基于數字圖像相關的古建筑彩繪梁損傷識別方法

劉綱 顧嘉偉 李孟珠 賀成華

摘 要：針對傳統損傷識別需布設接觸式傳感器而不利于古建筑木結構保護的問題，利用古建筑自身彩繪圖案探索基于數字圖像相關原理（DIC）的非接觸式損傷識別方法。通過數碼相機拍攝古建筑彩繪木梁振動時序圖片，采用整、亞像素位移搜索算法解算木梁上各點的位移響應時程，利用傅里葉變換得到幅頻、相頻曲線，進而通過幅頻幅值和相頻相位角提取木梁的工作模態;利用DIC方法可獲取沿梁長方向所有像素模態信息的優勢，引入振型轉角模態、曲率模態作為損傷特征指標進行損傷識別。數值算例和彩繪簡支梁實驗結果表明，采用DIC方法獲得的工作模態能準確識別木梁的損傷部位和損傷程度的相對大小，為古建筑木結構預防性保護提供了新技術手段。

關鍵詞：古建筑木結構;損傷識別;彩繪梁;數字圖像相關;工作模態

中圖分類號：TU366.2 文獻標志碼：A 文章編號：2096-6717（2022）02-0148-10

基金項目：國家自然科學基金（52078084、51578095）;重慶市技術創新與應用發展專項（cstc2020jscx-msxm0584）

作者簡介：劉綱（1977- ），教授，博士生導師，主要從事結構健康監測、振動控制研究，E-mail：gliu@cqu.edu.cn。

Abstract： Considering that traditional damage detection needs to install contact sensors， which is not conducive for protection of ancient timber structures， a non-contact damage identification method based on digital image correlation （DIC） by using painted patterns of ancient buildings itself was proposed. Firstly， the time series images of the painted wooden beam during vibration are captured by the digital camera. Then， use the integer and sub-pixel displacement search algorithm to calculate the displacement response time history of each point on the wooden beam as well as the Fourier transform to obtain the amplitude-frequency and phase-frequency curves. Finally， the operational mode of the wooden beam is extracted by the amplitude-frequency amplitude and phase-frequency phase angle.This study then adopts the rotation mode and the curvature mode as damage characteristic indicators for damage identification by the advantage of using the DIC method to obtain modal information of all pixels along the beam length. Results from simulation and experiment of painted simply supported beam show that the operational mode obtained by the DIC method can accurately identify the damage location and the relative damage degree of the wooden beam， which provides a new technique for preventive protection of ancient timber structures.

Keywords：ancient timber structures;damage identification;painted beams;digital image correlation;operational mode

木結構是中國古建筑的主要結構形式，是傳承中華燦爛文明的重要載體。受木材老化、環境及生物侵蝕的長期作用和突發災害的過載作用，古建筑木結構普遍存在結構性能退化的問題，并伴有不同程度的殘損[1]。但作為中國特有的歷史文化遺產和寶貴的旅游資源，不少古建筑仍需對游客開放，長期“帶病”工作可能加劇木結構的損傷。因此，利用先進技術手段實時掌握木結構的安全狀態，是實現古建筑木結構預防性保護的根本前提[2-3]。

隨著傳感及信息技術的快速發展，結構監測及損傷識別技術已在航空航天、機械及土木工程結構中得到廣泛應用，其通過傳感設備實時獲取結構響應和環境信息，利用損傷識別和安全評估及時掌握結構的安全狀態，從而可有效預防結構安全事故[4-5]。近年來，該技術被逐步引入古建筑木結構領域，Jiang等[6]利用光纖光柵傳感技術對古建筑木結構的梁偏轉、柱傾斜、關節錯位等進行監測，并開發了適用于穿斗式木結構的監測系統。楊娜等[7]基于某藏式古建木結構監測系統，采用統計過程控制理論對監測數據進行異常診斷，結果表明，游客數量對木結構的穩定存在較大影響。薛建陽等[8]通過殿堂式古建筑縮尺模型振動臺試驗與西安鐘樓簡化力學模型，提出了柱腳滑移狀態下的結構等效剛度識別方法，利用速度、加速度傳感器的響應識別出結構層間抗側剛度值，結果表明，該方法可在地震倒塌前發出預警。Li等[9]在兩層木框架模型的6個梁柱節點處分別布設加速度傳感器，在隨機激勵下利用小波單譜熵指標識別出了木結構的損傷。王鑫等[10]建立了木結構框架模型，對環境激勵下梁上各節點的加速度響應信號進行小波包分解，采用小波包能量曲率差指標實現了木梁的損傷定位。

