作者投稿
专家审稿
编辑办公
Machine Vision-Based Measurement Method for Determining the Parameters of Low-Frequency Shakers
-
摘要: 为保证低频振动台性能参数测量的准确性，降低参数测量的成本和复杂度，提出基于机器视觉的低频振动台参数测试方法。首先，将导轨等效为一个大半径的圆弧，分析特征标志在垂直方向上的位移变化，利用最小二乘法拟合弯曲状况，实现导轨弯曲度的测量。然后，通过运动序列图像感兴趣区域内的亚像素级边缘提取方法实现振动台运动位移的精确测量。最后，利用正弦逼近法拟合振动台的运动位移得到其拟合振幅，进而求解振动台的各项关键性能参数。此外，仅通过一套简单的视觉测量设备即可实现这些参数的高精度测量。与传统测量方法的对比实验结果表明，机器视觉法在添加三种不同负载的情况下得到的弯曲度与传统方法高度近似。对于其他性能参数的测量，机器视觉法在0.01～10 Hz范围内也能获得可靠的测量精度与效率。Abstract: To ensure the accuracy of performance parameter measurements and reduce the cost and complexity of low-frequency shakers, a machine vision-based method for determining the parameters of low-frequency shakers is proposed. First, the guide rail is modeled as a large-radius arc, and the displacement change of the feature marker in the vertical direction is analyzed. The bending condition is then fitted using the least squares method to measure the bending degree of the guide rail. Next, the subpixel-level edge extraction method is applied to the region of interest in the motion sequence images to accurately measure the motion displacement of the shaker table. Finally, the sine approximation method is used to fit the motion displacement of the shaker to obtain its fitting amplitude, which is then used to solve the key performance parameters of the shaker. Furthermore, high-precision measurements of these parameters can be achieved using a simple set of visual measuring devices. Comparative experimental results with traditional measurement methods show that the bending degree obtained by the machine vision method is highly similar to that of the traditional method when three different loads are added. For the measurement of other performance parameters, the machine vision method can also obtain reliable measurement accuracy and efficiency in the range of 0.01-10 Hz.
-
图 1 机器视觉振动台参数测量装置原理
Figure 1. Schematic diagram of the shaker’s parameter measurement device using machine vision
图 4 使用三种不同方法测量得到导轨弯曲度结果对比
Figure 4. Comparison of the bending results of the rail measured using three different methods
图 5 使用三种不同方法测量得到四项性能参数结果对比
Figure 5. Comparison of the results of the four transient parameters measured using three different methods
表 1 实验设备及参数
Table 1. Experimental devices and their parameters
设备名称 设备参数 IDTOS10-V3-4K摄像机 最大帧率为1000 fps、最大分辨率为900万像素 ESZ185-400振动台 可以在0.01～100 Hz的频率范围内提供最大峰值为400 mm的正弦激励位移 棋盘格标定板 采用8 × 8方格，方格尺寸为15 × 15 mm 高对比度标志I 由1 × 60 mm的线段及4个直径为15 mm的圆组成 高对比度标志II 由尺寸为40 × 60 mm的矩形及4个直径为15 mm的圆组成 触发器 提供同步脉冲TTL信号 计算机 搭载有Matlab2018仿真软件 
下载: 导出CSV
-
