CN117490823A - 一种基于视觉测量的新型振动提取与振型观测方法 - Google Patents

Abstract

本发明涉及结构振动分析技术领域，公开了种基于视觉测量的新型振动提取与振型观测方法，包括如下步骤：步骤一、搭建测量平台，利用高速相机获取被测结构的运动视频数据；步骤二、定位边缘区域，获取运动视频中结构边缘所有位置的时序像素切片，组成时序矩阵；步骤三、基于偏差提取算法，提取结构边缘时序矩阵上亚像素精度的振动信号。本发明提出的基于视觉测量的新型振动提取与振型观测方法，首先无需在被测结构上布置接触式传感器，降低了测量难度和测量成本；其次通过视觉测量振动信号，提高了空间分辨率；最后利用偏差提取算法，仅关注结构边缘的时序扰动，提升了结构振动分析与振型观测的效率。

Description

一种基于视觉测量的新型振动提取与振型观测方法

技术领域

本发明涉及结构振动分析技术领域，尤其涉及一种基于视觉测量的新型振动提取与振型观测方法。

背景技术

振动现象广泛存在于各种工程应用中，如机械、车辆和建筑领域。运行中的工程结构和设备会产生大量振动信号，这些信号中包含着结构内在特性和状况信息，对于反映系统状态及其变化规律至关重要。随着科学技术的进步，非接触测量在振动测量领域变得越来越重要，成为了一个研究的关键方向。

相对于接触式传感器而言，基于视觉的非接触式测量方法具有多项优势，包括高精度、普适性、多点测量能力以及长期稳定的工作性能，并且能够提供更高的空间分辨率，使得基于相机的设备成为振动信号全场测量的理想选择，这为实际应用和研究领域带来了重要的价值和意义。

传统的接触式传感器在实验模态试验中通常能提供高精度和可靠的数据。然而，这些传感器需要在被测结构表面进行安装，复杂耗时且容易产生负载效应。

基于视觉的设备具有灵活的结构和更高的空间分辨率，使其更适合进行远程安装和全场测试。对于工程应用而言，考虑全场的振动提取过程相当耗时，结构振型观测流程复杂繁琐，难以实现快速、高精度振动信号提取与振型观测。

发明内容

为解决背景技术中所提出的技术问题，本发明提供一种基于视觉测量的新型振动提取与振型观测方法，利用结构边缘时序扰动提取边缘位置的振动信号，进而进行时间、空间上的解耦，实现对结构的振型进行观测的目的，在提升效率的同时降低了模态分析的难度与成本。

本发明采用以下技术方案实现：一种基于视觉测量的新型振动提取与振型观测方法，包括如下步骤：

步骤一、搭建测量平台，利用高速相机获取被测结构的运动视频数据；

步骤二、定位边缘区域，获取运动视频中结构边缘所有位置的时序像素切片，组成时序矩阵；

步骤三、基于偏差提取算法，提取结构边缘时序矩阵上亚像素精度的振动信号；

步骤四、利用变分模态分解算法对振动信号进行解耦，获取结构的各阶模态响应；

步骤五、根据振动理论，系统振动的总响应可以表示为对应权值的模态振型的线性叠加，根据解耦后的振动信号和各阶模态响应，获取结构各阶模态的空间权值；

步骤六、根据解耦后的振动信号和结构各阶模态的空间权值，可实现结构的振型观测。

具体地，所述步骤三中，按如下流程进行：

假设合成图像为I(x,y)且沿着x轴方向有一条平整的直线边缘，I(x,y)在y方向上做单自由度运动，组成I(x,y)的像素共有N列，提取时序上所有图像帧中第n列x_n的像素灰度值作为采样图像且/>时序上的运动信号/>仅与t坐标值相关，因此的边缘轮廓可以用来表征/>定义图像t时刻x_n处的像素采样为/>

若时序上无运动则像素采样与t坐标无关，即/>若时序上存在运动/>则有

采样图像的共同边缘轮廓/>是通过聚合时序上所有可用的像素采样来计算的，又因为运动信号/>为一微小值，所以可以用边缘轮廓的平均值来计算假设图像噪声/>在每个像素独立分布，则/>可以表示为

