[发明专利]一种基于计算机视觉及变分模态分解的结构模态识别方法

说明书

本发明公开了一种基于计算机视觉及变分模态分解的结构模态识别方法，包括：采集结构物的振动视频，并选取振动视频中满足预设像素级的像素点，作为特征点；利用Farneback稠密光流算法计算所选取的各特征点的速度；利用尺度变换的方式计算各特征点在真实地面坐标系下的速度及加速度，得到非平稳序列的加速度信号；利用变分模态分解方法对加速度信号进行降噪处理；利用频域分解法识别降噪处理后的加速度信号，得到结构物在各阶模态下的振动特性。本发明采用非接触式方式利用改进的光流算法对结构物的振动视频进行计算和多模态提取，以实现结构动力特性的实时、高效、低成本检测。

技术领域

本发明涉及结构动力测试技术领域，更具体的说是涉及一种基于计算机视觉及变分模态分解的结构模态识别方法。

背景技术

目前国内外常用的结构动力检测方法有自由振动法、共振法和脉动法等。自由振动法是一种使结构受到冲击荷载而产生自由振动以测量动力特性的试验方法，为使结构产生自由振动，通常采用突加荷载和突卸荷载等方式。共振法则是采用专门的起振机对结构施加简谐动荷载，使结构产生恒定的强迫简谐振动，利用共振现象来对结构进行模态参数识别。自由振动法和共振法均需要人为给结构物输入振动信号，因此要求试验使用的激振设备性能优良，且测试会受到结构物大小和形式的限制。脉动法则是直接利用环境激励下结构物产生的随机振动信号进行动力特性分析。以上结构动力检测方法均需要相关传感器和数采设备，因此存在测点有限、检测不便的问题。

随着视觉传感器的快速发展，基于计算机视觉技术的结构动力检测展现出强大的潜力，使得运用非接触式传感器进行模态识别具有了可行性。目前模态参数识别有频域方法和时域方法，频域方法有峰值拾取法，频域分解法(FDD)，最大似然估计法等。时域方法有时间序列分析法，随机子空间算法、随机减量技术、自然激励技术及特征值算法等。在进行模态参数识别时，需采取适当方法对数据进行预处理以提高模态识别精度。目前常用的信号处理方法为经验模态分解法(EMD)，该方法基于瞬时频率和本征模态函数(IMF)的概念，能够将信号分解为若干个IMF分量，每个IMF表征信号的局部特征，该方法主要缺点之一是模态混叠的频繁出现。

因此，如何提供一种无需接触式传感器和专业数据采集设备，利用光流算法对结构物的振动视频进行计算和提取，以实现结构动力特性的实时、高效检测的基于计算机视觉及变分模态分解的结构模态识别方法是本领域技术人员亟需解决的问题。

发明内容

有鉴于此，本发明提供了一种基于计算机视觉及变分模态分解的结构模态识别方法，无需接触式传感器和专业数据采集设备，利用改进的光流算法对结构物的振动视频进行计算和提取，以实现结构动力特性的实时、高效检测。

为了实现上述目的，本发明采用如下技术方案：

一种基于计算机视觉及变分模态分解的结构模态识别方法，包括以下步骤：

采集结构物的振动视频，并选取所述振动视频中满足预设像素级的像素点，作为特征点；

利用Farneback稠密光流算法计算所选取的各所述特征点的速度；

利用尺度变换的方式计算各所述特征点在真实地面坐标系下的速度及加速度，得到非平稳序列的加速度信号；

利用变分模态分解方法对所述加速度信号进行降噪处理；

利用频域分解法识别降噪处理后的加速度信号，得到结构物在各阶模态下的振动特性。

优选的，在上述一种基于计算机视觉及变分模态分解的结构模态识别方法中，所述利用Farneback稠密光流算法计算所选取的各所述特征点的速度，包括：

采用高斯金字塔对振动视频中的各视频帧图像进行多尺度描述，得到各特征点在高斯金字塔中不同尺度图像平面的位移量；

采用高斯金字塔对各特征点的位移量进行估计，得到各特征点在时间域上的振动位移量变化；