基于机器视觉的桥梁动力特性识别方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114756936A(43)申请公布日2022.07.15(21)申请号202210417129.7(22)申请日2022.04.20(71)申请人嘉兴南湖学院地址314001浙江省嘉兴市南湖区新兴街道文昌路537号申请人嘉兴学院(72)发明人武瑛杨俊朱丽军王磊孙彦武(74)专利代理机构嘉兴华实知识产权代理事务所(普通合伙)33484专利代理师孙艳(51)Int.Cl.G06F30/13(2020.01)G06F30/20(2020.01)G06F119/14(2020.01)权利要求书1页说明书5页附图2页(54)发明名称基于机器视觉的桥梁动力特性识别方法(57)摘要本发明公开了基于机器视觉的桥梁动力特性识别方法，包括以下步骤：S1、在移动车辆上安装加速仪形成移动采集设备；S2、驱动移动车辆匀速通过待检测桥梁，移动车辆上的加速仪采集加速度信号；S3、通过傅里叶变换获取移动车辆动力响应频谱；S4、重复10次上述操作，对动力响应频谱内的幅值Xf进行平均，并绘制能量谱密度曲线PSD，进而求取桥梁模态振型；S5、调整移动车辆位置，重复上述操作，获取多个桥梁模态振型。本发明通过基于机器视觉的桥梁动力特性识别方法，可以有效的检测桥梁动力特性，工作人员无需封锁桥梁，保证了桥梁的正常通行效率，也无需预设多个传感器，大大减低了操作难度，方便工作人员操作，也可以保证检测的准确性。CN114756936ACN114756936A权利要求书1/1页1.基于机器视觉的桥梁动力特性识别方法，其特征在于，包括以下S1、在移动车辆上安装加速仪形成移动采集设备；S2、驱动移动车辆匀速通过待检测桥梁，移动车辆上的加速仪采集加速度信号；S3、通过傅里叶变换获取移动车辆动力响应频谱；S4、重复10次上述操作，对动力响应频谱内的幅值Xf进行平均，并绘制能量谱密度曲线PSD，进而求取桥梁模态振型；S5、调整移动车辆位置，重复上述操作，获取多个桥梁模态振型。2.根据权利要求1所述的基于机器视觉的桥梁动力特性识别方法，其特征在于，所述S1中的移动车辆连接在牵引车辆上，且移动车辆与牵引车辆通过软性连接件进行连接。3.根据权利要求2所述的基于机器视觉的桥梁动力特性识别方法，其特征在于，所述牵引车辆上安装有信号接收器、摄像设备和定位系统，所述信号接收器与所述加速仪无线连接。4.根据权利要求3所述的基于机器视觉的桥梁动力特性识别方法，其特征在于，所述牵引车辆上安装有处理终端，所述处理终端内设有计算机程序。5.根据权利要求4所述的基于机器视觉的桥梁动力特性识别方法，其特征在于，所述移动车辆上还设有配重件，用于改变移动车辆自重。6.根据权利要求5所述的基于机器视觉的桥梁动力特性识别方法，其特征在于，所述移动车辆的行车速度分别为：5km/h、20km/h、40km/h、60km/h、80km/h和100km/h。7.根据权利要求1所述的基于机器视觉的桥梁动力特性识别方法，其特征在于，所述S4中桥梁模态振型的算法包括随机子空间法、频域分解法或小波分析法。8.根据权利要求7所述的基于机器视觉的桥梁动力特性识别方法，其特征在于，所述频域分解法采用以下求取公式：*Gxx＝2(Xf×Xf)其中，Xf为输入信号，Gxx为加速仪自谱。9.根据权利要求8所述的基于机器视觉的桥梁动力特性识别方法，其特征在于，所述频域分解法还包括以下求取公式：Hf1＝Gxy/GxxHf2＝Gyy/Gyx*Gxx＝2(Xf×Xf)其中，Gxy是输入信号和输出信号傅里叶变换后的互谱。10.根据权利要求9所述的基于机器视觉的桥梁动力特性识别方法，其特征在于，所述S4中PSD曲线的峰值为桥梁结构固有频率，所述桥梁结构固有频率的求取公式为：*rf＝Gxy×Gxy/Gxx×Gyy其中，rf的变化范围在0‑1之间，当rf<1,有以下几种情况：(1)测量中有外界干扰信号；(2)联系x(t)和y(t)的输出有非线性，输出信号y(t)是由输入信号x(t)和其它输入信号引起的综合输出。2CN114756936A说明书1/5页基于机器视觉的桥梁动力特性识别方法技术领域[0001]本发明属于桥梁动力学技术领域，具体涉及基于机器视觉的桥梁动力特性识别方法。背景技术[0002]桥梁一般指架设在江河湖海上，使车辆行人等能顺利通行的构筑物。桥梁一般由上部构造、下部结构、支座和附属构造物组成，其中，上部结构又称桥跨结构是跨越障碍的主要结构；下部结构包括桥台、桥墩和基础；支座为桥跨结构与桥墩或桥台的支承处所设置的传力装置；附属构造物则指桥头搭板、锥形护坡、护岸、导流工程等。[0003]随着桥梁的长时间使用，其动力特性容易方法变化，若工作人员不能及时发现，则会引发更大的工程事故，因此，需要阶段性的