CN106124034B - 基于机器视觉的薄壁件工作模态测试装置及测试方法 - Google Patents

Abstract

本发明涉及一种基于机器视觉的薄壁件工作模态测试装置及测试方法，本发明的基于机器视觉的薄壁件工作模态测试装置包括工业相机、光源、图像采集装置及图像处理装置；所述的工业相机和光源置于待测薄壁件的前方，工业相机的镜头朝向待测薄壁件的前侧面，待测薄壁件的前侧面上设有多个反光特征点；所述的工业相机通过数据线与图像采集***连接；图像采集装置与图像处理装置连接。本发明的基于机器视觉的薄壁件工作模态测试装置结构灵活，不需要复杂的调试过程，对薄壁件表面质量要求低，且实现了非接触测量，不改变待测薄壁件的振动特性，能准确测量出薄壁件的工作模态参数，测量精度和效率高等优点。

Description

基于机器视觉的薄壁件工作模态测试装置及测试方法

技术领域

本发明涉及一种基于机器视觉的薄壁件工作模态测试装置及测试方法。

背景技术

薄壁件由于重量轻、结构效率高等优点，因此在工业生产中得到了广泛的应用。但由于薄壁件的壁厚相对整体尺寸通常都很小，并且一般刚度小、面积大，所以在机械***运行过程中很容易发生振动，从而引起机械部件之间的干扰，发出振动噪声，或者在机械长期的运动中导致机械故障，过大的振动甚至会引起毁灭性的事故，因此必需对薄壁件进行模态测试。

模态是机械结构的固有振动特性，每一个模态都有一个特定的固有频率、阻尼比和模态振型等。这些模态参数可以由计算或实验分析取得，这样一个计算或试验分析过程称为模态分析。这个分析过程如果是由有限元计算方法取得的，则称为计算模态分析；如果通过试验采集***输入和结构输出确定模态参数，称为实验模态分析；对于那些无法利用人工激励或者未知输入激励大小的被测对象无法进行实验模态测试的，称为工作模态分析。实验模态测试是在实验室比较理想的工作环境中采用人工方式激励自由状态的被测对象，以采集到的结构响应和输入的激励序列为分析基础进行模态参数识别进而获得模态参数。主要是通过加速度接触式传感器或使用多普勒激光测振仪这种非接触式振动测试传感器来进行测量。实验模态测试方法主要存在两个方面的局限性，其一要求被测对象为自由状态，其二必须是已知的输入激励。对于那些无法利用人工激励或者无法测得激励大小的被测对象无法进行实验模态测试，就必须进行工作模态分析，这种方法的优点是只需要获取输出响应数据，不需要知道输入激励数据，采集到的振动数据来源于结构实际振动的工作环境，测试结果更符合实际的边界条件、更能够反映结构在实际工作条件下的动态特性、更具有工程实际参考价值。

也可以采用加速度传感器附着于待测物体表面的方法进行物体模态的测量，但由于薄壁件自身轻质壁薄的特点，使得该方法很难对薄壁件进行一个高精度的模态测量。另外，对于一些复杂结构薄壁件的模态测量，可能会对测试的空间密度有较高的要求，为了得到一个全场高分辨率的测量结果，通常需要测量多点的振动情况，这样就必须在物体表面布置大量的传感器，而接触式传感器很难实现这方面的工作。

随着多普勒激光测振技术的发展，多普勒激光测振仪这种非接触式振动测试传感器逐渐被应用到了薄壁件的模态测量中，解决了传感器对薄壁构件产生附加质量的问题，但激光测振前期调试对准复杂，增加了调试时间和难度；且对被测物体表面质量要求较高，除此之外，还有一些全场光学振动测量方法可应用于薄壁件的模态测试，如散斑剪切变形、电子散斑模式干涉和全息干涉等，虽然这些方法具有良好的全场振动测量特性，但一般均以激光作为光源，光路非常复杂，且测量结果易受外界振动的影响，只能用于具备隔振台的实验室内进行科学研究测量，难以满足工作模态测试的需求。

