陳立群 楊天智

1 哈爾濱工業(yè)大學(xué)(深圳)理學(xué)院力學(xué)系, 廣東深圳 518055

2 東北大學(xué)機械學(xué)院, 沈陽 110819

1 引 言

結(jié)構(gòu)的振動、沖擊等動態(tài)性能測試, 需要使用接觸式或非接觸式傳感器. 接觸式傳感器需要粘貼或安裝于裝備表面, 常用的傳感器包括加速度計、位移計、傾角儀、應(yīng)變片等. 非接觸式的測量儀器有激光測振儀、電渦流傳感器、微波傳感器、光電子傳感器等. 這些傳感器以“單點”的方式進行測量. 若對機械裝備表面進行全場測量, 則需要在裝備表面大量安裝傳感器. 實驗人員長時間重復(fù)勞動, 安裝條件的一致性難以保證. 這導(dǎo)致實驗準(zhǔn)備時間長且增加了冗余質(zhì)量. 雖然激光測振儀等可用內(nèi)置“振鏡”來實現(xiàn)多點連續(xù)掃描, 提高了測量效率和精度, 但異形三維曲面需要設(shè)計專門機構(gòu)來輔助掃描. 例如,圖1為德國Polytec公司的機器人輔助激光掃描測振平臺,由兩套機器人手臂來輔助掃描式激光測振儀完成車身的全場振動測試. 該系統(tǒng)的硬件搭建較為復(fù)雜、昂貴, 校準(zhǔn)較難且測量過程耗時多. 相比于傳統(tǒng)的接觸式傳感器測量方法, 基于視頻的測量技術(shù)可與其互相補充、相互驗證并進一步對全局動力學(xué)行為進行可視化演示. 而相比于激光測量設(shè)備(如激光多普勒原理), 其全場測量速度有較大優(yōu)勢.

圖1

2 原理與研究進展概述

成功應(yīng)用于機械故障診斷、流體力學(xué)、智能控制等領(lǐng)域的機器視覺和人工智能等技術(shù), 為裝備全場測量提供新的手段, 實現(xiàn)了“所見即所得”的直觀效果. 其技術(shù)特色在于其全場的快速測量和診斷, 可視化的結(jié)果幫助科研人員加深了機械運行機理、故障定位的全局理解. 而隨著千萬級超高像素光學(xué)元器件的發(fā)展, 其測量精度已可達(dá)微米級, 與接觸式傳感器相近. 基于視頻的全場振動測量的其核心概念是基于Gibson在1950年提出的“光流”理論(Gibson 1950). 空間物體的運動信息可在視頻中找到“時間?光場強度變化”的對應(yīng)關(guān)系. 通過相機的初始參數(shù)標(biāo)定, 利用相機幀率等數(shù)據(jù)可準(zhǔn)確推算出裝備的振動位移、速度、加速度和頻率等信息. 近幾年, 美國、英國、德國、日本、中國等國家都對基于機器視覺的全場測量技術(shù)加大了投入, 國內(nèi)許多高校和研究所也在該技術(shù)領(lǐng)域取得突破, 如清華大學(xué)、北京航空航天大學(xué)、天津大學(xué)、東南大學(xué)、國防科技大學(xué)、中國科技大學(xué)、西安交通大學(xué)、南京航空航天大學(xué)、北京強度與環(huán)境研究所、中國航空工業(yè)沈陽飛機設(shè)計研究所等. 同時, 可視化技術(shù)正在與人工智能、深度學(xué)習(xí)等技術(shù)深度融合,為高精度的裝備故障診斷、定位和損傷識別提供了新的技術(shù)手段(Yang Y C et al. 2020, Yang R et al. 2020, Sun 2020, Xu 2018). 值得注意的是, 這一領(lǐng)域已有許多專家學(xué)者發(fā)表了很全面的綜述,如英國拉夫堡大學(xué)的Rothberg等(2017)對近幾年的基于激光多普勒原理和高速成像原理的振動測量技術(shù)做了詳細(xì)的介紹. 限于篇幅, 本文僅對傳統(tǒng)接觸式測量方法受限、但視頻振動測量技術(shù)有獨特優(yōu)勢的特殊場景進行簡要評述和展望.

