基于視頻圖像技術的簡支梁動靜載試驗分析

任張晨, 袁向榮, 董湘婉, 徐旻杰

(廣州大學 土木工程學院, 廣東 廣州 510006)

基于視頻圖像技術的簡支梁動靜載試驗分析

任張晨, 袁向榮, 董湘婉, 徐旻杰

(廣州大學 土木工程學院, 廣東 廣州 510006)

采用視頻圖像技術對帶傳感器和不帶傳感器的簡支梁的振動進行模態分析，采用Matlab軟件把簡支梁的振動視頻分解成圖像,對分解得到的圖像裁剪出感興趣區域并進行灰度化和二值化處理。為了精確,對得到的整像素邊緣進行了亞像素化處理,得到梁下邊緣的亞像素級別的時域信號,對這些信號數據進行模態分析得出前三階頻率和振型,并與Midas建立的有限元模型、傳統的動載試驗處理得到的結果三者相比對,對比表明,基于視頻圖像技術的動靜載檢測有更高的精度和可操作性,可以彌補傳統檢測的不足。

簡支梁； 動靜載檢測； 模態分析； 視頻圖像技術

結構的振動特性是判斷橋梁結構承載能力和運營狀況的重要指標,動載試驗[1]和靜載試驗[2-3]為傳統檢測中最典型的兩種檢測方式。簡支梁是最常見的結構形式,對簡支梁的振動測試及了解簡支梁的振動特性在結構的安全評估和測試中具有重要意義。傳統的動靜載試驗都有共同的不足之處:由于傳統的檢測都需要采集整個橋中的部分測點的振動數據,所以檢測結果受到測點的影響,測點過多則不經濟,測點過少結果不準確。本文采用視頻圖像技術對簡支梁進行動靜載試驗研究，視頻圖像檢測具有全尺度測量、精度高、操作性強等重要優勢,可以避免傳統檢測受測點的制約。各種邊緣檢測算子[4]的出現不斷地推動著數字圖像技術的發展。經典算子如Laplace算子[5]、Canny算子[6-7]、Sobel算子、Roberts算子、Log算子等,這些算子具有計算速度快、邊緣識別精度高、重復可比性好等優勢。

模態分析[8-9]的目的是識別結構振動時的模態參數[10],在現代橋梁振動分析中的應用十分廣泛。劉輝[11]僅對五等跨連續梁采用DASP系統[12-13]進行了模態分析,但沒有采用視頻圖像法對比論證。因此,本文對簡支梁也進行傳統的動靜載試驗得到振動結果,再和有限元模型分析結果以及視頻圖像分析的結果相對比,來論證視頻檢測技術的精確性和可靠性。

1 基于視頻圖像法的靜載試驗

試驗梁總長2.05 m,質量為331 g,均布質量ρA=0.16 kg/m。左端采用砝碼加重,視為固定鉸支座；右端采用鋼輥軸作為支承方式,構成活動支座。支座距離為1.9 m。試驗模型見圖1,簡圖見圖2。

圖1 簡支梁試驗模型圖

圖2 簡支梁試驗模型簡圖

采用視頻法對該簡支梁的抗彎剛度EI進行靜載試驗并計算。

首先在靜止的簡支梁上依次加上質量為100 g的小砝碼，一共加至400 g,待其靜止時分別拍下照片,并最后在一張照片中拍下鋼尺,作為接下來計算撓度的計算參考。施加砝碼后的簡支梁圖見圖3。

圖3 施加砝碼后簡支梁的位置圖

采用Matlab軟件中的imread和imtool工具將拍攝照片讀入和顯示，并記錄下邊緣跨中位置點的像素邊緣坐標位置,見表1。

表1 施加砝碼后簡支梁下邊緣跨中位置的像素坐標

由表1數據可知，每施加100 g砝碼,梁下邊緣跨中位置的像素縱坐標就增加12。試驗中拍下鋼尺1 cm在照片中像素縱坐標差為16。因此像素縱坐標差12表示實際長為12/16=0.75 cm。

簡支梁在受集中力下的撓度公式為

(1)

式中:l為計算跨徑,p為集中力,EI為抗彎剛度,Ymax=0.075 cm。

代入數據計算得:

EI=18.67N·m2

角頻率ωn公式為

(2)

式中:ρA為均布質量,EI為抗彎剛度，n為階數。

由ωn=2πf得到該簡支梁的前三階固有頻率見表2。

表2 簡支梁靜載試驗的前三階固有頻率理論值

2 傳統的動載試驗

2.1 傳統檢測的動載試驗模型

用卷尺將試驗梁每跨均分為5份,在均分點上分別放置加速度傳感器(選用BI1148加速度傳感器),并連接信號采集儀(使用的是INV306U信號采集處理分析儀),傳感器布置圖見圖4。模型簡圖見圖5。

