一种双目视觉动力学模态参数识别中丢失模态的辨识方法技术

本发明专利技术属于双目视觉动力学模态参数识别分析领域，提出了一种双目视觉动力学模态参数识别中丢失模态的辨识方法，通过引入视频放大技术，在双目识别获得结构表面全场瞬态变形图像后，对丢失频率段图像中的有效信息进行放大，实现丢失段模态参数的识别，获得丢失段结构的固有频率、振型以及阻尼特性。该项发明专利技术涉及动力学信号处理领域，特别涉及结构动力学特性的测量，本发明专利技术将视频放大技术与非接触式双目视觉动力学参数模式识别测试系统相结合，将采集到的测试图片进行视频放大，对不完整的、出现模态丢失的试验数据进行处理，得到有效可靠的模态参数，提高测试数据的完整性，减少重复测试，降低测试成本，提高效率。提高效率。提高效率。

【技术实现步骤摘要】
一种双目视觉动力学模态参数识别中丢失模态的辨识方法


[0001]本专利技术属于双目视觉动力学模态参数识别分析领域，具体涉及一种双目视觉动力学模态参数识别中丢失模态的辨识方法。

技术介绍

[0002]随着现代科学技术的持续发展，机械研究领域中各种精密复杂的机械结构应运而生，例如航空航天领域的航空发动机叶片、航天器外壳、以及交通运输领域中高速赛车以及军事舰艇的发动机曲轴等。人们在对结构外形设计的研究基础上，对结构的力学性能的要求也逐步提升。其中，模态测试研究是对其力学特性研究的重要手段，通过获得相应结构的固有频率、模态振型和阻尼比，从而明晰结构物在某一个易受影响的频率范围内各阶主要模态的特性，就可预测结构在此频段内在外部或内部各种振源作用下实际响应，从而判断对应机械结构力学性能的稳定性。
[0003]但是基于现有的实验模态测试方法，往往在测试过程中容易引入外界振动的噪声信号以及其他干扰振动信号，从而与研究目标的振动信号造成混淆；对于一些精密机械结构，由于其体积小，质量轻，精密度高、受外力作用后受影响较大等因素，常规的基于传统的贴附加速度传感器的接触式模态测试方法，由于会产生附加质量而无法获得准确的模态实验参数。
[0004]特别是在极端环境下，受限于传统接触式传感器的使用，非接触式双目视觉动力学模态参数识别大量出现，并成功应用于极端环境下的结构动力学模式识别中。但是，模态测试过程中由于激励、测试位置选择等因素的原因，不可避免的存在模态识别不完整，部分模态数据丢失的现象，影响测试结果的精度和可靠性，导致结果数据样本量受损影响之后针对试验结果数据的分析。
[0005]本专利技术提出一种解决因随机外激励以及噪声等影响导致的部分模态参数数据提取不完整、振型数据丢失的辨识方法。