場景1: 大尺寸機械裝備的全場動態(tài)測量

大尺寸機械裝備、建筑結(jié)構(gòu)的振動測量技術(shù)瓶頸是測量效率低和傳感器布置復(fù)雜. 基于視頻的測量技術(shù)對解決這類問題有測量速度上的優(yōu)勢. 由于目前CMOS成像技術(shù)的進步, 千萬像素級的感光元件可同時對結(jié)構(gòu)進行整體測量. 如Chen等(2018)用高速相機對樸次茅斯市的戰(zhàn)爭紀(jì)念橋進行了全場振動測量. Polytec公司也對基于視頻測量技術(shù)進行探索和革新, 如圖2所示,所研制的PONTOS Live三維動態(tài)運動跟蹤系統(tǒng)采用雙目相機對車身表面的標(biāo)記點進行了連續(xù)振動測量(風(fēng)致振動). 此方法在德國大眾汽車公司的實驗中得到驗證, 隨后被越來越多的汽車公司應(yīng)用于評估汽車風(fēng)洞的噪聲、振動與聲振粗糙度. Molina-Viedma等(2018)利用數(shù)字圖像相關(guān)技術(shù)結(jié)合相位放大原理實現(xiàn)了對飛行器進行全尺寸的高精度振動測量, 他們采用了雙目高速相機, 從而獲得了飛行器的三維振動信息. 更多的視覺測量技術(shù)在大尺寸結(jié)構(gòu)中的應(yīng)用可參見綜述(Zona 2021).

圖2

場景2: 處于運動疊加中的機械裝備的振動測量

除了自身振動以外, 大量的機械裝備的工作狀態(tài)處于疊加運動中(如處于平動和轉(zhuǎn)動), 即在 “大運動中疊加著小運動”. 如車輛在運行中的振動測量、整流罩分離時的振動測試都是該類問題. 這類問題需要在大的剛體運動中分離和準(zhǔn)確測量出小量級的機械振動, 信號分離難度很大,甚至噪聲強度大于信號強度(Durand-Texte 2019). 傳統(tǒng)的接觸式傳感器因布線限制, 難以應(yīng)用于該場景. 典型的例子是高速轉(zhuǎn)動中的風(fēng)機葉片振動監(jiān)測, Polytec公司為了實現(xiàn)葉片運動跟蹤, 制造了回旋跟蹤器來鎖定葉尖位置, 并利用自動跟蹤技術(shù)對葉尖進行振動測量. 德國的Fraunhofer光電子研究所利用回轉(zhuǎn)云臺來操縱激光頭以實現(xiàn)對葉尖的跟蹤測量. 美國麻省大學(xué)的Sarrafi等(2018)僅利用高速相機和光流跟蹤算法成功實現(xiàn)了對轉(zhuǎn)動中的葉片進行實時振動測量. 這一方法的思路比自動控制的回轉(zhuǎn)機構(gòu)更加簡單直接, 且成本較低, 為利用視頻技術(shù)測量運動疊加中的裝備提供了新的思路.

當(dāng)然, 基于機器視覺的全場測量技術(shù)也有其缺點和應(yīng)用限制, 如工業(yè)環(huán)境中復(fù)雜光場對測量信號有較大的干擾, 對現(xiàn)場測量條件提出了更嚴(yán)苛的要求; 基于視頻的測量技術(shù)需要使用單臺或多臺高速相機進行測量, 這導(dǎo)致成本較高. 在實際結(jié)構(gòu)測試中, 該技術(shù)可與傳統(tǒng)方法相互融合使用, 各取所長. 未來幾年, 機器視覺技術(shù)將會隨著人工智能技術(shù)的發(fā)展得到長足進步, 可以預(yù)見其在力學(xué)多個學(xué)科如MEMS、航空航天、生物力學(xué)等領(lǐng)域?qū)性絹碓蕉嗟膽?yīng)用.

3 結(jié)論與展望

不同于接觸式傳感器和激光測振儀等, 機器視覺技術(shù)可方便地對大尺寸、運動中的裝備同時進行全場測量和檢測, 可融合快速發(fā)展的人工智能和圖像處理技術(shù)對裝備進行長期健康監(jiān)測和損傷識別. 機器視覺技術(shù)設(shè)備便攜、結(jié)果準(zhǔn)確、多場景適應(yīng), 為動力學(xué)領(lǐng)域的精確測量提供了新的契機. 如何通過動力學(xué)的基礎(chǔ)理論完善基于視頻的振動測量和信號分析技術(shù), 也對動力學(xué)與控制的學(xué)科發(fā)展提出了新的挑戰(zhàn).

致 謝國家自然科學(xué)基金資助項目(11772181).