圖4 傳統檢測的試驗圖

圖5 傳統檢測的試驗模型簡圖

2.2 傳統檢測的動載試驗結果

激振方法采用錘擊法。振動信號經采集儀采集結束后,以測點1為參考點，分別對4個測點進行傳遞函數分析,將這4個測點得到的數據進行模態分析。使用頻域法定階和復模態多自由度擬合便可得到該簡支梁的前三階頻率(見表3)及振型(見圖6)。

表3 傳統檢測法實測前三階頻率

圖6 傳統檢測法實測動載試驗的前三階振型圖

3 基于視頻圖像法的動載試驗

3.1 視頻圖象法處理流程

為了追求一致性,視頻圖像法的動載試驗共進行帶傳感器和無傳感器的簡支梁動載試驗。同前文一樣,對簡支梁進行錘擊,通過相機采集到簡支梁振動的整個過程，然后采用Matlab軟件對振動視屏進行處理。

現以帶傳感器的簡支梁動載試驗的處理流程為例做說明如下:

讀取視屏,并將視屏分解成彩色圖片。本實驗一共錄制視屏時長18 s,錄制幀數為120幀/s,即一共剪裁到2 255張彩色圖片。隨后將彩色圖片轉成灰度圖像并剪裁感興趣區域。選取(1)—(3)序列作為演示,如圖7所示。

圖7 簡支梁振動的灰度圖像

得到灰度圖像后,設定合適的閾值并采用canny算子對邊緣進行識別,將灰度圖像二值化得到黑白圖像。選取(1)—(3)序列對應的黑白圖像作為演示,如圖8所示。

圖8 簡支梁振動的黑白圖像

但是上面得到的邊緣位置的精度只精確到一個像素,有較大的誤差。為了更精確,本文使用了多項式擬合程序對每幅二值圖的下邊緣進行亞像素邊緣檢測,檢測的精度達到0.01個像素,便可確定各時刻梁亞像素邊緣位置和各點的時程曲線。以1/5位置下邊緣的時程曲線為例,如圖9所示。

圖9 梁1/5位置下邊緣的時程曲線

最后對上述得到的信號數據進行模態分析便可得到視頻實測的簡支梁(帶傳感器)的前三階振型及頻率。

3.2 視頻圖像法動載試驗處理結果

視頻圖像法的動載試驗檢測到的簡支梁(帶傳感器)的前三階頻率見表4,前三階振型圖見圖10。對簡支梁(無傳感器)進行同上述一樣的動載試驗并重復上述視頻圖像處理步驟,得到相應的灰度圖像、黑白圖像及各時刻亞像素邊緣的時間歷程。最后得到的簡支梁(無傳感器)的前三階頻率見表5。

表4 視頻法動載檢測的簡支梁(帶傳感器)前三階頻率

圖10 視頻法動載檢測的簡支梁(帶傳感器)的前三階振型圖

表5 視頻法動載檢測的簡支梁(無傳感器)前三階頻率

4 簡支梁的有限元模態分析

4.1 建立有限元模型

使用Midas Civil有限元軟件建立帶傳感器簡支梁和無傳感器簡支梁兩組有限元模型,并對空間梁單元進行單元劃分和約束處理。其中在對帶傳感器簡支梁的模型建立時,在傳感器相應的每個位置即5分點上都加上一個集中力,這個力的大小即為傳感器的重力G:G=mg=0.112×9.8=1.1N。最終建成的簡支梁(帶傳感器)有限元模型見圖11。

圖11 簡支梁(帶傳感器)的有限元模型

4.2 有限元分析結果

通過有限元計算得到了兩組簡支梁模型的前三階振型和頻率,固有頻率分別見表6和表7,簡支梁(帶傳感器)的前三階振型圖見圖12。

表6 有限元分析的簡支梁(帶傳感器)前三階固有頻率

表7 有限元分析的簡支梁(無傳感器)前三階固有頻率

圖12 簡支梁(帶傳感器)的有限元分析前三階振型圖

5 3種方法的動靜載試驗結果對比分析

將有限元和視頻圖象法對簡支梁(無傳感器)的分析計算結果匯總至表8；有限元、傳統試驗和視頻圖象法的試驗對簡支梁(帶傳感器)的分析計算結果匯總至表9。

表8 簡支梁(無傳感器)試驗頻率匯總

表9 簡支梁(帶傳感器)試驗頻率匯總

以上數據表明,無論傳統的動載試驗或是基于視頻圖像技術的動靜載試驗得到的計算誤差均很小,其中不帶傳感器的簡支梁的檢測更為精確,前三階的誤差均在1%以內；對于加上傳感器之后的簡支梁的動靜載試驗,一階二階頻率誤差均比較小,最大的僅為3.25%，三階頻率的誤差均稍大一些,分別為6.84%和6.64%,主要原因是梁板比較寬薄,加上4個傳感器后的質量遠比試驗梁本身的質量大的多,導致高階振型誤差比前兩階的稍大些,但誤差都在允許范圍之內。總體看來,基于視頻圖像法的動靜載檢測有更高的精確性和可行性。

