基于机器视觉的桥梁动力特性识别方法技术

本发明专利技术公开了基于机器视觉的桥梁动力特性识别方法，包括以下步骤：S1、在移动车辆上安装加速仪形成移动采集设备；S2、驱动移动车辆匀速通过待检测桥梁，移动车辆上的加速仪采集加速度信号；S3、通过傅里叶变换获取移动车辆动力响应频谱；S4、重复10次上述操作，对动力响应频谱内的幅值Xf进行平均，并绘制能量谱密度曲线PSD，进而求取桥梁模态振型；S5、调整移动车辆位置，重复上述操作，获取多个桥梁模态振型。本发明专利技术通过基于机器视觉的桥梁动力特性识别方法，可以有效的检测桥梁动力特性，工作人员无需封锁桥梁，保证了桥梁的正常通行效率，也无需预设多个传感器，大大减低了操作难度，方便工作人员操作，也可以保证检测的准确性。也可以保证检测的准确性。也可以保证检测的准确性。

Recognition method of bridge dynamic characteristics based on machine vision

【技术实现步骤摘要】
基于机器视觉的桥梁动力特性识别方法


[0001]本专利技术属于桥梁动力学
，具体涉及基于机器视觉的桥梁动力特性识别方法。

技术介绍

[0002]桥梁一般指架设在江河湖海上，使车辆行人等能顺利通行的构筑物。桥梁一般由上部构造、下部结构、支座和附属构造物组成，其中，上部结构又称桥跨结构是跨越障碍的主要结构；下部结构包括桥台、桥墩和基础；支座为桥跨结构与桥墩或桥台的支承处所设置的传力装置；附属构造物则指桥头搭板、锥形护坡、护岸、导流工程等。
[0003]随着桥梁的长时间使用，其动力特性容易方法变化，若工作人员不能及时发现，则会引发更大的工程事故，因此，需要阶段性的对桥梁进行动力特性识别检测，为长期监测桥梁结构性能变化提供可靠依据。现有的桥梁动力特性监测方法包括静态实验和结构振动实验，但静态实验在操作时，需要封锁桥梁，进而容易影响通行，造成交通的拥堵，而结构振动实验需要预设多个传感器，且需要专门的激励方式，整体操作较为困难，也容易存在识别不精确的问题。
[0004]因此，针对上述技术问题，有必要提供基于机器视觉的桥梁动力特性识别方法。