综上所述，现有的关于薄壁件的工作模态测试方法已不能满足市场的需求，在这种情况下，针对薄壁件的工作模态测试问题，急需一种不会给被测工件增加附加质量、空间分辨率高、操作方便的快速测量方法来满足工业发展的需要。

发明内容

为了解决上述技术问题，本发明提供一种安装灵活、调试容易、测量高效准确的基于机器视觉的薄壁件工作模态测试装置及测试方法，实现了对薄壁件工作模态的非接触、高精度测量。

本发明的技术方案如下：一种基于机器视觉的薄壁件工作模态测试装置，包括工业相机、光源、图像采集装置及图像处理装置；所述的工业相机和光源置于待测薄壁件的前方，工业相机的镜头朝向待测薄壁件的前侧面，待测薄壁件的前侧面上设有多个反光特征点；所述的工业相机通过数据线与图像采集***连接；图像采集装置与图像处理装置连接。

上述的基于机器视觉的薄壁件工作模态测试装置中，所述的工业相机通过三脚架固定在待测薄壁件的正前方。

上述的基于机器视觉的薄壁件工作模态测试装置中，所述的工业相机采用的是CCD工业相机；所述的光源采用的是LED光源。

上述的基于机器视觉的薄壁件工作模态测试装置中，所述的薄壁件的一端通过螺栓固定在底座上。

一种基于机器视觉的薄壁件工作模态测试方法，包括如下步骤：

第1步：求取工业相机与待测薄壁件的相对位姿关系，并对工业相机的主点坐标(u₀,v₀)、水平方向的等效焦距a_x、垂直方向的等效焦距a_y、畸变参数γ进行标定；

第2步：利用力锤锤击待测薄壁件，利用工业相机连续采集此过程的全部序列图像，通过图像采集装置传送至图像处理装置，进行序列图像处理，提取出每个反光特征点的以像素为单位的振动信号，依据第1步模型并将其转化为实际单位的振动信号；

第3步：将提取的多个反光特征点的振动信息运用随机子空间识别方法进行模态参数识别，获取待测薄壁件的工作模态参数。

本发明与现有技术相比，具有以下有益效果：

(1)本发明的基于机器视觉的薄壁件工作模态测试装置，利用机器视觉测量技术跟踪薄壁件上的反光特征点的位移，可得到薄壁件上多点的振动信息，并可对多点的振动信息进行同步分析，进而可得到工作模态参数，本发明具有空间分辨率高，高效准确等优点。

(2)本发明的基于机器视觉的薄壁件工作模态测试方法不影响薄壁件的振动特性、结构灵活、操作方便；解决了激光扫描测振时调试对准复杂，对薄壁件表面质量要求高的问题；且实现了非接触测量，不改变待测薄壁件的振动特性，能准确测量出薄壁件的工作模态参数，