技术实现思路

[0006]为解决上述技术问题，本专利技术提供一种双目视觉动力学模态参数识别中丢失模态的辨识方法，以解决现有非接触模态测试技术中的问题，为实现上述专利技术目的，本专利技术所采用的技术方案是：
[0007]一种双目视觉动力学模态参数识别中丢失模态的辨识方法，包括如下步骤：
[0008]步骤一：在被测对象表面预制散斑；
[0009]步骤二：给被测对象施加随机激励，通过双目视觉系统采集试件一定时间的运动状态图像；
[0010]步骤三：选取被测对象的待测区域，通过双目视觉系统两台相机采集到的图像，提取出该区域在采集时间段内的位移；
[0011]步骤四：通过该区域提取出的瞬态位移获得被测对象的功率谱密度函数，固有频
率以及对应的振型；
[0012]步骤五：判断该区域范围内的模态参数识别是否完整，是否存在部分模态阶数丢失的情况，如果存在模态参数丢失的情况，则对该阶模态参数对应的频率段进行步骤六～十，如果模态参数未丢失，则进行步骤十一；
[0013]步骤六：将双目视觉系统两台高速相机采集到的图像分别以时间序列合成视频；
[0014]步骤七：将合成的视频进行视频运动放大处理；
[0015]步骤八：将视频运动放大处理后的视频以时间序列分解成图像，重新将被测对象进行位移提取；
[0016]步骤九：通过提取出的被测对象一定时间的位移变化量获得功率谱密度函数，针对视频运动放大处理后的频率段，提取对应的固有频率以及对应的模态参数；
[0017]步骤十：验证步骤九中的功率谱密度函数的固有频率波峰是否对应真实丢失的模态参数，并且通过仿真计算出的该阶振型与经过视频运动放大处理后的测试振型对比来验证本次放大是否有效；
[0018]步骤十一：得到完整的模态数据。
[0019]进一步的，所述步骤四和所述步骤九中，针对提取出的位移，通过贝叶斯运行模态计算的方法，来识别结构的固有频率以及对应的振型等模态参数。
[0020]进一步的，所述步骤十中，通过奇异谱来验证步骤九中的功率谱密度函数的固有频率波峰是否是真实的丢失模态参数。
[0021]进一步的，所述步骤七中，根据图像采集时所用的采样频率，针对需要处理的频率段将视频进行特定倍数的视频运动放大处理。
[0022]进一步的，所述步骤七中，进行视频运动放大处理时，在空间分解、时域滤波、相位去噪以及运动放大后，用复数可操纵金字塔对各子带图像进行重建，从而得到放大后的视频图像。
[0023]进一步的，空间分解时，通过对输入的合成的视频进行分解，从而得到合成的视频的各帧子带图像。
[0024]进一步的，所述第二步：空时域滤波时，利用时域带通滤波器来对每个空间位置、各个方向、各个尺度的图像的相位进行滤波
[0025]本专利技术具有以下有益效果：
[0026]本专利技术将视频放大技术与非接触式双目视觉动力学参数模式识别测试系统相结合，将采集到的测试图片进行视频放大，对不完整的、出现模态丢失的试验数据进行处理，得到有效可靠的模态参数数据，提高测试数据的完整性，减少重复测试，降低测试成本，提高效率。
附图说明
[0027]图1为本专利技术一种双目视觉动力学模态参数识别中丢失模态的辨识方法的流程图；
[0028]图2为视频放大原理流程图；
[0029]图3为被视频放大处理后被测对象局部的时间切片对比图；
[0030]图4为被视频放大处理后识别出来的功率谱密度函数图对比图，图中(a)为放大
前，(b)为放大后；
[0031]图5为被视频放大处理后识别出来的局部功率谱密度函数图和奇异谱图对比图，图中(a)为功率谱密度函数图，(b)为奇异谱图；
[0032]图6为被视频放大处理后识别出来的固有频率对应的振型和仿真结果对比，图中(a)为固有频率对应的振型，(b)为被测对象通过有限元模态仿真得到的对应的仿真结果。
具体实施方式
[0033]下面将结合本专利技术实施例中的图1
‑
图6，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本专利技术一部分实施例，而不是全部的实施例，若未特别指明，实施例中所用的技术手段为本领域技术人员所熟知的常规手段。
[0034]本专利技术提出了一种双目视觉动力学模态参数识别中丢失模态的辨识方法，通过引入视频放大技术，在双目识别得到结构表面全场瞬态变形图像后，对视频中出现信息丢失情况的频率段的视频有效信息进行放大，实现丢失段模态参数的识别，获得丢失段结构的固有频率、振型以及阻尼特性。该项专利技术涉及动力学信号处理领域，特别涉及结构动力学特性的测量。
[0035]本专利技术的完整技术方案如下：
[0036]参考图1，一种双目视觉动力学模态参数识别中丢失模态的辨识方法，包括以下步骤：
[0037]步骤一：在被测对象表面预制合适大小以及一定密度以及随机度的散斑；
[0038]步骤二：给被测对象施加随机激励，通过双目视觉系统以高频率(优选频率范围为500hz
‑
3000hz)采集试件(即被测对象)一定时间的运动状态图像；
[0039]步骤三本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种双目视觉动力学模态参数识别中丢失模态的辨识方法，其特征在于，包括如下步骤：步骤一：在被测对象表面预制散斑；步骤二：给被测对象施加随机激励，通过双目视觉系统采集试件一定时间的运动状态图像；步骤三：选取被测对象的待测区域，通过双目视觉系统两台相机采集到的图像，提取出该区域在采集时间段内的位移；步骤四：通过该区域提取出的瞬态位移获得被测对象的功率谱密度函数，固有频率以及对应的振型；步骤五：判断该区域范围内的模态参数识别是否完整，是否存在部分模态阶数丢失的情况，如果存在模态参数丢失的情况，则对该阶模态参数对应的频率段进行步骤六～十，如果模态参数未丢失，则进行步骤十一；步骤六：将双目视觉系统两台高速相机采集到的图像分别以时间序列合成视频；步骤七：将合成的视频进行视频运动放大处理；步骤八：将视频运动放大处理后的视频以时间序列分解成图像，重新将被测对象进行位移提取；步骤九：通过提取出的被测对象一定时间的位移变化量获得功率谱密度函数，针对视频运动放大处理后的频率段，提取对应的固有频率以及对应的模态参数；步骤十：验证步骤九中的功率谱密度函数的固有频率波峰是否对应真实丢失的模态参数，并且通过仿真计算出的该阶振型与经过...

【专利技术属性】
技术研发人员：胡育佳，赵浩兰，朱坚民，姚宇朕，孙一泽，朱宸辰，
申请(专利权)人：上海理工大学，
类型：发明
国别省市：