基于模糊控制机器视觉自动纠偏系统.docVIP

基于模糊控制机器视觉自动纠偏系统 　　摘要：自动纠偏系统在带材卷取过程中非常重要，由于带材位置受到多因素影响，具有非线性、时变、和分布参数多等特点，要建立精确数学模型非常困难。因此为了保障带材在卷取过程中不跑偏，提高成材率，防止对设备造成损害，本文提出了一套切合实际的纠偏控制系统，采用视觉实时监测与模糊控制的方法，在实际设备运行过程中取得了较好的效果。由视觉传感器采集实时图像传输到计算机。计算机采用特定边缘检测算法得出卷材位置信息，将位置信息传输给PLC进行处理控制，消除位置偏差。 　　关键词：机器视觉；边缘检测；模糊控制 　　中图分类号：TP2 文献标志码：A 文章编号：1674-9324（2015）51-0221-03 　　一、研究背景 　　带材在卷取过程中，由于卷辊系统的制造偏差，带材的张力及带材的厚度不均匀等因素的影响，常常产生带材跑偏的现象。带材跑偏不仅会造成带材缺陷，减少成材率，甚至对设备造成损害。为了实现对带材跑偏的检测控制，目前多采用光电式传感器检测偏差。光电式纠偏系统存在精度低、响应时间长缺点，且工业现场环境往往比较复杂，光电式传感器环境适应性差、易受光的影响，应用场合有限。 　　而视觉传感器以其高灵敏度、高精度，抗电磁干扰，与工件无接触，获得偏移距离信息丰富等优点，受到广泛的关注。视觉传感的特点是提高生产的柔性和自动化程度。而且机器视觉易于实现信息集成，是实现计算机集成制造的基础技术。因此，在现代自动化生产过程中，人们将视觉传感广泛地用于工况监视、成品检验和质量控制等领域。将视觉传感器获取的带材图像传输到计算机上进行处理分析，可以得到带材的位置及其他各种信息。通过对图像处理算法的优化，视觉纠偏系统可以灵活地应用于各类工业场合，并且完全可以满足工艺要求。 　　二、系统装置及工作原理 　　PLC作为中心控制器，使用模糊控制算法，根据偏差信号，给步进电机发送脉冲控制信号。步进电机带动卷材，纠正卷材位置偏差。视觉传感器实时监测卷材位置信息，将卷材的实时图像传输到计算机。计算机进行实时图像处理，运用特定边缘检测算法得出卷材边缘信息，并计算出卷材中心线位置和标准中心线比较，将中心线实时偏差信息传输给PLC进行下一步处理。 　　三、图像采集及处理算法 　　通过视觉传感器采集图像，传输到计算机。在计算机上对图像进行灰度变换，边缘检测等一系列处理工作。图像处理算法采用Visual C++编写。Visual C++是一个基于windows操作系统的可视化集成开发环境，是编程人员的首选。图像处理的最终目的就是实现边缘检测，及时发现带材的偏差。 　　边缘检测主要包括以下四个步骤： 　　1.图像滤波，边缘检测算法主要是基于图像亮度的一阶和二阶导数，但是导数的计算对噪声很敏感。基于工业现场的复杂环境，我们通过异常点检测的方法来改善与噪声有关的边缘检测器的性能；即是将每个像素和它周边的8个相邻像素的灰度平均值进行比较。如果该点与平均值的差距大于某个阈值，就被判定为噪声点并有8个邻近像素的灰度平均值替代。上述的8个邻近像素的灰度平均值利用下述脉冲响应数组和观察图像的卷积计算得到： 　　H=■1 1 11 0 11 1 1（1） 　　2.图像增强，增强边缘的基础是确定图像各点邻域强度的变化值。增强算法可以将邻域强度值有显著变化的点突出显示。图像的每个像素除以通过下列基本关系估算出的标准方差D（i，j）： 　　G（x，y）=■（2） 　　上式中的标准方差是通过每个像素在W2的邻域内计算得到的，其中W=2w+1。 　　G（x，y）=■∑■■∑■■F（m，n）-M（m，n）■■（3） 　　函数M（i，j）表示原始图像上点（i，j）处估算的均值，通过下式计算： 　　M（x，y）=■∑■■∑■■F（m，n）■（4） 　　增强后的图像G（i，j）和原始图像相比，在那些和邻域内像素相比偏差显著较大的像素点的幅度增加了，而在其他地方幅度则相对减少。 　　3.图像检测，在图像中有许多点的梯度幅值比较大，而这些点在特定的应用领域中并不都是边缘应该用某些方法来确定那些是边缘点。基于灰度直方图的边缘检测是一种最常用、最简单的边缘检测方法。对检测图像中目标的边缘效果很好，图像在暗区的像素较多，而其他像素的灰度分布比较平坦。最简单的边缘检测判据是梯度幅值阈值判据。该梯度垂直于边缘走向，由于边缘检测的对象是带材，将与带材边缘垂直的方向定为x轴的方向，只需计算行梯度即可。通过计算如下所示的对x求偏导数得到行梯度值： 　　G（x，y）=■（5） 　　然后扫描图像F（x，y）的每一行，进行上式所述运算得到的偏导数与阈值T进行比较得出符合要求的边缘点Gb（x，y）。 　　在以上过程中阈值T的选择将直接影响边缘检测的质量。由于直方