技术实现思路

[0005]本专利技术的目的在于提供基于机器视觉的桥梁动力特性识别方法，以解决上述的桥梁动力特性识别方法存在弊端问题。
[0006]为了实现上述目的，本专利技术一实施例提供的技术方案如下：
[0007]基于机器视觉的桥梁动力特性识别方法，包括以下步骤：
[0008]S1、在移动车辆上安装加速仪形成移动采集设备；
>[0009]S2、驱动移动车辆匀速通过待检测桥梁，移动车辆上的加速仪采集加速度信号；
[0010]S3、通过傅里叶变换获取移动车辆动力响应频谱；
[0011]S4、重复10次上述操作，对动力响应频谱内的幅值Xf进行平均，并绘制能量谱密度曲线PSD，进而求取桥梁模态振型；
[0012]S5、调整移动车辆位置，重复上述操作，获取多个桥梁模态振型。
[0013]进一步地，所述S1中的移动车辆连接在牵引车辆上，牵引车辆用于驱动移动车辆进行移动，以便测量桥梁的动力特性；
[0014]移动车辆与牵引车辆通过软性连接件进行连接，用于大大降低移动车辆向牵引车辆传递的振动信号，保证振动信号采集的精准性。
[0015]进一步地，所述牵引车辆上安装有信号接收器、摄像设备和定位系统，所述信号接收器与所述加速仪无线连接，所述信号接收器用于收集加速仪采集的加速度信号，所述摄像设备用于拍摄牵引车辆的行进轨迹，保证移动车辆的移动路径，所述定位系统用于定位牵引车辆的位置，以便更好的进行数据采集。
[0016]进一步地，所述牵引车辆上安装有处理终端，所述处理终端内设有计算机程序,用于处理加速仪采集的加速度信号。
[0017]进一步地，所述移动车辆上还设有配重件，用于自由改变移动车辆自重，以便可以有效控制移动车辆本身的固有频率。
[0018]进一步地，所述移动车辆的行车速度分别为：5km/h、20km/h、40km/h、60km/h、80km/h和100km/h，便于提高桥梁动力特性的监测精确度，保证整体的测量结果，大大降低整体的监测误差。
[0019]进一步地，所述S4中桥梁模态振型的算法包括随机子空间法、频域分解法或小波分析法。
[0020]进一步地，所述频域分解法采用以下求取公式：
[0021]G
xx
＝2(X
f*
×
X
f
)
[0022]其中，X
f
为输入信号，G
xx
为加速仪自谱。
[0023]进一步地，所述频域分解法还包括以下求取公式：
[0024]H
f1
＝G
xy
/G
xx
[0025]H
f2
＝G
yy
/G
yx
[0026]G
xx
＝2(X
f*
×
X
f
)
[0027]其中，G
xy
是输入信号和输出信号傅里叶变换后的互谱。
[0028]进一步地，所述S4中PSD曲线的峰值为桥梁结构固有频率，所述桥梁结构固有频率的求取公式为：
[0029]r
f
＝G
xy
×
G
xy*
/G
xx
×
G
yy
[0030]其中，r
f
的变化范围在0
‑
1之间，当r
f
<1,有以下几种情况：
[0031](1)测量中有外界干扰信号；
[0032](2)联系x(t)和y(t)的输出有非线性，输出信号y(t)是由输入信号x(t)和其它输入信号引起的综合输出。
[0033]与现有技术相比，本专利技术具有以下优点：
[0034]本专利技术通过基于机器视觉的桥梁动力特性识别方法，可以有效的检测桥梁动力特性，工作人员无需封锁桥梁，保证了桥梁的正常通行效率，也无需预设多个传感器，大大减低了操作难度，方便工作人员操作，也可以保证检测的准确性。
附图说明
[0035]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0036]图1为本专利技术一实施例中基于机器视觉的桥梁动力特性识别方法的原理图；
[0037]图2为本专利技术一实施例中基于机器视觉的桥梁动力特性识别方法的桥梁模态振型求解公式一；
[0038]图3为本专利技术一实施例中基于机器视觉的桥梁动力特性识别方法的桥梁模态振型求解公式二；
[0039]图4为本专利技术一实施例中基于机器视觉的桥梁动力特性识别方法的桥梁模态振型求解公式三。
具体实施方式
[0040]以下将结合附图所示的各实施方式对本专利技术进行详细描述。但该等实施方式并不限制本专利技术，本领域的普通技术人员根据该等实施方式所做出的结构、方法或功能上的变换均包含在本专利技术的保护范围内。
[0041]本专利技术公开了基于机器视觉的桥梁动力特性识别方法，参考图1所示，包括以下步骤：
[0042]S1、在移动车辆上安装加速仪形成移动采集设备。
[0043]优选的，加速仪安装在移动车辆重心处，利于保证采集信号的准确性及完整性，大大提高桥梁动力特性的监测准确度。
[0044]其中，移动车辆连接在牵引车辆上，牵引车辆用于驱动移动车辆进行移动，以便测量桥梁的动力特性。
[0045]优选的，牵引车辆采用市面上常用的拖车。
[0046]另外，移动车辆与牵引车辆通过软性连接件进行连接，用于大大降低移动本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于机器视觉的桥梁动力特性识别方法，其特征在于，包括以下S1、在移动车辆上安装加速仪形成移动采集设备；S2、驱动移动车辆匀速通过待检测桥梁，移动车辆上的加速仪采集加速度信号；S3、通过傅里叶变换获取移动车辆动力响应频谱；S4、重复10次上述操作，对动力响应频谱内的幅值X
f
进行平均，并绘制能量谱密度曲线PSD，进而求取桥梁模态振型；S5、调整移动车辆位置，重复上述操作，获取多个桥梁模态振型。2.根据权利要求1所述的基于机器视觉的桥梁动力特性识别方法，其特征在于，所述S1中的移动车辆连接在牵引车辆上，且移动车辆与牵引车辆通过软性连接件进行连接。3.根据权利要求2所述的基于机器视觉的桥梁动力特性识别方法，其特征在于，所述牵引车辆上安装有信号接收器、摄像设备和定位系统，所述信号接收器与所述加速仪无线连接。4.根据权利要求3所述的基于机器视觉的桥梁动力特性识别方法，其特征在于，所述牵引车辆上安装有处理终端，所述处理终端内设有计算机程序。5.根据权利要求4所述的基于机器视觉的桥梁动力特性识别方法，其特征在于，所述移动车辆上还设有配重件，用于改变移动车辆自重。6.根据权利要求5所述的基于机器视觉的桥梁动力特性识别方法，其特征在于，所述移动车辆的行车速度分别为：5km/h、20km/h、40km/h、60km/h、80km/h和100km/h。7.根据权利要求1所述的基于机器视觉的桥梁动力特性识别方法，其特征在于，所述S4中桥梁模态振型的算法包括随机子空间法、频域分解法或小波分析法。8.根据权利要求7所述的基于机器视觉的桥梁动力特性识别方法，其特征在于，所述频域分解法...

【专利技术属性】
技术研发人员：武瑛，杨俊，朱丽军，王磊，孙彦武，
申请(专利权)人：嘉兴学院，
类型：发明
国别省市：