Page 192 - 《振动工程学报》2026年第5期
P. 192

1396                               振     动     工     程     学     报                     第 39 卷

              其中:                                               度,同时检验该方法在不同工况下在线重建的泛化
                                    −1
                            −1
                         Θ y = (CΨ r ) y, p = r                性能,开展了悬臂梁的视觉振动测量试验。
                         
                                                      (14)
                      ˆ a = 
                          Θ y = (CΨ r ) y, p > r
                           †       †
                                                                2.1    悬臂梁
                  本文所指最优稀疏测点布局是指能够重建密集
                                                                                                       3
              测点振动响应数据         ˆ x的最佳测点位置布局。因此,寻                    试 验 采 用 尺 寸 为( 17.8×39.2×2016)  mm 的 钢 尺
              找 Ψ r 的行,对应于状态空间中能以最佳方式获得矩                        (悬臂梁)。对悬臂梁结构的选取基于其在结构力学
              阵 Θ条 件 逆 的 稀 疏 测 点 位 置 。 为 简 化 表 示 , 使 用          中的基础性和广泛应用性            [19,36-37] ,通过在这种简单而
              M r = Θ Θ(M r = Θ当  p = r)来表示要求逆的矩阵。希             经典的结构上进行试验,能够清晰地评估所提方法
                    T
              望选择的稀疏测点的索引位置               γ决定了   C的结构,因         的核心性能和基本原理,无需考虑复杂结构可能引
              此它会影响      M r 和 Θ的条件数。通过       M r 的行列式、迹        入的干扰因素的影响。如图              2  所示,钢尺顶部使用
              或谱半径来优化        M r 的特征值可间接限制系统的条                  台虎钳固定于龙门架支架,固接位置距离钢尺底部
              件数。例如,      M 的谱半径准则能够最大化              M r 的最     2000 mm。使用无频闪光源进行照明,避免室内频闪
                            −1
                            r
              小奇异值:                                             灯的干扰,使用固定于三脚架的手机作为视频采集

                   γ ∗ = argminM  = argmaxσ min (M r )  (15)  设备。手机型号为       iPhone 13 mini,支持最高  1920×1080

                               −1
                               r
                        γ,|γ|=p   2   γ,|γ|=p
                                                                像素分辨率和最高         240 Hz 视频拍摄帧率。关注该悬
                  同样,该准则还可以优化其特征值或奇异值的
                                                                臂梁结构的前       5  阶模态频率响应(经有限元仿真,该
              大小(行列式)的和(迹):
                                                                结构前    5  阶频率在   30 Hz 内),根据奈奎斯特-香农采
                                           ∑
                 γ ∗ = argmax tr(M γ,|γ|=p ) = argmax  λ i (M r )  (16)  样 定 理, 设 置 视 频 拍 摄 帧 率 为  60 fps, 测 量
                      γ,|γ|=p           γ                                                              0~30 Hz
                                         ∏                      的结构振动,分辨率为                    像素。
                 γ ∗ =argmax|det(M r )| = argmax  |λ i (M r )| =                    1920×1080
                     γ,|γ|=p        γ,|γ|=p
                                           i
                          ∏
                    argmax   σ i (M r )                (17)                       悬臂梁
                     γ,|γ|=p
                           i
                  上述标准的直接优化,需要在              C 种传感器组合
                                              n
                                              p
              上进行搜索。然而,即使在             n为中等维度的情况下,
              其计算量也是巨大的。一种思路是采用启发式贪婪
              采样方法,专门用于          POD  基的状态空间(高维数据)
              重建  [31-35] ;另一种思路,也是本文采用的方法,即基                     无频闪照明灯                           无频闪照明灯
              于矩阵    QR  因式分解的方法       [15] ,该方法基于   Q-DEIM
              算法  [35] ,为降阶模型中非线性项的插值重建提供了

              近乎最优的采样。                                                     图 2 视觉振动测量的试验场景
                  带列主元分解的降维矩阵             QR  因式分解将矩阵                 Fig. 2 Experimental set-up of visual vibrometry

              A ∈ R m×n 分解成一个酉矩阵       Q、一个上三角矩阵         R和         如图   3  所示,为了对比试验结果,在视觉振动测
              一个列置换矩阵        C ,使得:
                              T
                                                                量方法中设置了         21  个“虚拟视觉传感器”作为密集
                                    T
                                 AC = QR               (18)     测点,每个测点的大小为            80×30  像素。取每个测点
                  因此,带有列主元分解的            QR  分解产生了     r个测      水平方向的像素光流均值作为该测点的动态响应,
              点(主元),这些测点实现了对            r个基础模态      Ψ r 的最优     以减小噪声的影响。

              采样:
                                                                2.2    离线训练
                                    T
                                  T
                                Ψ C = QR               (19)
                                  r
                  基于列主元      QR  的相同原理,通过最小化矩阵行                     训练数据的采集部分,为采集高质量的视频以
              列式的幅值来控制条件数,对于过采样的情况,采用                           获得精确的密集测点的振动响应数据作为离线训练
              的是对列主元进行         QR  分解的方法:                       数据,如图     4  所示,使用纯色的蓝色布料作为悬臂梁
                                      T
                                   T
                               (Ψ r Ψ )C = QR          (20)     的背景。
                                   r

                                                                    为了尽可能地学习到悬臂梁结构不同的振动响
              2    试  验  验  证                                   应模式,使用信号发生器(Tektronix, AFG2021)驱动
                                                                激振器(东华测试, DH40020)在悬臂梁顶部接近固接
                  为验证稀疏传感方法在视觉振动测量中减少测                          端的位置施加宽频随机激励,拍摄的视频时长约为
              点数量的有效性与密集测点振动响应数据的重建精                            130 s。通过欧拉视角的稠密光流法获得了结构密集
   187   188   189   190   191   192   193   194   195   196   197