基于视频的机械装备全场振动测量研究

陈立群 杨天智

1 哈尔滨工业大学(深圳)理学院力学系, 广东深圳 518055

2 东北大学机械学院, 沈阳 110819

1 引 言

结构的振动、冲击等动态性能测试, 需要使用接触式或非接触式传感器. 接触式传感器需要粘贴或安装于装备表面, 常用的传感器包括加速度计、位移计、倾角仪、应变片等. 非接触式的测量仪器有激光测振仪、电涡流传感器、微波传感器、光电子传感器等. 这些传感器以“单点”的方式进行测量. 若对机械装备表面进行全场测量, 则需要在装备表面大量安装传感器. 实验人员长时间重复劳动, 安装条件的一致性难以保证. 这导致实验准备时间长且增加了冗余质量. 虽然激光测振仪等可用内置“振镜”来实现多点连续扫描, 提高了测量效率和精度, 但异形三维曲面需要设计专门机构来辅助扫描. 例如,图1为德国Polytec公司的机器人辅助激光扫描测振平台,由两套机器人手臂来辅助扫描式激光测振仪完成车身的全场振动测试. 该系统的硬件搭建较为复杂、昂贵, 校准较难且测量过程耗时多. 相比于传统的接触式传感器测量方法, 基于视频的测量技术可与其互相补充、相互验证并进一步对全局动力学行为进行可视化演示. 而相比于激光测量设备(如激光多普勒原理), 其全场测量速度有较大优势.

图1

2 原理与研究进展概述

成功应用于机械故障诊断、流体力学、智能控制等领域的机器视觉和人工智能等技术, 为装备全场测量提供新的手段, 实现了“所见即所得”的直观效果. 其技术特色在于其全场的快速测量和诊断, 可视化的结果帮助科研人员加深了机械运行机理、故障定位的全局理解. 而随着千万级超高像素光学元器件的发展, 其测量精度已可达微米级, 与接触式传感器相近. 基于视频的全场振动测量的其核心概念是基于Gibson在1950年提出的“光流”理论(Gibson 1950). 空间物体的运动信息可在视频中找到“时间−光场强度变化”的对应关系. 通过相机的初始参数标定, 利用相机帧率等数据可准确推算出装备的振动位移、速度、加速度和频率等信息. 近几年, 美国、英国、德国、日本、中国等国家都对基于机器视觉的全场测量技术加大了投入, 国内许多高校和研究所也在该技术领域取得突破, 如清华大学、北京航空航天大学、天津大学、东南大学、国防科技大学、中国科技大学、西安交通大学、南京航空航天大学、北京强度与环境研究所、中国航空工业沈阳飞机设计研究所等. 同时, 可视化技术正在与人工智能、深度学习等技术深度融合,为高精度的装备故障诊断、定位和损伤识别提供了新的技术手段(Yang Y C et al. 2020, Yang R et al. 2020, Sun 2020, Xu 2018). 值得注意的是, 这一领域已有许多专家学者发表了很全面的综述,如英国拉夫堡大学的Rothberg等(2017)对近几年的基于激光多普勒原理和高速成像原理的振动测量技术做了详细的介绍. 限于篇幅, 本文仅对传统接触式测量方法受限、但视频振动测量技术有独特优势的特殊场景进行简要评述和展望.

场景1: 大尺寸机械装备的全场动态测量

大尺寸机械装备、建筑结构的振动测量技术瓶颈是测量效率低和传感器布置复杂. 基于视频的测量技术对解决这类问题有测量速度上的优势. 由于目前CMOS成像技术的进步, 千万像素级的感光元件可同时对结构进行整体测量. 如Chen等(2018)用高速相机对朴次茅斯市的战争纪念桥进行了全场振动测量. Polytec公司也对基于视频测量技术进行探索和革新, 如图2所示,所研制的PONTOS Live三维动态运动跟踪系统采用双目相机对车身表面的标记点进行了连续振动测量(风致振动). 此方法在德国大众汽车公司的实验中得到验证, 随后被越来越多的汽车公司应用于评估汽车风洞的噪声、振动与声振粗糙度. Molina-Viedma等(2018)利用数字图像相关技术结合相位放大原理实现了对飞行器进行全尺寸的高精度振动测量, 他们采用了双目高速相机, 从而获得了飞行器的三维振动信息. 更多的视觉测量技术在大尺寸结构中的应用可参见综述(Zona 2021).

图2

场景2: 处于运动叠加中的机械装备的振动测量

除了自身振动以外, 大量的机械装备的工作状态处于叠加运动中(如处于平动和转动), 即在 “大运动中叠加着小运动”. 如车辆在运行中的振动测量、整流罩分离时的振动测试都是该类问题. 这类问题需要在大的刚体运动中分离和准确测量出小量级的机械振动, 信号分离难度很大,甚至噪声强度大于信号强度(Durand-Texte 2019). 传统的接触式传感器因布线限制, 难以应用于该场景. 典型的例子是高速转动中的风机叶片振动监测, Polytec公司为了实现叶片运动跟踪, 制造了回旋跟踪器来锁定叶尖位置, 并利用自动跟踪技术对叶尖进行振动测量. 德国的Fraunhofer光电子研究所利用回转云台来操纵激光头以实现对叶尖的跟踪测量. 美国麻省大学的Sarrafi等(2018)仅利用高速相机和光流跟踪算法成功实现了对转动中的叶片进行实时振动测量. 这一方法的思路比自动控制的回转机构更加简单直接, 且成本较低, 为利用视频技术测量运动叠加中的装备提供了新的思路.

当然, 基于机器视觉的全场测量技术也有其缺点和应用限制, 如工业环境中复杂光场对测量信号有较大的干扰, 对现场测量条件提出了更严苛的要求; 基于视频的测量技术需要使用单台或多台高速相机进行测量, 这导致成本较高. 在实际结构测试中, 该技术可与传统方法相互融合使用, 各取所长. 未来几年, 机器视觉技术将会随着人工智能技术的发展得到长足进步, 可以预见其在力学多个学科如MEMS、航空航天、生物力学等领域将会有越来越多的应用.

3 结论与展望

不同于接触式传感器和激光测振仪等, 机器视觉技术可方便地对大尺寸、运动中的装备同时进行全场测量和检测, 可融合快速发展的人工智能和图像处理技术对装备进行长期健康监测和损伤识别. 机器视觉技术设备便携、结果准确、多场景适应, 为动力学领域的精确测量提供了新的契机. 如何通过动力学的基础理论完善基于视频的振动测量和信号分析技术, 也对动力学与控制的学科发展提出了新的挑战.

致 谢国家自然科学基金资助项目(11772181).