但以上監測方法均需在古建筑木結構中安裝傳感器，對木結構自身有一定損傷，不利于古建筑木結構的保護。近十年來，隨著攝像技術的快速發展，基于數字圖像相關（digital image correlation，DIC）的監測技術得到長足發展。該技術采用數字相機非接觸拍攝被測對象表面圖像，通過圖像的像素匹配獲得被測對象的全場變形信息，進而提取應變、模態等測試參量，具有非接觸、全場測量及便于實施等優勢，并采用人工噴涂散斑等方式增密被測對象的表面特征，以大幅提高測量精度，目前已在現代結構變形、振動監測中展示了巨大潛力[11]。Yu等[12]在懸臂鋁板上噴涂散斑點，利用高速相機進行全場振動測量，準確獲取了被測物體的自振頻率、振型等模態參數;Khadka等[13]在風力渦輪機葉片表面制作散斑點，利用DIC方法辨識了葉片在旋轉狀態下的模態參數;Molina-Viedma等[14]以一榀框架結構為研究對象，利用DIC方法提取了隨機振動激勵下結構的工作模態，采用局部模態濾波方法識別和定位了框架梁的損傷。

DIC測量方法可借助被測物體表面特定的灰度特征實現變形、模態參數等測試，而古建筑木結構表面往往繪制了彩色圖案。為滿足古建筑木結構保護要求，筆者直接利用木結構表面自身彩繪圖案，探索采用DIC非接觸式測量方法辨識木梁工作模態的可行性。在此基礎上，選取轉角模態和曲率模態作為損傷指標，利用DIC測試的工作模態沿梁長方向連續的特征，實現木結構早期損傷的準確定位。數值模擬和實驗結果表明，DIC方法可辨識木梁工作模態并實現微小損傷定位，從而為古建筑木結構預防性保護提供新的監測手段。

1 基于DIC原理的模態參數辨識方法

1.1 DIC位移測試原理

數字圖像相關法（DIC）是近年發展起來的基于視覺的新測試技術。以二維圖像位移解算為例，DIC方法先建立參考圖像（未變形）與目標圖像（變形后）統一的x-y坐標系，再進行整、亞像素位移解算。

整像素解算階段，在參考圖像中選取任意像素作為計算點P（x0， y0），并以計算點為中心選取（2M+1）×（2M+1）像素大小的矩形區域為參考子集，其中M為參考子集的半徑，如圖1所示;然后，在目標圖像中選取任意點為待測點P′（x0′， y0′），以該點為中心形成與參考子集相同尺寸的目標子集，并計算相關系數CZNSSD。

式中：f（x0， y0）為參考圖像坐標（x0， y0）處像素點灰度值;fm為參考子集灰度平均值;g（x0′， y0′）表示目標圖像坐標（x0′， y0′）處像素點灰度值;gm是對應的目標子集灰度平均值。通過整像素搜索算法，按既定搜索路徑依次篩選出相關系數極小值所對應的待測點，即為參考圖像中P點在變形后的整像素匹配點，在x、y方向的整像素位移分別記為u0、v0。常用的整像素搜索算法有粗細搜索法、十字搜索法、逐點搜索法等，筆者采用計算效率和精度較穩定的粗細搜索法[15]。

在亞像素計算階段，利用已獲得的整像位移值，通過插值和亞像素搜索方法進行亞像素位移解算。對于二維圖像，需要在x、y方向分別進行插值。其中常用的三次樣條插值函數為[16]

1.2 工作模態辨識方法

當相機采集幀率滿足那奎斯特采樣定理時[19]，利用DIC方法解算出一系列圖片中目標點的位移時程曲線;再通過傅里葉變換得到各像素點位移時程的幅頻、相頻曲線;然后根據各階固有頻率處幅頻曲線的幅值大小、相頻曲線的相位角判斷各像素點相對位置，從而獲得被測結構工作模態。