6 結論

通過有限元計算、傳統動載試驗和視頻法的動靜載試驗的對比分析,可以得到以下結論:

(1) 傳統檢測和視頻檢測所得的結果誤差均比較小。從誤差看,視頻檢測比傳統加速度傳感器檢測更精確,每階的誤差都比傳統檢測小。因此基于視頻圖像的邊緣檢測技術是可行的,精度和可行性均較高。

(2) 與傳統檢測相比,基于視頻圖像法的動載靜載試驗無需接觸,且具有更好的全局性、操作性、經濟性、方便性等優勢。

(3) 采用亞像素邊緣檢測技術對于邊緣位置的確定具有更高的精度。

(4) 采用視頻圖像技術可以方便地計算連續梁橋的各階模態參數,可為了解結構的振動特性提供重要的參考依據。

References)

[1] 張蘭英. 橋梁動載試驗的作用與發展前景[J].公路,2002(9):32-35.

[2] 吳建奇,鄭曉,張婷婷. 橋梁檢測中的靜載試驗研究[J].鐵道建筑,2001(2):42-44.

[3] 吳永毅. 基于動靜載試驗的橋梁狀態評估初探[D].廣州:華南理工大學,2013:25-39.

[4] 趙芳,欒曉明,孫越. 數字圖像幾種邊緣檢測算子檢測比較分析[J].自動化技術與應用,2009,28(3):48-50.

[5] 野媛. 圖像邊緣檢測Laplace模板的改進[J].辦公自動化，2009(18):27-28.

[6] 周超. 邊緣檢測Canny算子的研究與改進[D].重慶:重慶師范大學,2012(4):10-19.

[7] 薛武,張永生,董廣軍,等. Canny算子子像素邊緣檢測方法[J].遙感信息，2013,28(1):8-10,15.

[8] 梁君,趙登峰. 模態分析方法綜述[J].現代制造工程,2006(8):139-141.

[9] 龍英,滕召金,趙福水. 有限元模態分析現狀與發展趨勢[J].湖南農機,2009,36(4):27-28,45.

[10] 徐敏. 橋梁結構模態參數識別研究[D]. 成都:西南交通大學,2010:51-72.

[11] 劉輝,袁向榮,蔡卡宏,等. 五等跨連續梁模態分析試驗及沖擊系數[J].實驗室研究與探索,2016,35(5):10-13.

[12] 袁海英,陳光.DASP技術在現代測試儀器平臺中的應用[J].電子測量與儀器學報.2007(1):53-56.

[13] 徐文鋒,袁向榮. DASP系統在連續梁模態分析中的應用[J].工程與試驗,2012,51(4):58-89,76.

Analysis on dynamic and static load tests of simply-supported beam based on video image technology

Ren Zhangchen, Yuan Xiangrong, Don Xiangwan, Xu Minjie

(School of Civil Engineering, Guangzhou University, Guangzhou 510006, China)

A modal analysis is carried out on the vibration of the simply-supported beam with sensors and without sensors by using the new video image technology. The vibration video of simply-supported beam is decomposed into the image by using Matlab software, and the decomposed image is cut out into the region of interest which is processed by graying and binaryzing. In order to be accurate, the acquired whole pixel edge is processed by the sub-pixel, and the sub-pixel time-domain signal is obtained at the lower edge of the beam. The modal analysis of these signal data is carried out to obtain the first three orders of frequencies and vibration forms, which is compared with the finite element model established by Midas and the results obtained by the traditional dynamic load test. After the comparison of the two groups of experiments, the dynamic and static load tests based on video image technology have higher precision and maneuverability than the traditional detection, and it can make up for the shortcomings of the traditional detection.

simply-supported beam; dynamic and static load tests; modal analysis; video image technology

10.16791/j.cnki.sjg.2017.08.010

2017-02-21 修改日期：2017-03-31

國家自然科學基金項目(51278137)

任張晨(1993—),男,江蘇南通,碩士研究生,研究方向為橋梁檢測工程、數字圖像技術E-mail：782818655@qq.com

袁向榮(1957—),男,河北故城,博士,教授,碩士生導師,研究方向為橋梁工程分析計算檢測、結構動力學分析與測試、數字圖像處理.E-mail：rongxyuan@163.com

U441.3

A

1002-4956(2017)08-0033-05