一种随机振动测试方法和系统与流程

本发明提出了一种随机振动测试方法和系统，属于振动测试。

背景技术：

1、在产品设计与制造过程中，振动测试是评估产品耐久性和可靠性的关键环节。传统振动测试方法往往侧重于力学数据的收集与分析，忽略了样品外观变化的实时监测与评估。随着图像处理技术的发展，结合高速图像采集与处理技术，能够实现对样品表面细微变化的精确捕捉与分析，从而更全面地评估振动对样品的影响。然而，如何在高频振动条件下保障图像采集的清晰度和连贯性，以及如何提高数据传输效率与保障传输质量，仍是当前技术面临的挑战。

技术实现思路

1、本发明提供了一种随机振动测试方法和系统，用以解决上述背景技术中提及的问题：

2、本发明提出的一种随机振动测试方法，所述方法包括：

3、s1、通过图像采集设备对多个被测样品分别进行外观图像采集，并对被测样品进行编号，通过图像拼接算法分别将采集到的不同编号的外观图像拼接为完整的产品图片；

4、s2、通过图像处理算法对产品图片进行初步处理，提取样品表面的关键特征信息，并分别存入特征库；

5、s3、将多个被测样品分别放置于不同实验平台，进行随机振动测试，通过传感器实时收集力学数据，同时图像采集设备持续工作，实时捕捉样品表面的细微变化；

6、s4、通过多通道传输协议将采集到的图像与力学数据通过多条路径并行传输至云平台；

7、s5、云平台接收图像及力学数据后，对不同实验平台的测试结果进行交叉分析，获得综合分析结果；

8、s6、基于综合分析结果，通过智能评估模型，自动判断样品的合格与否，并根据外观变化的具体情况，生成针对性的优化建议或预警信号。

9、进一步的，所述s1，包括：

10、s11、对所有被测样品进行检查，并通过图像采集设备对检查后的多个被测样品分别进行多角度外观图像采集；

11、s12、对外观采集后的对每个样品进行唯一编号，并使用rfid标签进行标识；

12、s13、应用基于特征的图像拼接算法，对多角度拍摄的图像进行对齐和拼接；

13、s14、对拼接后的图像进行细节增强处理，并通过图像分割算法，将产品图片中的关键部件和区域进行分离。

14、进一步的，所述s2，包括：

15、s21、通过高斯滤波对图像中的噪声进行去除，通过自适应对比度增强算法，对图像的对比度进行调整；并将图像参数统一到预设的标准；

16、s22、对预处理后的图像进行梯度计算，得到图像在水平和垂直方向上的梯度图；基于梯度图，应用边缘检测算法，对图像中的边缘信息进行提取；

17、s23、利用灰度共生矩阵从边缘检测后的图像中提取纹理特征；基于边缘检测结果，对形状特征进行提取；

18、s24、采用主成分分析对提取的特征进行评估，对分类或识别任务进行贡献的特征进行识别，根据评估结果，选择特征子集；并对选定的特征进行归一化及量化等处理；

19、s25、将优化后的特征组合成特征向量，并将每个样品的特征向量与其唯一识别码关联，存储在特征库中。

20、进一步的，所述s3，包括：

21、s31、利用自动化控制系统，根据预设的振动测试参数自动配置多个定制化实验平台；

22、s32、采用自动化夹具系统，将被测样品放置并固定于实验平台上；

23、s33、通过中央控制系统发送指令，所有实验平台的随机振动发生器同时启动，并按照预设参数进行振动测试；

24、s34、图像采集设备在振动测试启动的同时自动激活，利用预设的追踪算法锁定样品关键区域，进行图像捕捉；

25、s35、传感器网络自动收集力学数据，并通过无线传输技术实时发送至数据中心，并对数据进行预处理。

26、进一步的，所述s4，包括：

27、s41、选择多通道传输协议，基于性能评估模型对每个传输通道进行性能评估；

28、s42、在网络的关键节点和传输路径上部署监测点，收集实时网络数据，通过机器学习算法对收集到的网络数据进行处理，计算出实时网络状态指标；