多自由度體系在模態空間下的運動微分方程可表示為[20]

由式（13）可知，頻響函數矩陣中任意一行或一列包含所有的模態參數，例如，式（13）中第1列表示在1號測點y方向激勵，能夠獲得1～e號測點的y方向位移響應。因此，可通過兩種方式進行工作模態的辨識：其一，在結構的某一固定點進行激振，在其他各點進行拾振，即可求得H的一列;其二，在結構的某一固定點拾振，在其他各點激振，即可求得H的一行。

在固定點進行激勵，利用DIC方法識別出各測點的位移響應后，通過傅里葉變換獲取各測點在同一固有頻率下幅頻曲線的幅值大小并進行歸一化處理，再利用各測點相頻曲線的相位角判斷其相對位置，即可實現工作模態的辨識。

2 基于模態參數的損傷識別方法

采用模態參數進行損傷識別的原理在于，損傷將造成結構質量、剛度改變，進而導致結構模態參數發生變化，且在損傷處模態振型往往會出現奇異性峰值，從而判斷結構損傷部位[21]。大量研究表明[22-24]，轉角模態和曲率模態對結構早期損傷較為敏感，故選取這兩個指標進行損傷識別和定位。

2.1 轉角模態

轉角模態是位移模態的一階導數。因結構損傷處剛度減少，導致剛度變化截面處左右側轉角不同，但結構仍滿足整體變形協調條件[25]，即

式中：xl、xr分別為截面的左、右側;v（x）為y方向的位移模態;EI為梁的抗彎剛度;Kτ為剛度變化截面處的等效轉動剛度，具體公式見文獻[26]。式（14）表明，在剛度變化截面處位移模態的一階導數不連續，即轉角模態將出現畸變，從而可通過該特性識別梁截面發生的損傷。

2.2 曲率模態

曲率模態為位移模態的二階導數，一般通過中心差分法近似計算[27]。

式中：ρ（x）為梁彎曲振動曲線的曲率半徑;Δ為測點間距。當結構局部出現損傷或損傷程度增加時，梁損傷部位的抗彎剛度減少，故損傷位置處的曲率將增大，因而通過檢測曲率模態在損傷前后的變化即可判斷損傷程度與損傷位置。

3 數值模擬

3.1 數值模型

建立2 m單跨簡支梁有限元模型，驗證密集測點條件下損傷識別的有效性，矩形梁截面寬×高為5 cm×1 cm，如圖3所示。在梁底部設置寬1 mm的橫向通長裂紋模擬損傷，以裂紋深度h與梁高H的比值表示損傷程度，以左端支座為零點表示損傷位置。損傷工況如表1所示。

為對比密集、稀疏測點下損傷識別效果，假設在簡支梁上以0.25 m等間距布設加速度傳感器為稀疏測點情況，相當于在被測結構1/8等分點布設傳感器;而DIC方法能實現的測點最小間距由相機像素和拍攝物距決定，當前單臺主流相機針對2 m長木梁能夠識別出的物理距離（相當于測點間距）可高達0.34 mm，但考慮到計算工作量及必要性，以0.05 m作為DIC測試的最大間距（密集測點）。若0.05 m間距無法實現預期的損傷識別，可進一步選取更小的測點間距進行試算。梁的損傷模型及傳感器測點布置如圖3所示。在數值算例中，直接采用有限元計算的模態振型進行損傷識別，沒有采用DIC進行模態振型識別。

3.2 損傷識別結果

考慮到古建筑木結構梁具有截面大、跨度小的特點，實際結構中往往無法有效對高階振型進行激勵，故選取稀疏、密集測點下簡支梁的第一階模態振型，其工況1～工況4下模態振型的變化如圖4所示，其中工況0表示無損傷狀態。稀疏測點下的轉角、曲率模態在損傷前后無明顯差別，而密集測點獲得的轉角模態與曲率模態在損傷位置處存在明顯的奇異性峰值，可以判斷損傷位置與損傷程度。

