原文传递
基于无人机视觉的桥梁振动测量方法研究
| 论文题名： | 基于无人机视觉的桥梁振动测量方法研究 |
| 关键词： | 桥梁振动测量;无人机;目标追踪;信号校正;模态分析 |
| 摘要： | 本文研究了基于无人机视觉的桥梁振动测量方法。振动测量方法包括接触式测量和非接触式测量，在实际测量中，接触式测量技术、固定相机和测振仪等都会受到环境的影响而存在难以找到设备布置点的问题。因此，本文以无人机作为测量工具，并利用卡纳德-卢卡斯-托马西（Kanade-Lucas-Tomasi,KLT）光流法进行目标追踪，实现高效的桥梁振动测量。由于无人机在测量过程中存在不稳定运动，使得所测振动信号中除了结构的真实位移信号外，还存在虚假位移信号。为了获得桥梁真实位移，需要引入信号校正方法。 下列三种信号校正方法为本文研究的主要内容：基于卷积神经网络（ConvolutionNeuralNetwork,CNN）的校正方法、基于傅里叶变换（FourierTransform,FT）及傅里叶逆变换（InverseFourierTransform,IFT）的校正方法、基于经验模态分解（EmpiricalModeDecomposition,EMD）的校正方法。基于卷积神经网络的校正方法通过构建网络模型让其学习结构表面待测目标点与桥梁背景参考点之间的特征关系，将结构的虚假位移预测出来，从而获取结构真实位移信号，该方法的实现建立在有背景参考点的基础上。本文利用贝叶斯优化技术（BayesianOptimization,BO）对卷积神经网络进行优化，从而提升校正效果，除此之外，本文还探讨了参考点数量、参考点与桥梁结构之间距离以及无人机拍摄时长对神经网络校正效果的影响。另外两种校正方法不需要背景参考点，基于傅里叶变换及其逆变换的校正方法的工作原理如下：把无人机测得的原始时程曲线转换成频域信号，并将属于虚假位移的信号成分过滤掉，再将过滤后信号转换成时域信号，从而实现桥梁真实位移信号的提取。基于经验模态分解的校正方法通过将原始位移信号分解成若干个信号成分，从而提取桥梁结构真实位移信号。 本文利用无人机采集桥梁的振动视频，采用KLT光流法从视频提取原始位移信号，此时的信号包含虚假位移，分别利用上述三种校正方法进行处理得到真实位移信号，基于振动信号，桥梁的模态参数可利用运行模态分析（OperationalModalAnalysis,OMA）技术获得。本文以钢桁架作为实验模型，以固定相机的测量结果作为参考，验证所研究方法的可靠性。此外，在本文的最后一章，结合实际桥梁测量验证了无人机桥梁振动测量实际应用的可行性。 |
| 作者： | 颜昭埕 |
| 专业： | 土木工程 |
| 导师： | 陈贡发;孙晓立 |
| 授予学位： | 硕士 |
| 授予学位单位： | 广东工业大学 |
| 学位年度： | 2023 |
检索历史
应用推荐