附图说明

图1为本发明的基于机器视觉的薄壁件工作模态测试装置的结构示意图。

图2为本发明的反光特征点在待测薄壁件上的布置图。

图3为本发明的待测薄壁件的外形尺寸图。

图4为本发明的序列图像处理的工作流程图。

图5为本发明的图像滤波去噪的程序流程图。

图6为本发明的随机子空间识别方法流程图。

图7为基于ANSYS有限元仿真的薄壁梁的一阶模态振型。

图8为基于ANSYS有限元仿真的薄壁梁的二阶模态振型。

图9为按照本发明的基于机器视觉的薄壁件工作模态测试方法获得的薄壁梁的一阶模态振型图。

图10为按照本发明的基于机器视觉的薄壁件工作模态测试方法获得的薄壁梁的二阶模态振型图。

具体实施方式

下面结合附图对本发明作进一步的说明。

如图1所示，本发明的基于机器视觉的薄壁件工作模态测试装置，包括三角架1、CCD工业相机2、LED光源3、反光特征点4、待测薄壁件5、固定底座6、图像采集装置7及图像处理装置8。待测薄壁件5的一端通过两个螺栓被固定在底座6上，另一端处于自由悬空状态。如图2所示，待测薄壁件5的前侧面的中心线上等间距设有多个反光特征点4，反光特征点4采用的是激光打印贴，反光特征点4数量依据需要灵活设置，使用前将激光打印贴在待测薄壁件5前面的中线上。CCD工业相机2通过三脚架1水平固定在待测薄壁件5的正前方，CCD工业相机2的镜头朝向待测薄壁件5的前侧面；并通过数据线连接到图像采集装置7，图像采集装置7与图像处理装置8连接，LED光源3设置在待测薄壁件5的前方，位于CCD工业相机2左侧。

利用上述基于机器视觉的薄壁件工作模态测试装置的基于机器视觉的薄壁件工作模态测试方法，包括如下步骤：

第1步：求取CCD工业相机2与待测薄壁件5的相对位姿关系，并对CCD工业相机2的主点坐标(u₀,v₀)、水平方向的等效焦距a_x、垂直方向的等效焦距a_y、畸变参数γ进行标定。

(1.1)CCD工业相机2成像过程实质是几个坐标系之间的转化过程，包括世界坐标系到相机坐标系的刚体变换，CCD工业相机2坐标系到图像坐标系的透视变换以及图像坐标系到图像像素坐标系的变换，其数学模型如下：

式(1)中：f为工业相机的焦距；a_x为u轴上的等效焦距；a_y为v轴上的等效焦距；(u₀,v₀)为图像的主点坐标，畸变因子γ＝f·α，α是相机畸变描述参数，通过相机标定获得；当γ＝0时，像素平面为矩形，当γ≠0时，像素平面不为矩形；(X_c,Y_c,Z_c)、(X_wp,Y_wp,Z_wp)分别为相机坐标系和世界坐标系下的坐标，R为3×3的单位正交旋转矩阵，T为3×1的平移矩阵，通过相机标定获得；M₁为3×4投影矩阵；M₁为内参数矩阵，由相机内参数a_x、a_y、γ、u₀、v₀决定；M₂为外参数矩阵，由工业相机相对于世界坐标系的外参数决定。

(1.2)利用CCD工业相机2成像模型，采用平面棋盘格标定板来确定CCD工业相机2的内外参数，在CCD工业相机2的视场范围内采集不同位姿的25幅棋盘格标定板图像，对25幅标定图像利用编写的程序进行焦点提取，标定计算获得CCD工业相机2的内参数以及畸变参数，将其中一幅标定板与CCD工业相机2相对位姿关系作为CCD工业相机2与待测薄壁件5的相对位姿关系。

第2步：用力锤锤击待测薄壁件5，其中力锤的输入激励未知，待测薄壁件5在约束条件下产生振动，CCD工业相机2连续采集此过程的全部序列图像，通过图像采集装置7传送至图像处理装置8中，进行序列图像处理，提取出每个反光特征点4的振动信号，依据第1步模型并将其转化为实际单位的振动信号。

(2.1)根据第一帧图像中12个反光特征点4的位置以及待测薄壁件5的最大振幅，确定一个最大的测试区域ROI；本发明中，只考虑待测薄壁件5的水平波动的模态振型，待测薄壁件5在竖直方向振动，在640×480像素的图像中，待测薄壁件5在图像的宽度方向始终在视场范围内，当图像高度方向的像素达到一定数量时，即待测薄壁件5出现最大振幅时，再增加处理的像素对处理结果基本无影响，但会增加整个计算时间。因此，图像高度方向上仅处理一部分像素数，以缩短处理时间。因此，对每次序列图像的第一帧图像可手动交互式框选矩形测试区域ROI，测试区域ROI的宽度为图像宽度，高度为上下最大振幅，测试区域ROI确定之后可自动用于接下来的所有帧图像。

