讨论了利用Zernike矩描述对称结构模态振型的方法,通过对结构的模态振型数据进行Zernike矩变换,将其分解成一系列Zernike矩的线性组合,而每一个Zernike矩反映模态振型的一部分形状特征。不同特征矩的线性组合,可以代表各阶模态的振型。在此基础上进一步提出了确定Zernike多项式最高阶数的方法,并讨论了Zernike矩描述对称结构模态振型的方法及其去噪声的能力。通过对简单圆盘结构的仿真实例研究,验证了应用Zernike矩描述对称结构模态振型的优越性。结果表明：利用Zernike矩描述对称结构的模态振型可以更有效地描述对称结构的模态,包括重模态,同时还能有效地消除测试数据中噪声的影响,对进一步实现对称结构有限元模型修正和模型确认具有重要的应用价值。

在结构模态识别中常用的模态保证准则（MAC）仅能显示结构不同振型的相关性，并不能反映模态的细节，对于模态复杂的网壳结构则更是如此。因此，提出利用Zemike矩表征网壳结构的振型，即将振型数据视为图像函数，通过离散Zemike矩变换，得到表征各阶模态的Zemike矩值（包括幅值和相位角）。对一个单层球面网壳结构的有限元模型进行数值模拟，结果表明，此矩可有效地反映模态的振型特性并能识别结构的重频模态，较传统的MAC具有明显的优越性。在此基础上，初步提出将Zemike矩的幅值及相位角作为结构损伤识别的新指标。构造了网壳结构杆件物理参数改变的几种损伤工况，通过分析，发现了不同的损伤形式导致的Zemike矩的不同变化规律，验证了Zemike矩用于损伤识别的可行性。

为解决橡胶密封圈表面缺陷人工检测效率低,缺陷提取困难等问题,提高橡胶密封圈缺陷在线检测速度及准确率,提出一种基于机器视觉的橡胶密封圈表面缺陷检测方法。该方法采用多相机多线程图像采集模式,采集橡胶密封圈的上下表面不同位置的局部图像;对图像自适应中值滤波后进行边缘增强,并使用高斯差分算子提取轮廓粗边缘,利用Zernike矩获取亚像素边缘位置;针对边缘存在不连续点问题,使用Ceres库多项式拟合,估计断点位置,并更新所有边缘位置;根据边缘位置寻找出整张图像中橡胶密封圈表面图像区域,并将该环形兴趣区域映射到矩形区域中;将获得的图像进行奇异值分解(SVD),并通过连通域分析,提取出图像中的奇异区域,即存在缺陷的位置。经实验验证,基于奇异值分解的橡胶圈表面缺陷检测方法鲁棒性好、效率高,可以快速准确地寻找出橡胶密封圈表...