[1] 匙庆磊. A Study of Low-frequency Standard Vibration Table Systems and Vibration Calibra-tion Technology[D]. 北京: 中国地震局工程力学研究所, 2014. [2] 李宏男, 田亮, 伊廷华, 等. 大跨斜拱桥结构健康监测系统的设计与开发[J]. 振动工程学报, 2015, 28(4): 574-584. [3] 汤宝平, 罗雷, 邓蕾, 等. 风电机组传动系统振动监测研究进展[J]. 振动测试与诊断, 2017, 37(3): 417-425,622. [4] M A Esfahani, H Wang, K Wu, et al. OriNet: Robust 3-D orientation estimation with a single particular IMU[J]. IEEE Robot. Auto. Lett., 2020, 5(2): 259-264. [5] 丁玉哲. 新型传感器技术在机械振动分析与控制中的应用[J]. 造纸装备及材料, 2023, 52(9): 92-94. [6] N Garg, M I Schiefer. Low frequency accelerometer calibration using an optical encoder sensor[J]. Measurement, 2017, 111: 226-233. doi: 10.1016/j.measurement.2017.07.031 [7] Zhang X , Zhou C , Chao F , et al. Low-Cost Inertial Measurement Unit Calibration With Nonlinear Scale Factors[J]. IEEE transactions on industrial informatics, 2022(2): 18. [8] 王洪喜, 刘钊. 一种低频水平振动激励系统的设计与试验[J]. 工具技术, 2011, 45(2): 131-134. doi: 10.3969/j.issn.1000-7008.2011.02.035 [9] Bruns T, Gazioch S. Correction of shaker flatness deviations in very low frequency primary accele-rometer calibration[J]. Metrologia, 2016, 53(3): 986-990. doi: 10.1088/0026-1394/53/3/986 [10] 国家质量监督检验检疫总局. 振动与冲击传感器校准方法 第1部分: 基本概念: GB/T 20485.1-2008[S]. 北京: 中国标准出版社, 2008. [11] 杨春平, 康美苓, 王豹亭, 等. 新型零差激光干涉仪振动测量系统[J]. 光电子. 激光, 2011, 22(1): 95-98. [12] 何武光, 王豹亭, 杨春平, 等. 新型零差激光干涉仪测量误差因素分析[J]. 计量学报, 2012, 33(3): 227-231. [13] 高波, 冯家臣, 彭刚, 等. 基于激光干涉测量的霍普金森杆动态应变校准技术[J]. 中国测试, 2022, 48(S2): 128-132. [14] 杨明. 基于机器视觉的低频振动校准关键技术研究[D]. 北京: 北京化工大学, 2020. [15] 姜志国, 陈玉玲, 史岩峰, 等. 一种三轴振动传感器设计[J]. 传感器与微系统, 2015, 34(5): 106-108,118. [16] M Yang, W Liu, Z Liu, et al. Binocular Vision-Based Method Used for Determining the Static and Dynamic Parameters of the Long-Stroke Shakers in Low-Frequency Vibration Cali-bration[J]. IEEE Transactions on Instrumentation and Measurement, 2023, 70(8): 8537-8545. [17] 歹英杰, 汪伟, 邓士杰, 等. 基于立体机器视觉的动目标空间位姿测试研究[J]. 振动与冲击, 2015, 34(16): 188-194. [18] 党育, 贺一哲. 基于计算机视觉和深度学习的隔震支座动态位移测量方法[J]. 振动与冲击, 2023, 42(6): 90-97. [19] 韩怡天, 冯东明, 吴刚. 基于机器视觉与无人机的结构动位移测量方法[J]. 振动与冲击, 2022, 41(19): 1-7. [20] 张雄. 基于序列图像的运动目标检测与跟踪[D]. 哈尔滨: 哈尔滨理工大学, 2009. [21] 于新善, 孟祥印, 金腾飞, 等. 基于改进Canny算法的物体边缘检测算法[J]. 激光与光电子学进展, 2023, 60(22): 221-230. [22] 张永超, 李英, 唐智勇, 等. 改进的Sobel算子图像清晰度评价算法[J]. 长春理工大学学报(自然科学版), 2023, 46(2): 96-105. [23] 高世一, 赵明扬, 张雷, 等. 基于Zernike正交矩的图像亚像素边缘检测算法改进[J]. 自动化学报, 2008, 34(9): 1163-1168. [24] M Yang, Y Wang, C Cai, et al. Monocular vision-based low-frequency vibration calibration method with correction of the guideway bending in a long-stroke shaker[J]. Optics express, 2019, 27(11): 15968-15981. doi: 10.1364/OE.27.015968 [25] 邓立洋. 利用最小二乘法拟合直线进行原点修正的方法探讨[J]. 天津建设科技, 2023, 33(4): 22-25. [26] 杨明, 蔡晨光, 刘志华, 等. 基于长冲程振动台导轨弯曲校正的低频振动传感器校准方法[J]. 振动与冲击, 2022, 41(1): 116-120. [27] 齐清林, 陈志国, 唐仕尧, 等. 基于全角半距法钻孔偏斜距离计算公式的推导[J]. 探矿工程(岩土钻掘工程), 2014, 41(8): 13-17. [28] 于梅, 孙桥, 冯源, 等. 正弦逼近法振动传感器幅相特性测量技术的研究[J]. 计量学报, 2004(4): 344-348. [29] 唐波, 何闻, 刘爱东. 宽频带电磁式角振动校准系统研究进展[J]. 计量学报, 2021, 42(10): 1328-1334. [30] 蔡晨光. JJG298-2015《标准振动台检定规程》解读[J]. 中国计量, 2016(7): 123-126. [31] 杨巧玉, 舒毓龙. 低频标准振动台失真度及测量[J]. 世界地震工程, 2011, 27(2): 185-189. [32] 国家质量监督检验检疫总局. 通用计量术语及定义: JJF 1001-2011[S]. 北京: 中国质检出版社 2011. -
点击查看大图
图(5) / 表(1)
计量
- 文章访问数: 118
- HTML全文浏览量: 59
- PDF下载量: 26
- 被引次数: 0