裂紋深度的增加會導致稀疏測點下的轉角模態和曲率模態幅值均產生微小變化，但在損傷位置并未存在奇異性峰值，故采用損傷前后模態差作為判斷指標，以提高識別靈敏度，稀疏測點與密集測點的模態差如圖5所示，工況1/0.25表示工況1/測點間距為0.25 m。無噪聲情況下，稀疏測點的模態差在損傷位置處均未出現明顯的奇異性峰值，而密集測點的模態差可以準確判斷出損傷位置;峰值的相對大小與損傷程度呈正比關系，由此可區分損傷程度，且曲率差指標更為準確。

圖6為稀疏、密集測點對簡支梁多處損傷識別的對比結果。對于圖6（a）中的轉角模態，稀疏測點無法實現損傷識別;當間距為0.01 m時，密集測點出現奇異性峰值，但對于靠近跨中處的損傷，轉角模態幅值出現減小的情況，并無奇異性峰值，對損傷不夠敏感。對于圖6（b）中的曲率模態，當損傷發生在稀疏測點位置時，不能識別損傷，而當損傷發生在測點之間時，會導致損傷的錯誤定位以及損傷程度的辨識錯誤;當間距為0.05 m時，根據密集測點曲率模態的峰值位置和大小，能夠準確區分不同位置和不同程度的損傷。

4 實驗驗證

選取長×寬×高為1.5 m×0.05 m×0.01 m的簡支木梁為研究對象，在梁側面從左至右分別粘貼旋子、蘇式、和璽3種常見的古建筑彩繪圖，共同作為DIC拍攝區域，3種彩繪圖的長度均為0.25 m。采用1 920×1 080像素的SONY HDR-CX670攝像機進行拍攝，幀率取為50 Hz。先以0.05 m等間距布置的測點作為密集測點，同時在梁上以0.25 m等間距布置5個加速度傳感器，設置其采樣頻率為64 Hz。在梁跨中施加豎向初位移，以木梁自由振動方式激振。實驗布置如圖7所示。

以數值模擬算例定義的損傷方式在木梁底部設置1 mm深度的橫向通長裂縫，損傷工況如表2所示。

攝像機光軸垂直于木梁表面進行拍攝時，表示物理位移與圖像位移之間關系的尺度因子λ=dknown/Iknown[28]，其中，dknown為物體表面已知長度，mm;Iknown為在圖像上對應的像素長度，pixel。實驗木梁的厚度為10 mm，在圖像上對應像素長度為16 pixel，故尺度因子λ=0.625 mm/pixel，像素間距為0.625 mm，因此，DIC方法能夠精確實現等間距密集測量。

在木梁跨中布置激光位移傳感器（LDS）以驗證DIC方法測量位移的準確性。LDS的型號為LR-TB2000，采樣頻率為64 Hz。根據計算的尺度因子，將圖像位移轉換為物理位移，跨中處自由衰減的位移時程曲線如圖8（a）所示。由圖8（a）可知，激光位移傳感器與DIC方法獲取的跨中位置處位移時程曲線基本一致，從而說明DIC測量結構位移具有較好的準確性。

采用DIC方法識別出的位移時程曲線如圖8（b）所示，圖例中數值代表距左端支座的距離。從圖8（b）可知，0.25與1.25 m處、0.5與1 m處的測點振動幅值基本吻合，即對稱位置處的位移時程曲線一致，與理論相符，表明不同類型的古建筑彩繪圖對DIC的識別精度影響不大。

通過識別梁上密集測點的位移時程曲線，進行FFT變換，獲取各像素點的幅頻曲線與相頻曲線。根據相位角正負與幅值大小進行歸一化處理，獲得梁的一階工作模態，無損狀態下的工作模態如圖9所示。由該圖可知，通過DIC密集測點獲得的工作模態曲線更光滑，包含更多的局部信息。

根據數值模擬實驗，考慮轉角模態與曲率模態對損傷的相對敏感程度，以及實驗中環境噪聲與光照條件的影響，采用較為敏感的曲率差損傷指標判斷損傷識別效果，基于第一階振型不同損傷程度的單處損傷識別結果如圖10所示。圖10（a）中，根據不同工況下、不同測點位置處的曲率差峰值并不能確定損傷位置在0.5 m處，相反，在其他測點出現了錯誤的損傷定位。原因在于傳感器與木梁的接觸面較大，安裝傳感器時不能準確布置在目標采集點位置上，導致利用傳感器獲取的位移模態進行中心差分時，測點間距的較大誤差會造成曲率模態峰值發生明顯改變，從而導致損傷位置的定位錯誤，并且根據峰值的相對大小也難以判斷損傷程度，因此，利用傳統加速度傳感器難以識別木梁的損傷。