对使用一阶泰勒展开：

则像素在t坐标处的平均值为：

其中μ_f为在t方向上的均值，D_t为t方向上的图像帧数

由于μ_f同样为一微小值，因此再次使用泰勒展开有：

至此，在t坐标处的平均值就可以通过参数μ_f进行近似；

在实际的计算中，我们使用近似表示/>则运动信号可以通过计算与实际观测值的最小平方误差实现

此时运动信号可以近似表达为：

其中，为结构在时序上所有图像帧中第n列x_n的像素灰度值，/>为标准边缘轮廓的运动信号，/>为/>的一维数值梯度，/>为结构振动信号；

由此可得结构边缘的振动信号，此时提取的振动信号是耦合的。

具体地，所述步骤四中，利用变分模态分解算法对某一非节点位置的边缘振动信号进行分解，得到解耦后的分量，获取结构的各阶模态响应q_i(t)，并对固有频率和阻尼比等模态参数进行估计。

具体地，根据模态叠加原理，结构各个边缘位置的振动可以表示为各阶模态响应的线性组合

p(t)为结构振动信号，k为被激发的最高阶模态阶数，φ_i为结构第i阶模态空间权值系数，q_i(t)为结构第i阶的模态响应，α_i是衰减系数

因此结构的边缘振动信号和模态响应的关系可以表示为：

实际应用中，利用解耦后的振动信号以及各阶模态响应，根据上述公式可以计算出结构各阶模态的空间权值φ_i。

相比现有技术，本发明的有益效果在于：

本发明提出的基于视觉测量的新型振动提取与振型观测方法，首先无需在被测结构上布置接触式传感器，降低了测量难度和测量成本；其次通过视觉测量振动信号，提高了空间分辨率；最后利用偏差提取算法，仅关注结构边缘的时序扰动，提升了结构振动分析与振型观测的效率。

附图说明

图1为本发明的悬臂梁结构试验现场图；

图2为本发明的结构边缘时序矩阵图；

图3为本发明的耦合振动信号图；

图4为本发明的解耦后前三阶模态响应及频谱图；

图5为本发明的可视化结构振型；

具体实施方式

下面，结合附图以及具体实施方式，对本发明做进一步描述，需要说明的是，在不相冲突的前提下，以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。

实施例1：

参照图1-5，本方案提出的一种基于视觉测量的新型振动提取与振型观测方法，包括如下步骤：

步骤一、搭建测量平台，利用高速相机获取被测结构的运动视频数据；如图1所示，即悬臂梁结构试验现场图。在实际应用中，被测结构件可以为梁、柱、剪力墙、桁架、车身等结构件。可以理解的是，本发明实施例并不对结构件的具体形式进行限定，任何用于受力或者起到支撑、连接作用的物理构件均可以作为结构件。

步骤二、定位边缘区域，获取运动视频中结构边缘所有位置的时序像素切片，组成时序矩阵；

步骤三、基于偏差提取算法，提取结构边缘时序矩阵上亚像素精度的振动信号；

具体地，所述步骤三中，按如下流程进行：

假设合成图像为I(x,y)且沿着x轴方向有一条平整的直线边缘，I(x,y)在y方向上做单自由度运动，组成I(x,y)的像素共有N列，提取时序上所有图像帧中第n列x_n的像素灰度值作为采样图像且/>时序上的运动信号/>仅与t坐标值相关，因此的边缘轮廓可以用来表征/>定义图像t时刻x_n处的像素采样为/>

若时序上无运动则像素采样与t坐标无关，即/>若时序上存在运动/>则有

采样图像的共同边缘轮廓/>是通过聚合时序上所有可用的像素采样来计算的，又因为运动信号/>为一微小值，所以可以用边缘轮廓的平均值来计算假设图像噪声/>在每个像素独立分布，则/>可以表示为

对使用一阶泰勒展开：

则像素在t坐标处的平均值为：

其中μ_f为在t方向上的均值，D_t为t方向上的图像帧数

由于μ_f同样为一微小值，因此再次使用泰勒展开有：

至此，在t坐标处的平均值就可以通过参数μ_f进行近似；

在实际的计算中，我们使用近似表示/>则运动信号可以通过计算与实际观测值的最小平方误差实现

此时运动信号f_xn(t)可以近似表达为：

其中，为结构在时序上所有图像帧中第n列x_n的像素灰度值，/>为标准边缘轮廓的运动信号，/>为/>的一维数值梯度，/>为结构振动信号；

由此可得结构边缘的振动信号，此时提取的振动信号是耦合的，如图3所示

步骤四、利用变分模态分解算法对振动信号进行解耦，获取结构的各阶模态响应；具体地，所述步骤四中，利用变分模态分解算法对某一非节点位置的边缘振动信号进行分解，得到解耦后的分量，获取结构的各阶模态响应q_i(t)，并对固有频率和阻尼比等模态参数进行估计。q_i(t)如图4所示。

