本发明公开了一种大型结构物提升过程中最大变形量的监测方法，包括对结构物表面进行激光照射形成激光散斑，使用CCD相机在未提升时和提升过程中按照一定时间间隔进行拍摄，拍摄得到的灰度图经过图像采集卡处理获得散斑的像素点坐标，采用Python中K‑means模块对坐标数据进行聚类处理，在每个散斑中选出一个聚类中心点作为该散斑位置的近似代替，在matlab中计算这些对应像素点的偏移量，取得最大的偏移量，绘制偏移量随时间变化的折线图，提升过程中，如果折线图出现特殊情况，需要立即停机检修。本发明可以提高结构物表面变形量测量精度、简化测量装置设置过程、降低使用成本、大幅度提高测量效率。
1.一种大型结构物提升过程中最大变形量的监测方法，其特征在于包括以下步骤：
步骤一、使用CCD相机对结构物表面未进行提升时的初始状态以及提升过程中的状态进行灰度图的采集，具体过程如下：第一步，采用激光照射结构物表面使得结构物表面产生近似圆形的多个激光散斑，多个激光散斑的中心线彼此平行且在结构物表面均布，调整好CCD相机的位置使得CCD相机的镜头平面与产生激光散斑的结构物表面平行；
第二步，在结构物未进行提升时以及提升过程中，使用CCD相机对产生激光散斑的结构物表面按照设定的时间间隔进行拍摄，得到不同时刻下结构物表面激光散斑的灰度图；
步骤二、利用SQL Server软件对CCD相机获得的每一幅灰度图进行数据提取和数据存储，具体过程如下：第一步，使用SQL Server软件创建图像信息数据库，然后在图像信息数据库中建立n个激光散斑像素点位置表Ai、n个聚类中心点无序表Ui以及n个聚类中心点有序表Si，i＝1…n，下标i一致的各个表彼此具有对应关系；
第二步，将所述CCD相机获得的灰度图通过网络或者线路传输给外接图像采集卡的计算机；
第三步，计算机利用图像采集卡读取不同时刻结构物表面激光散斑的灰度图，在每一幅灰度图中建立坐标原点位于图像左下角的图像坐标系，纪录激光散斑的总数k，按照设定顺序在每一个激光散斑图像中选出一个像素点作为这个激光散斑位置的近似替代位置并提取选出的像素点坐标数据，以列表的形式将从每一幅灰度图中选出的各个像素点坐标数据依次分别存入与每一幅灰度图对应设置的激光散斑像素点位置表中；
步骤三、利用Python中K‑means模块分别对每一张激光散斑像素点位置表Ai中各个像素点坐标数据进行聚类处理，具体过程如下：第一步，在Python中导入K‑means模块并创建与SQL Server数据库的连接，提取激光散斑像素点位置表Ai；
第二步，将每一张激光散斑像素点位置表Ai中的所有像素点坐标数据分别利用K‑means模块按列表中从前往后顺序分成共计k个大小相近的特征空间，并在每个特征空间内随机选择一个点作为初始聚类中心点；
第三步，分别计算每一张激光散斑像素点位置表Ai内所有像素点到各个初始聚类中心点距离，然后比较每个像素点到各个初始聚类中心点距离的大小，将与各个初始聚类中心点最近的每个像素点与该初始聚类中心点重新组合为一个重构特征空间，形成k个重构特征空间，第四步，计算每一张激光散斑像素点位置表Ai内的每个重构特征空间中所有像素点的横、纵坐标平均值 和 所构成的点 作为每个重构特征空间的新聚类中心点的坐标；
第五步，采用每一张激光散斑像素点位置表Ai内的每个重构特征空间的新聚类中心点的坐标代替第三步中的初始聚类中心点的坐标，重复第三步‑第五步直到激光散斑像素点位置表Ai中的每一个重构特征空间内的新聚类中心点坐标不再发生改变得到最终聚类中心点坐标；
第六步，将第五步中的每一张激光散斑像素点位置表Ai中的各个最终聚类中心点坐标分别存入与该张激光散斑像素点位置表对应的SQL数据库中的聚类中心点无序表Ui中；
步骤四、采用SQL Server软件对聚类中心点无序表进行数据排序和索引对应，具体过程如下：
第一步，采用SQL Server软件在每一张聚类中心点有序表Si中均分配k个空白存储区，并依次分配1…k个索引值；