29、s43、通过基于历史数据的网络状态预测模型，对未来一段时间内的网络状态变化进行预测，根据传输需求，制定传输策略；

30、s44、通过基于多目标优化的通道选择算法，从多个候选通道中选择最佳通道将图像与力学数据传输至云平台；

31、s45、传输过程中，当网络状态发生变化时，触发动态调整机制，实时评估并重新选择传输通道。

32、进一步的，所述s5，包括：

33、s51、云平台接收到图像及力学数据后通过深度学习算法进行图像匹配；

34、s52、对差分图像进行处理，并结合力学数据，对差分图像中的变化区域进行力学效应分析，识别出振动引起的具体损伤类型；

35、s53、将不同实验平台的测试结果进行交叉比对，识别出共性问题与差异性问题；通过基于机器学习的综合评估模型，对样品进行综合评价；

36、s54、并将数据分析结果进行可视化展示。

37、进一步的，所述s6，包括：

38、s61、基于综合分析结果，通过智能评估模型，对样品的合格性进行自动判断，将样品划分为合格与不合格类别；

39、s62、对不合格的样品进行进一步分类，识别出失效模式和潜在的问题区域；

40、s63、根据失效模式以及问题区域，生成优化建议，所述优化建议包括设计改进、材料选择以及工艺优化；

41、s64、设置预警系统，对于存在风险或潜在失效的样品，及时发出预警信号，并触发应急响应机制，通知相关人员；

42、s65、将每次测试的数据、评估结果及优化建议存入知识库，对测试案例库与评估模型进行不断完善。

43、本发明提出的一种随机振动测试系统，所述系统包括：

44、图像采集模块：通过图像采集设备对多个被测样品分别进行外观图像采集，并对被测样品进行编号，通过图像拼接算法分别将采集到的不同编号的外观图像拼接为完整的产品图片；

45、数据存储模块：通过图像处理算法对产品图片进行初步处理，提取样品表面的关键特征信息，并分别存入特征库；

46、振动测试模块：将多个被测样品分别放置于不同实验平台，进行随机振动测试，通过传感器实时收集力学数据，同时图像采集设备持续工作，实时捕捉样品表面的细微变化；

47、数据传输模块：通过多通道传输协议将采集到的图像与力学数据通过多条路径并行传输至云平台；

48、对比分析模块：云平台接收图像及力学数据后，对不同实验平台的测试结果进行交叉分析，获得综合分析结果；

49、建议预警模块：基于综合分析结果，通过智能评估模型，自动判断样品的合格与否，并根据外观变化的具体情况，生成针对性的优化建议或预警信号。

50、本发明提出的一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行，以实现如上述中任一所述的随机振动测试方法。

51、本发明提出的一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现如上述中任一所述的随机振动测试方法。

52、本发明有益效果：通过图像采集设备和处理算法，能够全面捕捉被测样品的外观特征和表面变化，以及力学数据的实时收集和处理，确保数据的全面性和准确性；利用自动化控制系统和夹具系统，实现多个实验平台的定制化配置和自动振动测试，提高测试效率和一致性；采用多通道传输协议，结合性能评估和优化算法，确保图像和力学数据能够高效、及时地传输至云平台进行综合分析；在云平台上利用深度学习算法进行图像匹配和差分图像分析，结合机器学习模型进行数据的综合评估和问题识别，提高了故障模式识别和评估的准确性；基于综合分析结果，通过智能评估模型自动判断样品的合格性，并生成针对性的优化建议，包括设计改进、材料选择和工艺优化，提升产品质量和可靠性；建立预警系统，对于存在风险或潜在失效的样品，及时发出预警信号，触发应急响应机制，确保问题的及时解决和管理。