一种基于欧拉-拉格朗日混合框架的结构振型可视化方法技术

本发明专利技术公开了一种基于欧拉

【技术实现步骤摘要】
一种基于欧拉
‑
拉格朗日混合框架的结构振型可视化方法


[0001]本专利技术属于结构振动分析
，具体的说是一种基于欧拉
‑
拉格朗日混合框架的结构振型可视化方法。

技术介绍

[0002]结构在运动时的振动往往蕴含着结构自身的本征参数，或者反映结构的运动状态。视觉检测技术作为非接触测量方法的重要组成部分，在多种工程领域得到了很好的应用。视觉测量方法的优势有：可以实现较远距离的测量，无负载效应，可以实现全场多尺度下的测量，执行软件自动化程度高等。然而对于视频中幅值微小的变化，传统的视觉测量方法难以捕捉这些信号，针对这类应用场景，运动放大算法非常适合对视频内微小的运动和结构形变情况进行分析，对环境中微小激励产生的物体运动的分析成为可能。
[0003]作为一种将视频中的细微变化可视化的技术，运动放大算法通过操纵平面内像素(拉格朗日视角)或时序像素灰度变化(欧拉视角)来增强视频中的空间振动。基于拉格朗日视角的运动处理方法通过在图像平面上移动像素来实现运动放大，因此不会出现伪影，但是缺点是对细微运动不敏感，且受到抗噪性能的限制，所以基于拉格朗日视角的运动放大很少用于结构模态测试。基于欧拉视角的运动处理方法中，与增加噪声功率的线性方法不同，基于相位的运动处理方法不容易收到图像噪声的干扰，但是计算效率较低，并且当取较大放大系数时重构后的视频会产生伪影。