第二步，分别计算第i张聚类中心点无序表Ui中每一个最终聚类中心点与第i‑1张聚类中心点有序表Si‑1中k个坐标点的距离的大小，将与第i‑1张聚类中心点有序表Si‑1中各个坐标点距离最近的第i张聚类中心点无序表Ui中的最终聚类中心点坐标按照该最终聚类中心点在第i‑1张聚类中心点有序表Si‑1中的索引值存入第i张聚类中心点有序表中同样的索引值位置处；其中，i＝0表示结构物未提升状态，第0张聚类中心点无序表U0中的最终聚类中心点的坐标直接依次存入第0张聚类中心点有序表S0中；
步骤五、利用matlab软件进行结构物表面变形区域偏移量的图像绘制，具体过程如下：
第一步，以第0张聚类中心点有序表S0中的各个最终聚类中心点的坐标为基准，采用matlab软件计算第0张聚类中心点有序表S0中各个最终聚类中心点的坐标分别和第i张聚类中心点有序表Si中索引值相同位置处的各个聚类中心点的坐标之间的位置偏移量εj和角度偏移量第二步，利用matlab中的math工具包，获得每一张聚类中心点有序表Si中的各个最终聚类中心点和第0张聚类中心点有序表S0中的各个相同索引值的最终聚类中心点相比，结构物表面最大的位置偏移量εmax和角度偏移量 然后以与各张聚类中心点有序表Si分别对应的结构物表面激光散斑的灰度图对应的拍摄时间为X轴坐标，以与各张聚类中心点有序表对应的结构物表面最大的位置偏移量εmax和角度偏移量 为纵坐标绘制偏移量随时间变化的折线图；
步骤六、在所述的步骤五偏移量随时间变化的折线图中，如果出现结构物表面最大的位置偏移量和角度偏移量接近预设的临界变形量、曲线斜率过大、曲线斜率产生突变情况，则立即停止提升工作，对相关的固定提升点进行固定加强，达到提升标准后继续提升。
一种大型结构物提升过程中最大变形量的监测方法
技术领域
[0001] 本发明涉及大型结构物变形量监测方法,尤其涉及大型结构物提升过程中最大变形量的监测方法。
背景技术
[0002] 大型结构物在安装运输时，需要通过结构物上的吊点进行起吊或结构物上的支点进行提升，起吊或提升过程中产生的不平稳情况都会使大型结构物产生变形，当大型结构物的变形量超过临界值时就可能会导致工程事故。
[0003] 大型结构物跨度较大，在提升过程中的允许变形量较小，使用传统的位移传感器和角度倾斜传感器难以精确测量出大型结构物的提升过程中的结构变形量。较为精确的测量方法是采用静力水准仪对待测表面进行测量，但是该方法装置设置过程复杂，进行一次测量通常需要长达数天的调试，并且只能针对水平的平面进行测量，应用场景较少。
发明内容
[0004] 本发明的目的在于克服已有技术的缺点，提供一种可以提高变形测量精度、简化装置设置过程、降低使用成本、大幅度提高测量效率的非接触式实时监测方法。
[0005] 本发明的一种大型结构物提升过程中最大变形量的监测方法，包括以下步骤：
[0006] 步骤一、使用CCD相机对结构物表面未进行提升时的初始状态以及提升过程中的状态进行灰度图的采集，具体过程如下：
[0007] 第一步，采用激光照射结构物表面使得结构物表面产生近似圆形的多个激光散斑，多个激光散斑的中心线彼此平行且在结构物表面均布，调整好CCD相机的位置使得CCD相机的镜头平面与产生激光散斑的结构物表面平行；
[0008] 第二步，在结构物未进行提升时以及提升过程中，使用CCD相机对产生激光散斑的结构物表面按照设定的时间间隔进行拍摄，得到不同时刻下结构物表面激光散斑的灰度图；
[0009] 步骤二、利用SQL Server软件对CCD相机获得的每一幅灰度图进行数据提取和数据存储，具体过程如下：
[0010] 第一步，使用SQL Server软件创建图像信息数据库，然后在图像信息数据库中建立n个激光散斑像素点位置表Ai、n个聚类中心点无序表Ui以及n个聚类中心点有序表Si，i＝1…n，下标i一致的各个表彼此具有对应关系；
[0011] 第二步，将所述CCD相机获得的灰度图通过网络或者线路传输给外接图像采集卡的计算机；
[0012] 第三步，计算机利用图像采集卡读取不同时刻结构物表面激光散斑的灰度图，在每一幅灰度图中建立坐标原点位于图像左下角的图像坐标系，纪录激光散斑的总数k，按照设定顺序在每一个激光散斑图像中选出一个像素点作为这个激光散斑位置的近似替代位置并提取选出的像素点坐标数据，以列表的形式将从每一幅灰度图中选出的各个像素点坐标数据依次分别存入与每一幅灰度图对应设置的激光散斑像素点位置表中；