(2.2)采用自适应小波阈值去噪方法对测试区域ROI内的图像进行处理；

(2.3)对滤波去噪后的测试区域ROI使用灰度线性变换来增强图像的亮度；在振动过程中，由于CCD工业相机2的采样率比较高，曝光时间短，采用普通LED光源3增加整个视场的亮度，但由于待测薄壁件5上下振动，可能会导致部分序列图像的光照不均，造成后续分割不全，采用灰度线性变换可以提高前景和背景的对比度，避免后续分割出错。

(2.4)采用最大类间方差阈值分割方法提取12个反光特征点的光斑区域；最大类间方差法是将图像直方图在某一阈值处分隔开，计算分开的两组间的方差，当方差达到最大值时，分割阈值为最佳阈值。然后利用此阈值将图像进行分割转化为二值图像。

(2.5)采用形态学方法对分割出来的12个反光特征点的光斑区域进行形态学闭运算。

(2.6)根据上述处理后反光特征点光斑面积的大小，选取合适的高低面积阈值，剔除掉图像中其他干扰区域，使得剩下的二值图像中只包含反光特征点的光斑，计算每个反光特征点光斑的质心坐标，并记录为测点像素坐标保存，以像素为单位的横坐标u及纵坐标v；提取光斑质心的数学公式如下：

式(2)中：M、N表示光斑区域共有M行N列的像素点构成；i表示像素点所在的行；j表示像素点所在的列；f(i，j)为第i行第j列的像素点灰度值。

(2.7)根据采集的序列图像顺序，依次提取出每个反光特征点4的振动位移信号，并按照第1步建立的模型将像素单位转化为实际的物理单位，获得12个反光特征点4的实际振动位移信号。

第3步：将提取的多个反光特征点的振动信息运用随机子空间识别方法可进行模态参数识别，获取待测薄壁件5的工作模态参数。

实验验证：

利用本发明的基于机器视觉的薄壁件工作模态测试方法，对材料为铝，长度为777mm，宽50mm，厚2mm的薄壁梁的工作振动模态进行测试，CCD工业相机2为IMI公司生产的工业相机，调整CCD工业相机2与薄壁梁的距离，使薄壁梁的图像位于整个视场内，测得CCD工业相机离薄壁梁大约2.4m，通过数据线与图像采集装置7连接，左前方放置LED光源3，薄壁梁一端悬空，另一端通过螺栓固定在底座6上，薄壁梁的侧表面中线处贴有反光特征点4。

首先打开图像采集装置7设置好CCD工业相机2的参数，相机帧频为200fps，曝光时间为900us，分辨率为640×480，用力锤锤击薄壁梁，同时，进行连续图像采集，将所采集的数据在图像处理装置8进行处理，就可以得到薄壁梁的工作模态参数。

根据薄壁梁的尺寸，利用ANSYS软件，在workbench中的DM模块中直接建立好薄壁梁的三维模型，薄壁梁材料为铝，密度2750kg/m³,杨氏模量为6.9×10¹⁰pa,泊松比为0.35。考虑到此处的结构简单，选用自动划分网格的方式，网格大小为1.5mm,这里给有限元模型加上一些适当的约束模拟实验的环境。表1为有限元仿真分析与本方法得到的模态参数，除去有限元仿真中出现的摆动和平动的振型。可得出薄壁梁的有限元分析的前二阶模态固有频率分别为3.71HZ和22.81HZ，与实验测试值的误差基本都在10％以内，两种方法的模态分析效果基本一致，仅存在一些细微的差别。但由于实验的中一些复杂因素在仿真中是没法模拟的，也就决定了这些差别存在的必然性。因此，通过本方法得到的模态测试结果是正确的。

表1有限元仿真分析与本方法获得结果对比

阶次	有限元仿真固频(Hz)	本方法得到的固频(Hz)	识别的模态阻尼比
				1	3.73	3.54	0.01
2	22.94	22.78	0.02

Claims (2)

