信号提取。

首先应用上述步骤获取的中心频率值F和初始信号带宽B设计巴特沃斯带通滤波器，此处带通滤波器为巴特沃斯滤波器，输入参数包括滤波器的上下截止频率，参数设置原则为上截止频率f_l＝F-B，上截止频率f_h＝F+B，然后利用设计完成的巴特沃斯滤波器对时序相位信号进行带通滤波，获得机械设备微小振动信号。

步骤4：微小振动信号放大。

令放大因子为α，即放大倍数，对步骤3所获取的微小振动信号进行一阶泰勒展开，计算相邻帧图像中微小振动信号变化值，将计算得到的微小振动信号差值乘以放大因子为α，假设微小振动信号为I(x,y,t)，令初始时刻I(x,y,0)＝f(z)，则放大后的微小振动信号δ(t)表示微小振动信号位移函数。

附图说明

图1是本发明一种基于时移相位差的机械设备微小振动可视化方法实现的示意图；

图2是本发明实施例中微小振动频率检测的流程图；

图3是本发明实施例中转子实验台微小振动原视频与微小振动可视化结果对比图，具体内容为转子实验台观测部位的XT切片图。

具体实施方式

为了更具体地描述本发明，以下将以将以转子试验台为对象，结合附图对本发明一种基于时移相位差的微小振动自动放大方法的实施方式进行详细的说明，共包括以下四个步骤。

(1)步骤1：获取时序相位信号。

步骤1.1图像去噪。

为减少视频采集过程带来的干扰，首先对输入视频图像f_t(x,y,n)进行降噪处理。降噪过程采用小波阈值压缩方法计算子区域图像在平移前后灰度值变化的平方差，如公式(2)所示：

其中：分别表示小波阈值压缩的细微亮点特征的匹配权重参数，W表示像素灰度值，C₁表示平移后像素灰度值，R₁表示平滑系数，对亮点因子归一化处理，如公式(3)所示：

其中，w^*(k)为数据在空间位置i上变量，||w(k)||为小波阈值压缩分离模态因子。当模糊图像的云顶亮点trace<m(x,y)是矩阵M(x,y)的迹时，噪点被认为在区域的内部，也就是灰度变化较小或者无变化的区域；当响应函数值C(x,y)大于某个阈值时，即认为该点就是待检测的角点，采用小波阈值压缩方法进行图像噪点检测，求得相应时刻的最佳估算值s(k|k)，输入视频图像噪声滤波器的最小通道的强度值趋向于图像背景亮度A，形成具有角点的图层小波阈值压缩库，由此完成视频图像降噪。

步骤1.2构建时序相位信号。

采用高斯下采样方法对图像进行空域多尺度分解，该步骤是为获取不同空间尺度(分辨率)下的视频图像，同一图像在不同空间尺度下所包含的图像信息不同，空间尺度越大越能反映图像中物体的整体信息，小的空间尺度包含了图像局部细节信息。对每一帧图像f(x,y)采用高斯金字塔进行下采样处理，得到多尺度下的视频图像。高斯金字塔各层级尺度计算如下：

fⁱ(x,y)＝∑_m∑_nG(m,n)f^i-1(2x+m,2y+n) (4)

式中，i表示高斯金字塔的层级，G(m,n)为高斯核函数，m表示高斯核的长度，n表示高斯核的宽度。高斯下采样次数设置为2，每次下采样后图像大小缩减为原图像的1/4，为恢复原图像尺寸，在每次下采样结束后，重新对下采样处理后的图像进行上采样处理，上采样处理过程为空缺像素点插值过程，插值取值全部为0，最终得到经多尺度分解处理后的图像金字塔；

(2)步骤2：微小振动频率检测。

以上述步骤获取的时序相位信号φ_w,θ(x,y,n)作为处理对象，阐述时移相位差法估计微小振动频率的过程。将FFT加窗的窗表示为f，假设f满足对称性要求，即f(n)＝f(N-1-n)，傅里叶变换后表示为：

F(jw)＝F_g(w)e^-jτw,τ＝(N-1)/2 (5)

式中，N表示φ_w,θ(x,y,n)信号长度。假设FFT主线谱的谱序号为c，其对应的相角可表示为：

φ(c)＝-τ(c·Δq-q₀) (6)

计算主谱线上的相位值，该相位表示为：

φ₁(c)＝θ₀-τ(c·Δq-q₀) (7)

依据傅里叶变换的时移性质，在延时T内，会产生w₀T的相移，此时主谱线上对应的相角可表示为：

φ₂(c)＝θ₀-q₀T-τ(c·Δq-q₀) (8)

计算时移相位差为w₀T的两等长序列信号的相位差值表示为：

计算输入信号的中心频率q₀：

为提高估计过程的准确性，计算归一化频率校正量对估计参数进行归一化校正。对于矩形窗，归一化频率校正量为：

式中α表示最高谱线与次高谱线的幅值之比，式中符号由次高谱线位置决定，当次高谱线位置为c+1时，取正号，反之取负号。则计算得初始归一化频率校正值为λ₁＝|c+δ₀|，计算剩余归一化频率校正量δ₁：

计算得剩余归一化频率校正量δ₁，则最终的频率校正值为：

f₁＝(λ₁+δ₁)f_s/N (13)

(3)步骤3：微小振动信号提取。

对步骤二获取的空间局部相位φ(x,y,n)进行时域带通滤波，结合步骤三中利用时移相位差法获取的微小振动瞬时频率F，动态设计时域带通滤波器，滤去冗余的频带信息后得到感兴趣频带范围内的的时序相位信号φ'(x,y,n)。