采用DIC方法識別結構模態時，雖然圖像像素的最小間距為0.625 mm，但考慮到計算效率，先選取0.05 m作為密集測點，識別結果如圖10（b）所示。從圖10可知，通過DIC方法計算的曲率差在木梁距左端0.5 m處存在明顯的奇異性峰值，可實現損傷的準確定位，且不同損傷情況下的峰值也存在差別，其大小與損傷程度呈正比關系。因此，可通過奇異性峰值大小判斷木梁損傷的相對大小。

在木梁存在兩處損傷的情況下，稀疏、密集測點的識別結果如圖11所示。圖11（a）中存在3處明顯峰值，其中0.75 m處的峰值最大，與實際損傷位置存在較大的誤差，原因在于根據曲率模態計算式（15），損傷造成的位移模態突變會導致其相鄰測點的曲率模態值發生改變，因此，0.5 m處的損傷導致位移模態在該處發生突變，0.75 m處測點的曲率模態由于該突變產生了峰值，同時0.8 m處的損傷也會對0.75 m處測點造成相同的影響，因此，稀疏測點易受多處損傷的影響而導致錯誤的損傷定位，并且會造成損傷位置處的奇異性峰值疊加，從而導致損傷程度的誤判。

由圖11（b）可知，密集測點下，在損傷位置0.5、0.8 m處存在明顯奇異性峰值，可以判斷在這兩處位置存在損傷，并且對應位置處的峰值大小與預設的裂紋深度成正比。因此，當木梁存在多處損傷時，該方法不但可實現小尺度損傷的準確識別，還能判斷不同損傷的相對大小。將測點的間距進一步減小，能夠實現兩處損傷引起的位移模態突變不會影響同一測點的曲率模態值，從而保證密集測點下的損傷準確定位、損傷位置處奇異性峰值保持穩定。

綜上，實驗表明，使用傳統加速度傳感器進行損傷識別受限于測點間距過大、布設位置偏離等因素，造成損傷的錯誤定位;而DIC方法的密集測點能夠實現多處損傷的定位以及損傷相對程度的辨別。

5 結論

針對接觸式傳感器進行古建筑木結構彩繪梁動態損傷識別易造成木結構損傷的問題，利用木結構梁表面自身彩繪圖案，選取不同模態參數作為損傷指標，提出基于數字圖像相關（DIC）原理的非接觸式損傷識別方法，數值模擬和彩繪簡支梁實驗表明：

1）以古建筑彩繪圖案為對象，DIC方法能實現彩繪梁的無損全場動態位移精準測量，通過密集測點獲取損傷信息更多的工作模態，有效克服了傳統接觸式測量造成木梁表面損壞、測點不足的缺陷。

2）以規則排列的圖像像素為測點，能夠實現絕對等間距測量，避免接觸式傳感器測點布置偏離導致的信息采集錯誤。

3）DIC方法測點間距可達毫米級，有效避免了兩處損傷對同一測點的累積影響，能夠實現木梁小尺度直裂縫的準確定位和損傷相對大小的辨識。

4）受限于古建筑內部場地大小，單個相機可能存在無法拍攝大跨度木梁的缺點，后期需進一步研究使用多個相機進行圖像拼接，從而實現大型古建筑結構整體的模態測試。

參考文獻：

[1]薛建陽， 吳占景， 張風亮， 等. 碳纖維布加固古建筑木結構基于結構潛能和能量耗散地震破壞評估[J]. 土木建筑與環境工程， 2013， 35（6）： 103-111.

XUE J Y， WU Z J， ZHANG F L， et al. Potential and energy dissipation-based seismic damage evaluation of ancient timber structure strengthened with CFRP [J]. Journal of Civil， Architectural & Environmental Engineering， 2013， 35（6）： 103-111. （in Chinese）

[2]潘毅， 袁雙， 王慧琴， 等. 古建筑木結構偷心造和計心造斗栱力學性能數值分析[J]. 土木建筑與環境工程， 2017， 39（5）： 9-15.