[0013] 步骤三、利用Python中K‑means模块分别对每一张激光散斑像素点位置表Ai中各个像素点坐标数据进行聚类处理，具体过程如下：
[0014] 第一步，在Python中导入K‑means模块并创建与SQL Server数据库的连接，提取激光散斑像素点位置表Ai；
[0015] 第二步，将每一张激光散斑像素点位置表Ai中的所有像素点坐标数据分别利用K‑means模块按列表中从前往后顺序分成共计k个大小相近的特征空间，并在每个特征空间内随机选择一个点作为初始聚类中心点；
[0016] 第三步，分别计算每一张激光散斑像素点位置表Ai内所有像素点到各个初始聚类中心点距离，然后比较每个像素点到各个初始聚类中心点距离的大小，将与各个初始聚类中心点最近的每个像素点与该初始聚类中心点重新组合为一个重构特征空间，形成k个重构特征空间，
[0017] 第四步，计算每一张激光散斑像素点位置表Ai内的每个重构特征空间中所有像素点的横、纵坐标平均值 和 所构成的点 )作为每个重构特征空间的新聚类中心点的坐标；
[0018] 第五步，采用每一张激光散斑像素点位置表Ai内的每个重构特征空间的新聚类中心点的坐标代替第三步中的初始聚类中心点的坐标，重复第三步‑第五步直到激光散斑像素点位置表Ai中的每一个重构特征空间内的新聚类中心点坐标不再发生改变得到最终聚类中心点坐标；
[0019] 第六步，将第五步中的每一张激光散斑像素点位置表Ai中的各个最终聚类中心点坐标分别存入与该张激光散斑像素点位置表对应的SQL数据库中的聚类中心点无序表Ui中；
[0020] 步骤四、采用SQL Server软件对聚类中心点无序表进行数据排序和索引对应，具体过程如下：
[0021] 第一步，采用SQL Server软件在每一张聚类中心点有序表Si中均分配k个空白存储区，并依次分配1…k个索引值；
[0022] 第二步，分别计算第i张聚类中心点无序表Ui中每一个最终聚类中心点与第i‑1张聚类中心点有序表Si‑1中k个坐标点的距离的大小，将与第i‑1张聚类中心点有序表Si‑1中各个坐标点距离最近的第i张聚类中心点无序表Ui中的最终聚类中心点坐标按照该最终聚类中心点在第i‑1张聚类中心点有序表Si‑1中的索引值存入第i张聚类中心点有序表中同样的索引值位置处；其中，i＝0表示结构物未提升状态，第0张聚类中心点无序表U0中的最终聚类中心点的坐标直接依次存入第0张聚类中心点有序表S0中；
[0023] 步骤五、利用matlab软件进行结构物表面变形区域偏移量的图像绘制，具体过程如下：
[0024] 第一步，以第0张聚类中心点有序表S0中的各个最终聚类中心点的坐标为基准，采用matlab软件计算第0张聚类中心点有序表S0中各个最终聚类中心点的坐标分别和第i张聚类中心点有序表Si中索引值相同位置处的各个聚类中心点的坐标之间的位置偏移量εj和角度偏移量
[0025] 第二步，利用matlab中的math工具包，获得每一张聚类中心点有序表Si中的各个最终聚类中心点和第0张聚类中心点有序表S0中的各个相同索引值的最终聚类中心点相比，结构物表面最大的位置偏移量εmax和角度偏移量 然后以与各张聚类中心点有序表Si分别对应的结构物表面激光散斑的灰度图对应的拍摄时间为X轴坐标，以与各张聚类中心点有序表对应的结构物表面最大的位置偏移量εmax和角度偏移量 为纵坐标绘制偏移量随时间变化的折线图；
[0026] 步骤六、在所述的步骤五偏移量随时间变化的折线图中，如果出现结构物表面最大的位置偏移量和角度偏移量接近预设的临界变形量、曲线斜率过大、曲线斜率产生突变情况，则立即停止提升工作，对相关的固定提升点进行固定加强，达到提升标准后继续提升。
[0027] 本发明的优点：使用高精度图像识别技术实时测量出大型结构物上各个点在提升过程中的变形量，并对其变形量进行实时监控，防止由于大型结构物的变形量超过临界值而导致工程事故的产生，可以用于解决大型结构物安装运输过程中所涉及的大型结构物最大变形量测量的问题，是一种操作简单、结果可视、稳定可靠、适应性广的方法。
附图说明
