模态分解方法在傅里叶变换轮廓术中的应用研究

模态分解方法在傅里叶变换轮廓术中的应用研究

论文摘要

傅里叶变换轮廓术(Fourier Transform Profilometry,FTP)作为一种快速的光学无损检测方法已经广泛应用于工业测量中,但目前其测量精度受环境影响比较大,主要原因是复杂的背景光会使条纹频谱中零频和基频产生混叠,不利于基频信息的提取,虽然传统的带通滤波方法能够提取出基频信息,但其提取精度受到窗口形状及窗口大小的制约,且做不到自适应性。为了提高测量精度,适应更复杂的测量环境,本文着重研究了条纹图像的基频分量提取。基频分量提取一直是FTP的研究热点,在对比了二维经验模态分解(Bidimensional Empirical Mode Decomposition,BEMD)方法、希尔伯特变换(Hilbert Transform)方法和二维变分模态分解(Two-dimensional Mode Decomposition,2DVMD)方法后,从一维角度出发,应用了奇异值分解(Singular Value Decomposition,SVD)方法并做了改进,改进后的SVD-EMD模型效果更优。从二维角度考虑,改进了单纯使用2DVMD方法,实验证明改进后的2DVMD-BEMD模型是一种有效地条纹分解方法。对分解后的基频信息经过傅里叶逆变换、解包裹就可以恢复得到物体的相位信息,仿真与实验证明这种方式更有利于恢复出被测物体陡变部位信息,且测量精度接近相位测量轮廓术(Phase Measurement Profilometry,PMP)的测量精度。考虑到缺陷方向与条纹方向垂直的情况下就不能很好的进行缺陷复原,我们使用正交复合光栅条纹投影方法,基于2DVMD方法分解出横、竖条纹,对两个方向的相位相加融合,这样更有利于恢复出被测物体的表面缺陷信息。通过实验验证和误差分析发现,基于2DVMD方法的FTP更有利于恢复出物体表面外形轮廓,基于2DVMD方法的正交复合条纹相位提取方法更有利于恢复出物体的表面细节信息,两者都说明2DVMD方法的效果要远优于滤波方法。

论文目录

  • 摘要
  • abstract
  • 第一章 绪论
  •   1.1 研究背景及研究意义
  •   1.2 国内外研究现状
  •     1.2.1 三维测量技术研究现状
  •     1.2.2 条纹投影轮廓术研究现状
  •     1.2.3 经验模态分解和变分模态分解
  •   1.3 论文的主要研究工作和结构安排
  • 第二章 条纹基频分量提取方法研究
  •   2.1 基于BEMD方法提取基频分量
  •     2.1.1 BEMD算法原理
  •     2.1.2仿真与实验
  •   2.2 Hilbert变换方法抑制零频分量
  •   2.3 基于奇异值分解方法提取基频分量
  •   2.4 基于2DVMD方法提取基频分量
  •     2.4.1 2DVMD算法原理
  •     2.4.2 仿真与实验
  •   2.5 融合算法增强提取基频分量能力
  •     2.5.1 SVD-EMD模型
  •     2.5.2 2DVMD-BEMD模型
  •   2.6 本章小结
  • 第三章 2DVMD在 FTP中的方法研究
  •   3.1 2DVMD在 FTP应用中的算法原理
  •   3.2 仿真实验
  •   3.3 本章小结
  • 第四章 基于2DVMD的正交复合光栅在物体表面缺陷检测中的应用
  •   4.1 基于2DVMD的复合条纹分解技术
  •   4.2 仿真与实验
  •   4.3 本章小结
  • 总结与展望
  • 致谢
  • 参考文献
  • 硕士期间发表的论文
  • 文章来源