1.一种基于机器视觉的薄壁件工作模态测试方法，其采用基于机器视觉的薄壁件工作模态测试装置实现，基于机器视觉的薄壁件工作模态测试方包括工业相机、光源、图像采集装置及图像处理装置；所述的工业相机和光源置于待测薄壁件的前方，工业相机的镜头朝向待测薄壁件的前侧面，待测薄壁件的前侧面上设有多个反光特征点；所述的工业相机通过数据线与图像采集***连接；图像采集装置与图像处理装置连接；

包括如下步骤：

第1步：求取工业相机与待测薄壁件的相对位姿关系，并对工业相机的主点坐标(u0,v0)、水平方向的等效焦距ax、垂直方向的等效焦距ay、畸变参数γ进行标定；

第2步：利用力锤锤击待测薄壁件，利用工业相机连续采集此过程的全部序列图像，通过图像采集装置传送至图像处理装置，进行序列图像处理，提取出每个反光特征点的以像素为单位的振动信号，依据第1步模型并将其转化为实际单位的振动信号；

第3步：将提取的多个反光特征点的振动信息运用随机子空间识别方法进行模态参数识别，获取工作模态参数；

第1步具体操作如下：

(1.1)工业相机成像过程实质是几个坐标系之间的转化过程，包括世界坐标系到相机坐标系的刚体变换，工业相机坐标系到图像坐标系的透视变换以及图像坐标系到图像像素坐标系的变换，其数学模型如下：

式中：f为工业相机的焦距；a_x为u轴上的等效焦距；a_y为v轴上的等效焦距；(u₀,v₀)为图像的主点坐标，畸变因子γ＝f·α，α是相机畸变描述参数，通过相机标定获得；当γ＝0时，像素平面为矩形，当γ≠0时，像素平面不为矩形；(X_c,Y_c,Z_c)、(X_wp,Y_wp,Z_wp)分别为相机坐标系和世界坐标系下的坐标，R为3×3的单位正交旋转矩阵，T为3×1的平移矩阵，通过相机标定获得；M₁为3×4投影矩阵；M₁为内参数矩阵，由相机内参数a_x、a_y、γ、u₀、v₀决定；M₂为外参数矩阵，由工业相机相对于世界坐标系的外参数决定；

(1.2)利用工业相机成像模型，采用平面棋盘格标定板来确定工业相机的内外参数，在工业相机的视场范围内采集不同位姿的25幅棋盘格标定板图像，对25幅标定图像利用编写的程序进行焦点提取，标定计算获得工业相机的内参数及畸变参数，将其中一幅标定板与工业相机的相对位姿关系作为工业相机与待测薄壁件的相对位姿关系。

2.根据权利要求1所述的基于机器视觉的薄壁件工作模态测试方法，第2步具体操作如下：

(2.1)根据第一帧图像中多个反光特征点的位置以及待测薄壁件的最大振幅，确定一个测试区域ROI；

(2.2)采用自适应小波阈值去噪方法对测试区域ROI内的图像进行处理；

(2.3)对滤波去噪后的测试区域ROI使用灰度线性变换来增强图像的亮度；

(2.4)采用最大类间方差阈值分割方法提取多个反光特征点的光斑区域；

(2.5)采用形态学方法对分割出来的多个反光特征点的光斑区域进行形态学闭运算；

(2.6)根据上述处理后反光特征点光斑面积的大小，选取面积阈值，剔除掉图像中其他干扰区域，使得剩下的图像中只包含反光特征点的光斑，计算每个反光特征点光斑的质心坐标，并记录为测点像素坐标保存，以像素为单位的横坐标u及纵坐标v；提取光斑质心的数学公式如下：

式中：M、N表示光斑区域共有M行N列的像素点构成；i表示像素点所在的行；j表示像素点所在的列；f(i，j)为第i行第j列的像素点灰度值；

(2.7)根据采集的序列图像顺序，依次提取出每个反光特征点的振动位移信号，并按照第1步建立的模型将像素单位转化为实际的物理单位，获得多个反光特征点的实际振动位移信号。

Images