技术实现思路

[0004]本专利技术是为了解决上述现有技术存在的不足之处，提出一种基于欧拉
‑
拉格朗日混合框架的结构振型可视化方法，以期能更好地实现全局空间运动解耦以及提升运动场的精度，从而能降低算法的复杂度，并且提高可视化结构振型的质量。
[0005]本专利技术为达到上述专利技术目的，采用如下技术方案：
[0006]本专利技术一种基于欧拉
‑
拉格朗日混合框架的结构振型可视化方法的特点在于，包括如下步骤：
[0007]步骤1，利用相机获取梁结构的运动视频数据集合D，并将所述运动视频数据集合D中前t1时刻图像平面内的梁结构划分为m块离散区域{r
j
(t)|j＝1,2,
…
,m；t＝0,1,2,
…
,t1}，其中，r
j
(t)表示第t时刻图像平面内的梁结构所划分的第j块离散区域，m表示离散区域的数目；
[0008]利用亚像素精度的图像匹配算法对所划分的所有m块离散区域{r
j
(t)|j＝1,2,
…
,m；t＝0,1,2,
…
,t1}进行处理，从而得到m块离散区域在时域上耦合的振动信号{δ(r
j
,t)|j＝1,2,
…
,m；t＝0,1,2,
…
,t1}，其中，δ(r
j
,t)表示第j块离散区域r
j
(t)在第t时刻的亚像素位移；
[0009]步骤2，利用式(1)所示的基于拉格朗日视角的运动处理方法对耦合的振动信号{δ(r
j
,t)|j＝1,2,
…
,m；t＝0,1,2,
…
,t1}进行表征，从而利用盲源分离算法对表征后的振动
信号进行求解，得到混合矩阵A和解耦后的前t1时刻梁结构的前k阶模态响应信号{δ
i
(t)|i＝1,2,
…
,k；t＝0,1,2,
…
,t1}；
[0010][0011]式(1)中，k表示激活的模态数目；δ
i
(t)表示第t时刻梁结构的第i阶模态响应信号；
[0012]步骤3，根据模态叠加原理，利用式(2)所示的基于欧拉视角的运动处理方法构建空间运动和结构像素灰度变化的关系式，并对式(2)进行求解，获得梁结构在图像平面内的空间权值
[0013][0014]式(2)中，ω
i
(x
n
)表示图像平面内第n个像素x
n
的位置上与梁结构的第i阶模态相关的空间权值系数；f(x
n
)表示图像平面内第n个像素x
n
的位置上的初始位移方程；表示图像平面内第n个像素x
n
的位置上关于梁结构的第i阶模态响应的空间权值；N表示图像平面内像素的总数；B(x
n
,t)表示图像平面内第t时刻第n个像素x
n
的位置与初始时刻第n个像素x
n
的位置之间的灰度差值；
[0015]步骤4，根据式(3)求取第t时刻图像平面内第n个像素x
n
的位置上与梁结构的第i阶模态相关的图像灰度从而得到前t1时刻图像平面内与梁结构的前k阶模态相关的所有N个像素位置的图像灰度
[0016][0017]式(3)中，I(x
n
,0)表示初始时刻图像平面内第n个像素x
n
位置上的图像灰度；
[0018]步骤5，通过卷积平滑和构建掩膜的方式对Demons算法进行优化，利用优化后的Demons算法对初始时刻图像平面内所有N个像素位置的图像灰度{I(x
n
,0)|n＝1,2,
…
,N}以及前t1时刻与
梁结构的前k阶模态相关的图像灰度进行处理，得到与梁结构前k阶模态中的单一模态相关的帧间稠密运动场表示只与梁结构第i阶模态相关的帧间稠密运动场；
[0019]步骤6，根据帧间稠密运动场利用运动补偿算法对初始时刻图像平面内所有N个像素位置的图像灰度{I(x
n
,0)|n＝1,2,
…
,N}进行处理，获取前t1时刻图像平面内所有N个像素位置与梁结构前k阶模态相关的图像灰度其中，表示第t时刻图像平面内第n个像素x
n
的位置上与梁结构第i阶模态相关的图像灰度。
[0020]本专利技术所述的基于欧拉
‑
拉格朗日混合框架的结构振型可视化方法的特点在于，所述步骤5包括：
[0021]步骤5.1定义当前迭代次数为g，并初始化g＝1；定义最大迭代次数为g
max
；定义第g次迭代下与梁结构第i阶模态相关的帧间稠密运动场为并初始化为与图像平面同维度的零向量场；
[0022]步骤5.2通过计算式(4)的最小值求解第g次迭代下的更新运动场
[0023][0024]式(4)中，表示第g次迭代下关于第i阶模态的代价函数；σ
p
表示图像噪音；σ
x
表示空间不确定性参数；表示映射操作；||
·
||表示范数；
[0025]步骤5.3根据式(5)对第g次迭代下的更新运动场进行高斯卷积操作，得到第g次迭代下正则化后的更新运动场
[0026][0027]式(5)中，表示高斯卷积操作；G表示高斯核；
[0028]步骤5.4根据式(6)得到第g次迭代本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于欧拉
‑
拉格朗日混合框架的结构振型可视化方法，其特征在于，包括如下步骤：步骤1，利用相机获取梁结构的运动视频数据集合D，并将所述运动视频数据集合D中前t1时刻图像平面内的梁结构划分为m块离散区域{r
j
(t)|j＝1,2,
…
,m；t＝0,1,2,
…
,t1}，其中，r
j
(t)表示第t时刻图像平面内的梁结构所划分的第j块离散区域，m表示离散区域的数目；利用亚像素精度的图像匹配算法对所划分的所有m块离散区域{r
j
(t)|j＝1,2,
…
,m；t＝0,1,2,
…
,t1}进行处理，从而得到m块离散区域在时域上耦合的振动信号{δ(r
j
,t)|j＝1,2,
…
,m；t＝0,1,2,
…
,t1}，其中，δ(r
j
,t)表示第j块离散区域r
j
(t)在第t时刻的亚像素位移；步骤2，利用式(1)所示的基于拉格朗日视角的运动处理方法对耦合的振动信号{δ(r
j
,t)|j＝1,2,
…
,m；t＝0,1,2,
…
,t1}进行表征，从而利用盲源分离算法对表征后的振动信号进行求解，得到混合矩阵A和解耦后的前t1时刻梁结构的前k阶模态响应信号{δ
i
(t)|i＝1,2,
…
,k；t＝0,1,2,
…
,t1}；式(1)中，k表示激活的模态数目；δ
i
(t)表示第t时刻梁结构的第i阶模态响应信号；步骤3，根据模态叠加原理，利用式(2)所示的基于欧拉视角的运动处理方法构建空间运动和结构像素灰度变化的关系式，并对式(2)进行求解，获得梁结构在图像平面内的空间权值权值式(2)中，ω
i
(x
n
)表示图像平面内第n个像素x
n
的位置上与梁结构的第i阶模态相关的空间权值系数；f(x
n
)表示图像平面内第n个像素x
n
的位置上的初始位移方程；表示图像平面内第n个像素x
n
的位置上关于梁结构的第i阶模态响应的空间权值；N表示图像
平面内像素的总数；B(x
n
,t)表示图像平面内第t时刻第n个像素x
n
的位置与初始时刻第n个像素x
n
的位置之间的灰度差值；步骤4，根据式(3)求取第t时刻图像平面内第n个像素x
n
的位置上与梁结构的第i阶模态相关的图像灰度从而得到前t1时刻图像平面内与梁结构的前k阶模态相关的所有N个像素位置...

【专利技术属性】
技术研发人员：杨冬，张飞，陈伟，严波，薛为浩，张大山，张安东，
申请(专利权)人：中国科学技术大学先进技术研究院，
类型：发明
国别省市：