步骤五、根据振动理论，系统振动的总响应可以表示为对应权值的模态振型的线性叠加，根据解耦后的振动信号和各阶模态响应，获取结构各阶模态的空间权值；

具体地，根据模态叠加原理，结构各个边缘位置的振动可以表示为各阶模态响应的线性组合

p(t)为结构振动信号，k为被激发的最高阶模态阶数，φ_i为结构第i阶模态空间权值系数，q_i(t)为结构第i阶的模态响应，α_i是衰减系数

因此结构的边缘振动信号和模态响应的关系可以表示为：

实际应用中，利用解耦后的振动信号以及各阶模态响应，根据上述公式可以计算出结构各阶模态的空间权值φ_i。

步骤六、根据解耦后的振动信号和结构各阶模态的空间权值，可实现结构的振型观测。如图5所示。

上述实施方式仅为本发明的优选实施方式，不能以此来限定本发明保护的范围，本领域的技术人员在本发明的基础上所做的任何非实质性的变化及替换均属于本发明所要求保护的范围。

Claims (4)

1.一种基于视觉测量的新型振动提取与振型观测方法，其特征在于，包括如下步骤：

步骤一、搭建测量平台，利用高速相机获取被测结构的运动视频数据；

步骤二、定位边缘区域，获取运动视频中结构边缘所有位置的时序像素切片，组成时序矩阵；

步骤三、基于偏差提取算法，提取结构边缘时序矩阵上亚像素精度的振动信号；

步骤四、利用变分模态分解算法对振动信号进行解耦，获取结构的各阶模态响应；

步骤五、根据振动理论，系统振动的总响应可以表示为对应权值的模态振型的线性叠加，根据解耦后的振动信号和各阶模态响应，获取结构各阶模态的空间权值；

步骤六、根据解耦后的振动信号和结构各阶模态的空间权值，可实现结构的振型观测。

2.如权利要求1所述的一种基于视觉测量的新型振动提取与振型观测方法，其特征在于，所述步骤三中，具体地：

假设合成图像为I(x,y)且沿着x轴方向有一条平整的直线边缘，I(x,y)在y方向上做单自由度运动，组成I(x,y)的像素共有N列，提取时序上所有图像帧中第n列x_n的像素灰度值作为采样图像且/>时序上的运动信号/>仅与t坐标值相关，因此/>的边缘轮廓可以用来表征/>定义图像t时刻x_n处的像素采样为/>

若时序上无运动则像素采样与t坐标无关，即/>若时序上存在运动/>则有

采样图像的共同边缘轮廓/>是通过聚合时序上所有可用的像素采样来计算的，又因为运动信号/>为一微小值，所以可以用边缘轮廓的平均值来计算假设图像噪声/>在每个像素独立分布，则/>可以表示为

对使用一阶泰勒展开：

则像素在t坐标处的平均值为：

其中μ_f为在t方向上的均值，D_t为t方向上的图像帧数

由于μ_f同样为一微小值，因此再次使用泰勒展开有：

至此，在t坐标处的平均值就可以通过参数μ_f进行近似；

在实际的计算中，我们使用近似表示/>则运动信号可以通过计算与实际观测值的最小平方误差实现

此时运动信号可以近似表达为：

其中，为结构在时序上所有图像帧中第n列x_n的像素灰度值，/>为标准边缘轮廓的运动信号，/>为/>的一维数值梯度，/>为结构振动信号；

由此可得结构边缘的振动信号，此时提取的振动信号是耦合的。

3.如权利要求1所述的一种基于视觉测量的新型振动提取与振型观测方法，其特征在于，所述步骤四中，利用变分模态分解算法对某一非节点位置的边缘振动信号进行分解，得到解耦后的分量，获取结构的各阶模态响应q_i(t)，并对固有频率和阻尼比等模态参数进行估计。

4.如权利要求1所述的，其特征在于，所述步骤五中，根据模态叠加原理，结构各个边缘位置的振动可以表示为各阶模态响应的线性组合

p(t)为结构振动信号，k为被激发的最高阶模态阶数，φ_i为结构第i阶模态空间权值系数，q_i(t)为结构第i阶的模态响应，α_i是衰减系数

因此结构的边缘振动信号和模态响应的关系可以表示为：

实际应用中，利用解耦后的振动信号以及各阶模态响应，根据上述公式可以计算出结构各阶模态的空间权值φ_i。