PAN Y， YUAN S， WANG H Q， et al. Numerical analysis of mechanical behavior of Tou-Xin-Zao and Ji-Xin-Zao Tou-Kung in Chinese ancient timber structures [J]. Journal of Civil， Architectural & Environmental Engineering， 2017， 39（5）： 9-15. （in Chinese）

[3]劉綱， 李孟珠， 蔣偉， 等. 古建筑彩繪梁整像素位移自適應搜索解算方法[J]. 湖南大學學報（自然科學版）， 2020， 47（11）： 106-113.

LIU G， LI M Z， JIANG W， et al. Adaptive search algorithm method of whole-pixel deformation for ancient building painted beams [J]. Journal of Hunan University （Natural Sciences）， 2020， 47（11）： 106-113. （in Chinese）

[4]羅鈞， 劉綱， 黃宗明. 基于子結構模型剪切型框架結構損傷識別[J]. 振動. 測試與診斷， 2017， 37（2）： 294-300， 404.

LUO J， LIU G， HUANG Z M. Damage detection for shear frame structure based on the substructure ARMAX model [J]. Journal of Vibration，Measurement & Diagnosis， 2017， 37（2）： 294-300， 404. （in Chinese）

[5]單德山， 羅凌峰， 李喬. 橋梁健康監測2019年度研究進展[J]. 土木與環境工程學報（中英文）， 2020， 42（5）： 115-125.

SHAN D S， LUO L F， LI Q. State-of-the-art review of the bridge health monitoring in 2019 [J]. Journal of Civil and Environmental Engineering， 2020， 42（5）： 115-125. （in Chinese）

[6]JIANG S F， QIAO Z H， LI N L， et al. Structural health monitoring system based on FBG sensing technique for Chinese ancient timber buildings [J]. Sensors， 2019， 20（1）： 110.

[7]楊娜， 代丹陽， 秦術杰. 古建筑木結構監測數據異常診斷[J]. 振動工程學報， 2019， 32（1）： 64-71.

YANG N， DAI D Y， QIN S J. Monitoring data diagnosis of ancient wood structure [J]. Journal of Vibration Engineering， 2019， 32（1）： 64-71. （in Chinese）

[8]薛建陽， 白福玉， 張錫成， 等. 古建筑木結構地震損傷分析及抗側剛度識別[J]. 湖南大學學報（自然科學版）， 2019， 46（1）： 55-64.

XUE J Y， BAI F Y， ZHANG X C， et al. Seismic damage analysis and lateral stiffness identification for ancient wooden structures [J]. Journal of Hunan University （Natural Sciences）， 2019， 46（1）： 55-64. （in Chinese）

[9]LI S C， ZHANG L， TANG J， et al. Damage identification in timber structures based on wavelet singular spectrum entropy [J]. Mathematical Problems in Engineering， 2018， 2018： 1-9.

[10]王鑫， 胡衛兵， 孟昭博. 基于小波包能量曲率差的古木結構損傷識別[J]. 振動與沖擊， 2014， 33（7）： 153-159， 186.

WANG X， HU W B， MENG Z B. Damage detection of an ancient wood structure based on wavelet packet energy curvature difference [J]. Journal of Vibration and Shock， 2014， 33（7）： 153-159， 186. （in Chinese）

[11]BING P. Digital image correlation for surface deformation measurement： Historical developments， recent advances and future goals [J]. Measurement Science and Technology， 2018， 29（8）： 082001.

[12]YU L P， PAN B. Single-camera high-speed stereo-digital image correlation for full-field vibration measurement [J]. Mechanical Systems and Signal Processing， 2017， 94： 374-383.

[13]KHADKA A， FICK B， AFSHAR A， et al. Non-contact vibration monitoring of rotating wind turbines using a semi-autonomous UAV [J]. Mechanical Systems and Signal Processing， 2020， 138： 106446.

[14]MOLINA-VIEDMA J， PIECZONKA L， MENDROK K， et al. Damage identification in frame structures using high-speed digital image correlation and local modal filtration [J]. Structural Control and Health Monitoring， 2020， 27（9）： e2586.

