测试和计算计算机系统,计算机振动测量与分析系统

可以重复以上的步骤，直到控制量δ小于某一指定值，可以认为在此时的每一小块中所出现的灰度值奇异点为干扰信号。这样，就能用当前的块灰度平均值代替块中的各点灰度值，从而也就到达了滤去噪音信号的目的。

3.2.2 二值化算法

滤波以后，就可以对图象进行二值化处理了。二值化算法的核心在于如何获得一个良好的灰度阈值，使得图象的二值化处理能达到最佳效果。如果该阈值选得过亮，那么图象就会在物体本身之外产生许多黑斑，达不到分辨的目的；如果该阈值选得过暗，又会使待测物体的外形变小，导致数据失真。为了对图象进行更好的提取，必须选择一个较好的阈值自动选择算法。在计算机显示器上，每个像素的颜色有Ｒ，Ｇ，Ｂ三部分构成，当Ｒ＝Ｇ＝Ｂ＝２５５时，该点为白色，也就是对应为亮点；当Ｒ＝Ｇ＝Ｂ＝０时该点为黑色，也就是对应为暗点。由于图象是黑白的，所以对于同一点，其Ｒ，Ｇ，Ｂ的值大致相同，首先将屏幕上每个像素的Ｒ值读到一个二维矩阵Ｒ[ｉ][ｊ]中，由于实验背景选定为白色，而且已经对图象进行了滤波处理，因此得到的图象点的Ｒ值的分布应该是在振动物体的位置上有个突起的峰(谷)，而其他位置上变化应该很平滑。所以通过对这ｉ×ｊ个值求平均值得到Ｒａｖｉ作为原始阈值是具有分辨能力的。通过实验，在此阈值控制下，图象的二值化效果一般能够满足要求。为了进行弥补，系统另外设置了人工控制的模式。也就是在阈值附近通过手动控件进行调整，并随时监控图象处理的结果，直到满意为止。

3.2.3 图象线化处理算法

该算法的主要目的就是从图象中提取到可以进行后处理的数据。首先按列找到二值化处理后图象的阴影上、下边沿，按着两个边沿数据求一个平均值Ｙａｖｉ[ｉ]。将这些值看成是一维振动结构的中心线，在忽略物体材料的微小不均匀性的情况下，该曲线的形态就能认为是物体的振动形态。如图５所示。

将这些数据存储到文件中，准备进行参数求解和分析。由于显示器的最小单位是像素，所以在求取Ｙｉ(ａｖｉ)时必须用整型数据进行运算。这样在所得到的中心线上会出现一些不光滑的地方。对此系统将数据读到分析模块中时，采用了线性插值和二次曲线插值的方法来进行平滑处理，获得了良好的效果。

3.2.4 振动参数分析的算法

通过上述各步骤的图象处理工作，可以获得结构(如横梁)上的任意点的Ｘ(ｋ)采样函数。参数分析的基本算法就是对Ｘ(ｋ)进行离散傅立叶变换，并在频域内进行分析处理。通过对幅值／相位图的分析，就能得到各阶振型的频率和其它所需要的各种参数。这个模块的功能通过调用Ｍａｔｌａｂ库函数和编程来实现。

4 对系统的测试和结果

试件采用图１(ａ)所示的一维振动结构，其具体结构如图６所示。

用本系统对其振型作了鉴定性的测量和分析。所使用的待测物体的材料为有机玻璃，总长为１１０ｃｍ，宽度为５ｃｍ，厚度为０．４ｃｍ。摄像头垂直照射在厚度方向上。由于采用的采集卡的采集速度为２４幅／秒，所以在该试件上加上两个质量适当的砝码作为配重来减缓振动频率。根据振动理论，如果改变配重Ｍ１和Ｍ２的质量，或者改变长度ａ和ｂ的值(见图１)都会引起各阶振型所对应的频率发生移动。

因此，在改变这些参数的条件下进行了大量的数据采集与分析实验。选取了两张有代表性的频谱曲线进行比较。如图７、图８所示。

在上述两张频谱图上，可以清晰地看到一阶振型和二阶振型所对应的频率发生了移动。而且经过计算可以发现两张图上频率比值也发生了变化。这正是由于改变了配重Ｍ１和Ｍ２在待测物体上的位置，根据振动理论，必然会发生这种现象。由此也就间接地证明了本系统的可用性。还通过建立初步数学模型并结合振动理论的方法进行了一些估算，其结果也与实验结果相吻合。

5 系统改进和进一步的工作

本系统达到了精确、高效的目的。有待改进的问题是：首先，由于所采用的摄像头的采样频率为电视频率，所以在振动频率高于２Ｈｚ时会出现图象严重模糊，这就对图象提取的算法提出了很高的甚至是不可达到的要求。为了使本系统能适用于高频分析，

必须采用采集速度更快的图像采集卡。其次，通过上面两张频谱图看到高阶振型的频率的谱功率相当的微小，以至几乎无法发现。为了解决这个问题，一方面可以通过提高摄像头的分辨率的途径，使得隐藏在噪音信号中的小幅值高阶振型能够较好地分辨出来；同时还可以通过使用激振器进行激励以及改进图像处理的算法等方法来加以改善。在这些改进的基础上，这种基于计算机图象处理的振动测量和分析方法将有很广阔的应用前景。

对于一维结构进行了大量的测量和分析实验，已经取得了较好的结果。还要针对二维面结构进行测量分析。主要设想是利用现有分析一维结构的结果，通过在面结构上画线条，或者打光栅的方法，实现将二维结构一维化来进行测量和分析。具体结果将在后续的文章中介绍。