(4)步骤4：微小振动信号放大。

步骤4.1微小振动信号放大。

经步骤三后获取到感兴趣的局部相位信号φ'(x,y,n)，假设时刻t_i的空间局部相位为经过Δt时间后，该空间局部相位信号变化为/>对该信号采用一阶泰勒展开为：

Δt内的相位差为即/>乘以放大倍数α后：

则最终放大处理后空间局部相位信号表示为：

步骤4.2：视频重建及输出。

图像重建过程采用逆希尔伯特变换进行图像像素信息恢复，将放大处理后空间局部时序相位信号φ”(x,y,n)与原空间局部振幅A_θ(x,y,n₀)像结合重建每一帧图像的所有像素信息，完成全部图像的重建后输出视频结果。

Claims (3)

1.基于机器视觉的机械设备振动可视化方法，其特征在于：

首先，对输入视频图像进行多尺度分解，得到不同空间尺度下的图像，利用复值可操纵金字塔计算图像局部幅值信号和相位信号，并按帧图像顺序构建时序相位信号；

接着截取两段时序相位信号进行加窗FFT，利用对应谱线的相位差值校正出谱峰处的准确频率和相位，确定机械设备的微小振动频率参数；

之后将微小振动频率参数输入带通滤波器对时序相位信号进行滤波处理，获得感兴趣的微小振动信号；

最后，利用泰勒一阶展开逼近微小振动信号分布函数并赋予放大因子，对微小振动信号进行放大，输出机械设备微小振动可视化结果。

2.根据权利要求1所述方法，其特征在于：

步骤1：构建时序相位信号；

步骤1.1：多尺度分解输入视频图像

采用高斯下采样方法对图像进行空域多尺度分解，该步骤是为获取不同空间尺度即不同分辨率下的视频图像，同一图像在不同空间尺度下所包含的图像信息不同，空间尺度越大越能反映图像中物体的整体信息，小的空间尺度包含了图像局部细节信息；将输入图像序列表示为f_t(x,y,n)，t代表数据样本的时间标签，(x,y)表示图像像素点的坐标值，n表示输入视频包含帧图像的数量，对每一帧图像f(x,y)采用高斯金字塔进行下采样处理，得到多尺度下的视频图像；高斯金字塔各层级尺度计算如下：

fⁱ(x,y)＝∑_m∑_nG(m,n)f^i-1(2x+m,2y+n) (1)

式中，fⁱ(x,y)表示图像金字塔，i表示高斯金字塔的层级，G(m,n)为高斯核函数，m表示高斯核的长度，n表示高斯核的宽度；高斯下采样次数设置为2，即i的值设置为3，每次下采样后图像大小缩减为原图像的1/4，为恢复原图像尺寸，在每次下采样结束后，重新对下采样处理后的图像进行上采样处理，上采样处理过程为空缺像素点插值过程，插值取值全部为0，最终得到经多尺度分解处理后的图像金字塔；

步骤1.2：生成时序相位信号

分别计算各空间尺度下，图像不同方向子带的局部幅值和相位信号，经步骤1.1处理后，输入视频的图像金字塔表示为D，D表示为：

式中，，f_t ⁱ(x,y,n)表示第i层图像金字塔序列，i表示金字塔层序，k表示金字塔的层数，t表示时间标签，n表示视频帧序列，N表示样本D包含的视频帧数量；在某时刻t，输入图像为f_t ⁱ(x,y)，采用复值操纵金字塔计算f_t ⁱ(x,y)的局部幅值和相位，将其看作一对奇偶交错滤波器指定频率下的复数响应f_w,θ(x,y)表示为：

f_w,θ(x,y)＝P_w,θ(x,y)+iQ_w,θ(x,y) (3)

式中，w表示图像子带频率，θ表示子带方向，P_w,θ(x,y)表示奇偶交错滤波器的奇数滤波器响应，Q_w,θ(x,y)表示奇偶交错滤波器的偶数滤波器响应；f_t ⁱ(x,y)的局部幅值信号和相位信号表示为：

按照视频帧顺序，构建输入视频图像在子带频率w、子带方向θ处局部相位信号的时序相位信号φ_w,θ(x,y,n)。

3.根据权利要求1所述方法，其特征在于：

步骤2：微小振动频率估计；

将以上述步骤获取的时序相位信号φ_w,θ(x,y,n)作为处理对象，阐述时移相位差法估计微小振动频率的过程；将FFT加窗的窗表示为f，假设f满足对称性要求，即f(n)＝f(N-1-n)，傅里叶变换后窗函数表示为：

F(jw)＝F_g(w)e^-jwτ (6)

式中,τ表示信号周期，且τ＝(N-1)/2，N表示φ_w,θ(x,y,n)信号长度，w表示输入信号瞬时频率；假设FFT主线谱的谱序号为c，其对应的相角可表示为：

φ(c)＝-τ(c·△q-q₀) (7)

式中，△q表示相位差值，q₀表示输入信号的主频率；计算主谱线上的相位值，该相位表示为：

φ₁(c)＝θ₀-τ(c·△q-q₀) (8)

依据傅里叶变换的时移性质，在延时T内，会产生q₀T的相移，此时主谱线上对应的相角表示为：

φ₂(c)＝θ₀-q₀T-τ(c·△q-q₀) (9)

计算时移相位差为w₀T的两等长序列信号的相位差值表示为：

计算输入信号的主频率w₀：