基于机器视觉的参数不确定大时滞环模制粒机的监督控制系统研究

发布时间：2018-10-19 15:50

【摘要】：“中国制造2025”提出了未来十年我国智能制造的首要目标,这是在解放劳动力的前提下提升生产力与生产质量的重要举措。随着该战略规划的落实,目前传统的工业自动化装置必将进行大规模升级,其中重要的一项升级就是将机器视觉融合到工业自动化控制中。传统自动控制系统所采集的被控变量参数大多是与产品质量间接相关的参数如压力、液位、流量、温度等,而忽略了直接关系到产品质量的产品视觉参数。视觉图像包含的信息量是巨大的,人们感知外界信息百分之八十是通过视觉观测获得的。机器视觉技术将极大提高工业自动化中信息的获取能力,它可将与产品质量相关的图像信息引入到工业自动化中,使工业自动化系统获取的信息不再是单一维度的简单数据,而是广域立体的海量数据。目前机器视觉技术已开始应用于一些产品在线检测的场合,但还没有做到在检测的基础上形成智能监督控制策略,以实现对产品质量的有效在线控制。总体来讲,目前的机器视觉检测系统是附加在工业控制系统之外,还没有直接对工业控制系统的运行产生直接影响。因此研究如何将机器视觉技术与工业控制系统有效融合,构建基于机器视觉的计算机监督控制系统,对促进产品质量的提高和稳定以及机器视觉技术应用的拓展和创新,提升我国智能装备的水平,具有重要的意义。本文围绕基于机器视觉的监督控制方面开展多层次的研究。在解决面向环模制粒机这样的一类参数不确定大时滞对象的控制问题的同时,利用机器视觉技术对其生产的产品质量(如饲料颗粒的表面缺陷、硬度等)进行在线检测,实现在复杂环境下目标分割和产品缺陷辨识,并根据检测结果实现环模制粒机的机器视觉监督控制。本文的主要工作和贡献概括如下:首先,为了克服环模制粒机中温度大时滞问题,引入了支持向量机建立温度预测模型。提出了基于模糊层次分析和群体智能算法的特征加权支持向量机回归模型,它将传统支持向量机的输入特征进行模糊层次分析,赋予每个输入特征不同的权重,目的是在核函数映射到高维空间时能更好地区分不同类型的特征。此外从生命科学角度出发引入基于高斯分布的细菌觅食算法,改善了标准支持向量机训练模型中的参数陷入局部最优问题。其次,针对环模制粒机这类参数不确定大时滞对象,提出了三种控制策略。分别是基于无模型的专家控制策略、基于支持向量机模型的黄金分割控制策略和基于支持向量机模型的模糊专家控制策略。通过仿真和实验平台验证,对这三种控制策略进行了分析和对比,并得出基于支持向量机模型的模糊专家控制策略对此类对象控制适应性最好的结论。第三,为了实现环模制粒机产品饲料颗粒的质量检测,针对粘连饲料颗粒视觉图像无法精确分割的问题,提出了基于记忆梯度下降的均值漂移预分割算法,实现了在复杂环境下(如光照不均匀、强噪声)降噪以及降低目标边缘的损失,并从理论上推导和分析了该算法的收敛性。同时针对饲料颗粒粘连的情况,提出了基于信息熵的分水岭分割算法,该算法能减少运算迭代次数,缩短了分割计算时间,并且对标准标记分水岭分割步骤进行优化,能减少过分割的产生。此外针对在饲料颗粒随机分布情况下算法执行效率优化的问题,提出了自适应分割决策策略,能自适应选择合适的分割算法。第四,针对不同饲料颗粒硬度下颗粒表面纹理特征分类的问题,提出了旋转不变原生统计的新特征。将Patch特征和MR8滤波器特征的优势相结合,使得新特征既具备Patch特征的原生像素特征,又具备MR8特征的旋转不变性。同时提出了基于稀疏表示的texton字典学习算法,弥补了类间特征不明显情况下K-means聚类误差大的缺点。此外还提出了由稀疏随机投影构造出具备稀疏性的2l范数编码直方图特征,并通过随机森林分类器对直方图特征进行分类,这是实现基于机器视觉的环模制粒机监督控制的基础和关键。最后,提出了面向环模制粒机的基于机器视觉的监督控制系统组成结构,分别设计和搭建了基于智能模块的环模制粒机智能控制平台和机器视觉硬件平台。通过双平台的整合,在实验平台上实现了基于机器视觉的监督控制系统的测试。测试结果表明本文设计的基于机器视觉的监督控制系统能对产品缺陷进行有效的辨识,并通过直接优化控制目标值和报警的方式对控制系统实现准确干预。
[Abstract]:......
【学位授予单位】：上海大学
【学位级别】：博士
【学位授予年份】：2016
【分类号】：TP273;TP391.41

【参考文献】