[0028] 图1是大型结构物提升过程中最大变形量监测方法流程图。
具体实施方式
[0029] 下面结合附图和具体实施例对本发明进行详细描述。
[0030] 本发明的工作原理是：1.先对结构物表面进行激光照射形成近似圆形的散斑，此时散斑各行各列彼此平行，各个散斑大小相近、分布均匀；2.在提升过程中这些散斑都会发生位置和形状的变化，但由于大型结构物的变形都属于微小变形，提升过程中依然可以将散斑的各行各列看作近似平行；3.在每个散斑中选出一个小像素点作为这个散斑位置的近似代替；4.计算这些对应像素点的偏移量可以近似代替这些激光散斑的偏移量，通过激光散斑的偏移量监测结构物表面的变形量。
[0031] 基于上述原理，本发明的方法如下：
[0032] 如图1所示，本发明的一种大型结构物提升过程中最大变形量的监测方法，包括以下步骤：
[0033] 步骤一、使用CCD相机对结构物表面未进行提升时的初始状态以及提升过程中的状态进行灰度图的采集，具体过程如下：
[0034] 第一步，采用激光照射结构物表面使得结构物表面产生近似圆形的多个激光散斑，多个激光散斑的中心线彼此平行且在结构物表面均布，调整好CCD相机的位置使得CCD相机的镜头平面与产生激光散斑的结构物表面平行，降低测量误差。
[0035] 第二步，在结构物未进行提升时以及提升过程中，使用CCD相机对产生激光散斑的结构物表面按照设定的时间间隔(如：0.1S)进行拍摄，得到不同时刻下结构物表面激光散斑的灰度图。
[0036] 步骤二、利用SQL Server软件对CCD相机获得的每一幅灰度图进行数据提取和数据存储，具体过程如下：
[0037] 第一步，使用SQL Server软件创建图像信息数据库，然后在图像信息数据库中建立n个激光散斑像素点位置表Ai、n个聚类中心点无序表Ui以及n个聚类中心点有序表Si，i＝1…n，下标i一致的各个表彼此具有对应关系。
[0038] 第二步，将所述CCD相机获得的灰度图通过网络或者线路传输给外接图像采集卡的计算机。
[0039] 第三步，计算机利用图像采集卡读取不同时刻结构物表面激光散斑的灰度图，在每一幅灰度图中建立坐标原点位于图像左下角的图像坐标系，纪录激光散斑的总数k，按照设定顺序(如可以自上而下、自左向右)在每一个激光散斑图像中选出一个像素点作为这个激光散斑位置的近似替代位置并提取选出的像素点坐标数据，以列表的形式将从每一幅灰度图中选出的各个像素点坐标数据依次分别存入与每一幅灰度图对应设置的激光散斑像素点位置表中，即同一张灰度图中选取的像素点坐标存入同一张激光散斑像素点位置表中。
[0040] 步骤三、利用Python中K‑means模块分别对每一张激光散斑像素点位置表Ai中各个像素点坐标数据进行聚类处理，具体过程如下：
[0041] 第一步，在Python中导入K‑means模块并创建与SQL Server数据库的连接，提取激光散斑像素点位置表Ai。
[0042] 第二步，将每一张激光散斑像素点位置表Ai中的所有像素点坐标数据分别利用K‑means模块按列表中从前往后顺序分成共计k个大小相近的特征空间，并在每个特征空间内随机选择一个点作为初始聚类中心点。
[0043] 第三步，分别计算每一张激光散斑像素点位置表Ai内所有像素点到各个初始聚类中心点距离，然后比较每个像素点到各个初始聚类中心点距离的大小，将与各个初始聚类中心点最近的每个像素点与该初始聚类中心点重新组合为一个重构特征空间，形成k个重构特征空间，距离公式为：
[0044]
[0045] 式中 和 表示任意一张激光散斑像素点位置表Ai中任意一个像素点的横坐标和纵坐标， 和 表示任意一张激光散斑像素点位置表Ai中与任意一个特征空间对应的初始聚类中心点的横坐标和纵坐标。
[0046] 第四步，计算每一张激光散斑像素点位置表Ai内的每个重构特征空间中所有像素点的横、纵坐标平均值 和 所构成的点 )作为每个重构特征空间的新聚类中心点的坐标，其中：
[0047]
[0048]
[0049] 式中 分别表示每一个重构空间里所有像素点横坐标总和、纵坐标总和，nj表示每一个重构空间里所有像素点的总数目。j表示第j个特征空间，nj表示第j个特征空间里面像素点的总数目，w表示第j个特征空间里面第w个像素点， 与 表示第j个特征空间内第w个像素点横纵坐标。