[15]ZHANG Z F， KANG Y L， WANG H W， et al. A novel coarse-fine search scheme for digital image correlation method [J]. Measurement， 2006， 39（8）： 710-718.

[16]高越. 三維數字圖像相關法的關鍵技術及應用研究[D]. 合肥： 中國科學技術大學， 2014.

GAO Y. Research on key technologies and applications of three-dimensional digital image correlation [D]. Hefei： University of Science and Technology of China， 2014. （in Chinese）

[17]CHEN W， JIANG Z， TANG L， et al. Equal noise resistance of two mainstream iterative sub-pixel registration algorithms in digital image correlation [J]. Experimental Mechanics， 2017， 57（6）： 979-996.

[18]PAN B. An evaluation of convergence criteria for digital image correlation using inverse compositional gauss-Newton algorithm [J]. Strain， 2014， 50（1）： 48-56.

[19]BARONE S， NERI P， PAOLI A， et al. Low-frame-rate single camera system for 3D full-field high-frequency vibration measurements [J]. Mechanical Systems and Signal Processing， 2019， 123： 143-152.

[20]李德葆， 陸秋海. 實驗模態分析及其應用[M]. 北京： 科學出版社， 2001.

LI D B， LU Q H.Experimental modal analysis and its application [M]. Beijing： Science Press， 2001. （in Chinese）

[21]PORCU M C， PATTERI D M， MELIS S， et al. Effectiveness of the FRF curvature technique for structural health monitoring [J]. Construction and Building Materials， 2019， 226： 173-187.

[22]徐華東， 王立海， 胡志棟. 運用曲率模態技術的木梁損傷定量識別[J]. 振動. 測試與診斷， 2011， 31（1）： 110-114，132-133.

XU H D， WANG L H， HU Z D. Quantitative identification of wood beam damage using modal curvature theory [J]. Journal of Vibration， Measurement & Diagnosis， 2011， 31（1）： 110-114，132-133. （in Chinese）

[23]徐平. 局部裂紋損傷簡支梁的曲率模態特性[J]. 固體力學學報， 2011， 32（Sup1）： 171-175.

XU P. Modal curvature characteristics of a simple beam with a local damaged crack [J]. Chinese Journal of Solid Mechanics， 2011， 32（Sup1）： 171-175. （in Chinese）

[24]繆炳榮， 楊樹旺， 王名月， 等. 利用振動響應的多種結構損傷識別方法比較[J]. 振動工程學報， 2020， 33（4）： 724-733.

MIAO B R， YANG S W， WANG M Y， et al. Comparison of various structural damage identification methods using vibration response [J]. Journal of Vibration Engineering， 2020， 33（4）： 724-733. （in Chinese）

[25]管德清， 黃燕. 基于轉角模態小波分析的彈性地基梁損傷識別研究[J]. 振動與沖擊， 2008， 27（5）： 44-47，172-173.

GUAN D Q， HUANG Y. Damage identification of elastic foundation beams based on wavelet transform of rotating angle modes [J]. Journal of Vibration and Shock， 2008， 27（5）： 44-47，172-173. （in Chinese）

[26]金明凡， 趙玫. 基于響應的梁損傷識別[J]. 振動與沖擊， 2006， 25（1）： 86-89，103，168.

JIN M F， ZHAO M. Damage identification of beam structure based on vibration responses [J]. Journal of Vibration and Shock， 2006， 25（1）： 86-89，103，168. （in Chinese）

[27]項長生， 李凌云， 周宇， 等. 基于模態曲率效用信息熵的梁結構損傷識別[J]. 振動與沖擊， 2020， 39（17）： 234-244.

XIANG C S， LI L Y， ZHOU Y， et al. Damage identification of beam structures based on modal curvature utility information entropy [J]. Journal of Vibration and Shock， 2020， 39（17）： 234-244. （in Chinese）

[28]FENG D M， FENG M Q. Experimental validation of cost-effective vision-based structural health monitoring [J]. Mechanical Systems and Signal Processing， 2017， 88： 199-211.

（編輯 黃廷）

3866500338216