Vision-Based Structural Damage Identification in Vibrating Beams via Dynamic Mode Decomposition

📄 arXiv: 2605.02803v1 📥 PDF

作者: R K B M Rizmi, Shabbir Ahmed

分类: eess.SY

发布日期: 2026-05-04

备注: Submitted to SMASIS 2026

💡 一句话要点

提出基于动态模态分解的视觉结构损伤识别方法，用于振动梁的非接触式健康监测。

🎯 匹配领域: 支柱八：物理动画 (Physics-based Animation)

关键词: 结构健康监测 动态模态分解 视觉测量 损伤检测 非接触式传感

📋 核心要点

  1. 非接触式结构损伤检测面临挑战，现有方法难以有效提取结构动态特征。
  2. 利用动态模态分解（DMD）从高速视频中提取模态频率和振型，实现损伤识别。
  3. 数值模拟和实验结果表明，该方法能有效区分健康和受损状态，具有鲁棒性。

📝 摘要（中文）

本研究提出了一种基于动态模态分解（DMD）的数据驱动框架，用于直接从振动结构的高速视频记录中提取结构动力学信息，旨在解决非接触式结构损伤检测这一结构健康监测领域的难题。该方法通过线性算子逼近底层动力学，其谱分解产生模态频率和相应的空间模态振型，从而实现对系统响应的物理可解释表示。通过数值和实验研究对所提出的方法进行了评估。首先，在ANSYS中模拟了健康和受损状态下的悬臂梁模型。DMD应用于部分观测数据，以重建和预测系统响应，同时分析提取的模态特征以表征损伤引起的变异。其次，将梁的高速视频记录处理成时空快照矩阵，使DMD能够恢复全场动态行为，而无需接触式传感器。为了实现定量评估，基于DMD导出的模态特征制定了损伤指标，捕捉了频率内容和空间特征的偏差。结果表明，在模拟和实验中，健康和受损状态之间存在一致且可区分的模式，突出了DMD作为一种使用视频数据进行非接触式损伤检测的稳健且可解释的工具的能力。

🔬 方法详解

问题定义：论文旨在解决结构健康监测中，利用非接触式传感进行结构损伤检测的难题。现有方法通常依赖于接触式传感器，成本高昂且难以应用于大规模或难以触及的结构。因此，如何仅通过视觉信息，准确、高效地识别结构损伤成为一个重要的研究问题。

核心思路：论文的核心思路是利用动态模态分解（DMD）从高速视频中提取结构的动态特征，包括模态频率和模态振型。DMD能够将复杂的非线性动力学系统分解为一系列线性模态的叠加，从而简化了对结构动态行为的分析。通过分析健康和受损状态下模态特征的差异，可以实现对结构损伤的识别。

技术框架：该方法的技术框架主要包括以下几个步骤：1) 使用高速摄像机记录振动结构的视频；2) 将视频处理成时空快照矩阵，其中每一列代表一个时间点的结构形变；3) 对快照矩阵进行DMD分解，提取模态频率和模态振型；4) 基于提取的模态特征，构建损伤指标，用于量化损伤程度；5) 通过比较健康和受损状态下的损伤指标，实现损伤识别。

关键创新：该方法最重要的技术创新点在于将DMD应用于基于视觉的结构损伤检测。与传统的基于加速度计等接触式传感器的方法相比，该方法无需直接接触结构，降低了成本和复杂性，并能够实现全场动态行为的测量。此外，DMD能够直接从视频数据中提取模态特征，避免了复杂的模型建立和参数估计过程。

关键设计：论文中关键的设计包括：1) 如何有效地将视频数据转换为时空快照矩阵，以保证DMD分解的准确性；2) 如何选择合适的DMD参数，以提取具有物理意义的模态特征；3) 如何构建鲁棒的损伤指标，以量化损伤程度并区分健康和受损状态。损伤指标的构建考虑了频率内容和空间特征的偏差，提高了损伤识别的准确性。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

论文通过数值模拟和实验验证了该方法的有效性。在ANSYS模拟中，DMD能够准确重建和预测悬臂梁的动态响应，并提取出能够表征损伤的模态特征。实验结果表明，该方法能够从高速视频中恢复全场动态行为，并区分健康和受损状态。基于DMD导出的模态特征构建的损伤指标，能够有效地量化损伤程度。

🎯 应用场景

该研究成果可应用于桥梁、建筑物、飞机等大型结构的健康监测，实现非接触式、低成本的损伤检测。通过早期发现和定位损伤，可以及时进行维护和修复，避免灾难性事故的发生，具有重要的社会和经济价值。未来，该方法可以进一步扩展到更复杂的结构和环境条件下，实现更智能化的结构健康监测。

📄 摘要（原文）

Structural damage detection using non-contact sensing remains a challenging problem in structural health monitoring. This study presents a data-driven framework based on Dynamic Mode Decomposition (DMD) for extracting structural dynamics directly from high-speed video recordings of vibrating structures. Within this approach, the underlying dynamics are approximated by a linear operator, whose spectral decomposition yields modal frequencies and corresponding spatial mode shapes, enabling a physically interpretable representation of the system response. The proposed methodology is evaluated through both numerical and experimental investigations. First, a cantilever beam model is simulated in ANSYS under healthy and damaged conditions. DMD is applied to partial observation data to reconstruct and predict the system response, while the extracted modal features are analyzed to characterize damage-induced variations. Second, high-speed video recordings of the beam are processed into spatiotemporal snapshot matrices, allowing DMD to recover full-field dynamic behavior without contact sensors. To enable quantitative assessment, a damage index is formulated based on DMD-derived modal features, capturing deviations in both frequency content and spatial characteristics. The results demonstrate consistent and distinguishable patterns between healthy and damaged states across both simulation and experiments, highlighting the capability of DMD as a robust and interpretable tool for non-contact damage detection using video data.