一种基于欧拉-拉格朗日混合框架的结构振型可视化方法

技术领域

本发明属于结构振动分析技术领域，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。

背景技术

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。

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。

发明内容

本发明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。

本发明为达到上述发明目的，采用如下技术方案：

本发明一种基于欧拉-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：

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t

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

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

式(1)中，k表示激活的模态数目；δ

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

式(2)中，ω

步骤4，根据式(3)求取第t时刻图像平面内第n个像素x

式(3)中，I(x

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

步骤6，根据帧间稠密运动场

本发明所述的基于欧拉-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：

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

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

式(4)中，

步骤5.3根据式(5)对第g次迭代下的更新运动场

式(5)中，

步骤5.4根据式(6)得到第g次迭代下剔除背景运动干扰后与梁结构的第i阶模态相关的帧间运动场

式(6)中，M表示根据梁结构构建的图像掩膜；D表示卷积核；*表示乘法运算；

步骤5.5判断g＞g

步骤5.6根据式(7)对

本发明一种电子设备，包括存储器以及处理器，其特征在于，所述存储器用于存储支持处理器执行所述结构振型可视化方法的程序，所述处理器被配置为用于执行所述存储器中存储的程序。

本发明一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，其特征在于，所述计算机程序被处理器运行时执行所述结构振型可视化方法的步骤。

与现有技术相比，本发明的有益效果在于：

1、本发明利用结构模态响应作为欧拉和拉格朗日运动描述交互的媒介，更好地实现了全局空间运动解耦。

2、本发明利用优化后的Demons算法获取与结构单一模态相关的帧间稠密运动场，提升了运动场精度，降低了算法的复杂度，提高了可视化结构振型的质量。

附图说明

图1为本发明的一种基于欧拉-拉格朗日混合框架的结构振型可视化方法的流程图；

图2为本发明的在离散区域布置有标靶的被测梁结构图；

图3为本发明的从梁结构离散区域提取到的耦合振动信号图；

图4为本发明的解耦后与单一模态相关的模态响应信号及其频谱图；

图5为本发明的掩膜图；

图6为本发明的可视化结构振型图。

具体实施方式

本实施例中，一种基于欧拉-拉格朗日混合框架的结构振型可视化方法，如图1所示，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，基于结构局部刚性的假设，将所述运动视频数据集合D中前t

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

步骤2，在实际应用中，梁结构的振动可以根据式(1)表示为各阶模态响应的线性组合：

式(1)中，i表示模态阶数；k表示激活的模态数目；w

拉格朗日视角中，像素可以看成是粒子，通过捕捉这些粒子的轨迹来追踪梁结构的运动。实际应用中，在图像上追踪所有粒子的轨迹，再对轨迹进行解耦需要耗费大量的计算资源和时间，所以可以通过梁结构上离散区域内的振动信号，来计算梁结构的各阶模态响应信号。

利用式(2)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

步骤3，基于欧拉视角的运动处理方法，时序的像素灰度变化可以表征图像平面内结构的空间运动，因此可以根据式(3)表示：

I(x

式(3)中，I(x

式(3)也可以通过一阶泰勒展开来近似表示，如式(4)所示：

式(4)中，

因此空间运动和结构像素灰度变化的关系可以根据式(5)表示，并对式(5)进行求解，获得梁结构在图像平面内的空间权值

/>

式(5)中，

B(x

步骤4，根据式(6)求取第t时刻图像平面内第n个像素x

式(6)中，I(x

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，其中，卷积平滑用于滤除图像中的高频噪音，构建掩膜用于剔除图像中背景运动的干扰。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

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

步骤5.2通过计算式(7)的最小值求解第g次迭代下的更新运动场

式(7)中，

步骤5.3根据式(8)对第g次迭代下的更新运动场

式(5)中，

步骤5.4根据式(9)得到第g次迭代下剔除背景运动干扰后与梁结构的第i阶模态相关的帧间运动场

/>

式(9)中，M表示图像掩膜，如图5所示，根据梁结构的外形来构建掩膜；D表示卷积核；*表示乘法运算；

步骤5.5判断g＞g

步骤5.6根据式(7)对

步骤6，根据帧间稠密运动场

本实施例中，一种电子设备，包括存储器以及处理器，该存储器用于存储支持处理器执行上述结构振型可视化方法的程序，该处理器被配置为用于执行所述存储器中存储的程序。

本实施例中，一种计算机可读存储介质，是在计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述结构振型可视化方法的步骤。