    类型: 硕士论文

    作者: 秦康智

    导师: 张渝

    关键词: 傅里叶变换轮廓术,经验模态分解,变分模态分解,滤波,正交复合光栅条纹,基频分量

    来源: 西南交通大学

    年度: 2019

    分类: 基础科学

    专业: 物理学

    单位: 西南交通大学

    分类号: O43

    DOI: 10.27414/d.cnki.gxnju.2019.000542

    总页数: 72

    文件大小: 6195K

    下载量: 50

    相关论文文献

    • [1].优化递归变分模态分解及其在非线性信号处理中的应用[J]. 物理学报 2019(23)
    • [2].变分模态分解在爆破信号趋势项去除中的应用[J]. 爆炸与冲击 2020(04)
    • [3].辛几何模态分解方法及其分解能力研究[J]. 振动与冲击 2020(13)
    • [4].基于快速本征模态分解的电力系统短期负荷预测[J]. 中国电机工程学报 2013(S1)
    • [5].补充集成极值加权模态分解及其应用[J]. 噪声与振动控制 2020(03)
    • [6].基于匹配追踪和变分模态分解的电气化铁路谐波检测[J]. 济南大学学报(自然科学版) 2020(02)
    • [7].变微分模态分解罚参量选择方法与时变系统识别[J]. 西南交通大学学报 2020(03)
    • [8].基于动态模态分解的缸内流场演变及动能分析[J]. 内燃机工程 2020(05)
    • [9].改进二维变分模态分解的磁源分离[J]. 光学精密工程 2020(05)
    • [10].关于多种模态分解方法的分离效果的差别探讨[J]. 信息技术 2016(12)
    • [11].基于改进极值波延拓的极点对称模态分解端点效应抑制方法[J]. 电工技术学报 2020(S1)
    • [12].基于蝙蝠算法优化的变分模态分解的转子裂纹检测方法[J]. 振动与冲击 2020(06)
    • [13].基于改进变分模态分解的液体密度测量中超声回波去噪方法(英文)[J]. Journal of Measurement Science and Instrumentation 2020(04)
    • [14].基于变分模态分解的变形监测数据去噪方法[J]. 武汉大学学报(信息科学版) 2020(05)
    • [15].基于改进变分模态分解的滚动轴承故障诊断方法[J]. 计量学报 2020(06)
    • [16].变分模态分解在齿轮故障特征提取中的应用[J]. 东北林业大学学报 2019(08)
    • [17].基于模态分解技术的地震信号随机噪声压制方法研究[J]. 科技广场 2017(08)
    • [18].动态模态分解方法在缸内湍流场研究中的应用[J]. 内燃机学报 2016(04)
    • [19].基于变分模态分解与快速谱峭图的齿轮箱滚动轴承故障特征提取[J]. 机械传动 2020(01)
    • [20].基于改进自适应变分模态分解的滚动轴承微弱故障诊断[J]. 振动与冲击 2020(08)
    • [21].变分模态分解与深度信念网络的双转子不对中程度识别[J]. 机械科学与技术 2020(05)
    • [22].基于时延自相关与变模态分解的故障诊断方法[J]. 兰州理工大学学报 2017(04)
    • [23].变分框架下多尺度熵相关优化的模态分解在故障诊断中的应用[J]. 现代制造工程 2017(04)
    • [24].基于变分模态分解的模态参数识别研究[J]. 振动与冲击 2020(02)
    • [25].基于变分模态分解的直肠压力信号预处理研究[J]. 工业控制计算机 2020(03)
    • [26].基于变分模态分解的故障弱信息提取方法[J]. 华中科技大学学报(自然科学版) 2020(07)
    • [27].香农熵改进的变分模态分解与故障特征提取[J]. 机械科学与技术 2020(07)
    • [28].基于变分模态分解与模糊聚类的船用齿轮箱故障诊断[J]. 珠江水运 2020(16)
    • [29].基于变分模态分解时频图的轴承故障诊断[J]. 天津职业技术师范大学学报 2020(03)
    • [30].基于变分模态分解与双向长短期记忆神经网络的超短期风速预测[J]. 工业控制计算机 2020(09)

    标签:;  ;  ;  ;  ;  ;  

    模态分解方法在傅里叶变换轮廓术中的应用研究
    下载Doc文档

    猜你喜欢