[0050] 第五步，采用每一张激光散斑像素点位置表Ai内的每个重构特征空间的新聚类中心点的坐标代替第三步中的初始聚类中心点的坐标，重复第三步‑第五步直到激光散斑像素点位置表Ai中的每一个重构特征空间内的新聚类中心点坐标不再发生改变得到最终聚类中心点坐标。
[0051] 第六步，将第五步中的每一张激光散斑像素点位置表Ai中的各个最终聚类中心点坐标分别存入与该张激光散斑像素点位置表对应的SQL数据库中的聚类中心点无序表Ui中。
[0052] 步骤四、采用SQL Server软件对聚类中心点无序表进行数据排序和索引对应，具体过程如下：
[0053] 第一步，采用SQL Server软件在每一张聚类中心点有序表Si中均分配k个空白存储区，并依次分配1…k个索引值；
[0054] 第二步，分别计算第i张聚类中心点无序表Ui中每一个最终聚类中心点与第i‑1张聚类中心点有序表Si‑1中k个坐标点的距离的大小，将与第i‑1张聚类中心点有序表Si‑1中各个坐标点距离最近的第i张聚类中心点无序表Ui中的最终聚类中心点坐标按照该最终聚类中心点在第i‑1张聚类中心点有序表Si‑1中的索引值存入第i张聚类中心点有序表中同样的索引值位置处；其中，i＝0表示结构物未提升状态，第0张聚类中心点无序表U0中的最终聚类中心点的坐标直接依次存入第0张聚类中心点有序表S0中。
[0055] 下面举例对本步骤加以说明：假设当前正在对第6张聚类中心点无序表U6进行处理，此时第5张聚类中心点有序表S5已经完成填写，两表内分别存有3个坐标数据。首先，在第6张聚类中心点有序表S6中分配3个空白存储区并依次分配1‑3的索引值；然后，取出U6第1个坐标d1，分别计算d1与S5中3个坐标的距离，假设d1与第2个坐标点距离最近，取得索引值2，在S6中找到索引为2的空白存储区，将d1存入该位置；之后，对U6中第2个坐标d2、第3个坐标d3进行相同的操作，将S6填写完成。
[0056] 步骤五、利用matlab软件进行结构物表面变形区域偏移量的图像绘制，具体过程如下：
[0057] 第一步，以第0张聚类中心点有序表S0中的各个最终聚类中心点的坐标为基准，采用matlab软件计算第0张聚类中心点有序表S0中各个最终聚类中心点的坐标分别和第i张聚类中心点有序表Si中索引值相同位置处的各个聚类中心点的坐标之间的位置偏移量εj和角度偏移量 其中：
[0058]
[0059]
[0060] 式中 为第0张聚类中心点有序表S0中索引值为j的各个最终聚类中心点的横坐标和纵坐标， 表示第i张聚类中心点有序表Si中索引值为j的各个聚类中心点的横坐标和纵坐标，F表示图像长度与实际长度之间的放大系数，可以根据CCD相机镜头平面与结构物表面之间的距离选取，距离越大，F的值越大，通常的取值范围为2‑20。
[0061] 第二步，利用matlab中的math工具包，获得每一张聚类中心点有序表Si中的各个最终聚类中心点和第0张聚类中心点有序表S0中的各个相同索引值的最终聚类中心点相比，结构物表面最大的位置偏移量εmax和角度偏移量 然后以与各张聚类中心点有序表Si分别对应的结构物表面激光散斑的灰度图对应的拍摄时间为X轴坐标，以与各张聚类中心点有序表对应的结构物表面最大的位置偏移量εmax和角度偏移量 为纵坐标绘制偏移量随时间变化的折线图，其中：
[0062] εmax＝MAX(ε1，...，εj...，εk)
[0063]
[0064] 式中ε1...εj...εk表示第i个时刻下所有聚类中心点坐标的位置偏移量，表示第i个时刻下所有聚类中心点坐标的角度偏移量。
[0065] 步骤六、在所述的步骤五偏移量随时间变化的折线图中，如果出现结构物表面最大的位置偏移量和角度偏移量接近预设的临界变形量、曲线斜率过大、曲线斜率产生突变等情况，说明结构物表面在提升过程中产生较大的变形量，则立即停止提升工作，对相关的固定提升点(结构物表面焊接的挂环、用于液压顶升的支撑点等)采用现有方法进行固定加强，达到提升标准后继续提升。
