外文翻译-基于视觉的轧钢机位置控制系统的设计

本科生毕业设计（论文）外文翻译毕业设计（论文）题目：KZ0615.01.01.00轧钢生产线设计外文题目：ADesignofVision-basedLocationControlSystemforSteelRollingMill译文题目：基于视觉的轧钢机位置控制系统的设计学生姓名：专业：指导教师姓名：评阅日期：0基于视觉的轧钢机位置控制系统的设计陈伟，方康玲，刘新海中华人民共和国湖北省武汉科技大学信息科学与工程学院武汉430081电子邮箱：,,摘要:本文介绍了在轧钢生产线生产过程中的一种闭环控制系统。该系统基于机器视觉理论，控制加热后钢坯的位置。这种控制系统是通过一个被称为“工业相机”的视觉传感器进行观测，然后将信息反馈给控制系统，用以得到钢坯在加热炉中的准确位置信息或者用来检测移动中的钢坯。本文采用了简单背景减法模型用以检测移动中的钢坯，采用这种办法可以满足目前对于实时检测移动钢坯的需求。目前的研究发现，不同的灰度值轮廓在应用于检测钢坯的边缘时具有一个非常好的效果。在实际的工业生产运用之中，这种视频监控系统已经在当前工业环境下发挥出了良好的控制效果。关键词:机器视觉，被测对象的位置，背景减法建模，反馈控制。1.基本介绍在目前的各个钢铁企业中，钢铁在轧制过程之前要先经过预处理，即在加热窑中先加热到1000至1200摄氏度，然后再扎成相应的平坦块。在加热窑内，钢坯的布局是“一排两坯”，即在加热窑内一排中有两块钢坯。采用这种布局的原因是：由于加热窑的长度是27.9米，加热窑的宽度是12.9米，这样就会导致操作员不能够直接观察钢坯在加热窑内的移动。为了避免钢坯在加热窑内移动的过程之中产生碰撞，当钢坯被送入加热窑中之后，移动钢坯的位置应该受到相应的控制。另外，目前常用的接触式位置传感器不能承受加热窑内的高温，而且在加热窑内也容易被钢坯碰撞而导致损坏。所以，解决上述问题的可行的方法是采用一种非接触式的检测方法,即在加热窑的一边设置一台相机（如图1所示）用以获得钢坯的相关信息。这种相机拍摄的照片分辨率可达到610*170，并且相机的拍摄速度为每秒钟30帧。当工厂的操作员需要监视和控制钢坯的位置时，他们就可以使用这种相机来帮助他们。但是，人类操作员凭借观察工业电视为1基础来调整钢坯的位置时，他们是主观的、依赖于经验的，而且是劳动密集型的（5）。这种情况在实际操作中就会出现一些问题,如：精度低（小于76%），控制时间较长（大于2分钟），等等。图1设置在加热窑上的相机2.问题和控制系统在钢坯的位置控制过程中有一个问题。那就是在加热窑中，一排中有两块钢坯，所以就必须在钢坯的位置控制过程中控制两个距离。其中一个距离是钢坯A与钢坯B之间的距离，而另一个距离是钢坯和加热窑窑壁之间的距离（如图2所示）。图2钢坯的位置控制当钢坯在加热窑内移动时，钢坯A和钢坯B之间或者钢坯与加热窑之间的偏差可能会导致两块钢坯之间的碰撞。如果它们其中一个的偏差超过了一定限度，在钢坯的移动过程中就会导致两块钢坯之间的碰撞或者加热窑窑壁和钢坯之间的碰撞。有些时候这些碰撞会引发灾难性的事故，例如：事故会导致生产的完全中断并且要求钢坯的位置调整通过手动来操作。2为了简化控制问题，我们选择了加热窑的中心位置作为位置的中间点。然后，就可以得到预期的偏差。按照下面公式可以计算出：=（L-2s）/3L:加热窑的宽度s:钢坯的长度:钢坯和加热窑窑壁或钢坯A和钢坯B之间的预期偏差在加热窑一边的相机是基于视觉控制系统的视觉传感器。从而，钢坯的位置可以反馈给PID控制器。由于相机有的视野是有限的，所以可以得到两个反馈信号：一个是视频信号，而另一个是计数器的脉冲信号。图3基于视觉的定位控制系统的框架3.视频定位算法在检测运动图像序列的方法中，最常用的方法是采用背景减法。该方法是通过求出每一个输入和每一个背景模型之间差的绝对值来实现检测23。但是，由于这种方法对于外部环境的变化非常敏感，例如：光照和外部无关的事件，这就可能会导致检测出错误的概率降低。为了解决这一问题，采用了灰度差分析工程算法来检测钢坯的位置8。3.1图像中去除干扰3实际的工业生产现场中，由于有太多的干扰因素，所以会导致拍摄的图像的质量很差。此外，在加热窑内也没有固定的照明用具。所以，光线会随着温度的变化而变化。在通常情况下，图像处理的第一步都是消除或降低这些干扰因素对图像质量的影响。由于在加热窑内恶劣的条件下，很多干扰不能被消除。所以，有许多的干扰仍然偶尔会被捕获在图像上（如图4所示）。图4典型的被相机捕获的图像为了对图像进行实时处理，需要采用硬件方法来对图像进行简单的去干扰。实验结果表明，得到满足要求的图像处理结果需要采用工程背景相减算法。3.2特征和边缘的获得目标之间的区别是检测一个移动目标的一个有效的办法。一系列高相关性的图像表明，如果这些相关性可以被减少，那么就可以使运动的目标更容易从背景中被分割。而差分算法就可以减少视频中每帧之间的相关性。设fB(i,j)是一个背景图像，而fK(i,j)是当前图像（K=1,2,3），然后它们之间的不同图像为fC(i,j)：目前，一种统计学的方法已经被应用于钢坯边缘的检测。众所周知，当目标物体在场景中移动时，运动区域灰度值的列和背景图像中灰度值的列是不同的。图5就显示了柱垂直投影的灰度值的变化，当有运动的目标在图像中出现，或者不在图像中出现时，灰度值将会在t2或t3两点发生强烈的变化。不同的图像灰度值的列的投影：fcj(i,j)：两列垂直灰度值的投影。因为钢坯A的最终位置是后边缘，所以图像的左边是一个相对的运动区域（灰度变化缓慢）。然而，钢坯B的最终位置是前边缘，所以图像的右面由于4钢坯B会是一个相对运动的区域。滑动窗口技术是用来提高获取钢坯边缘特征的实时性和钢坯位置的精确性的一种技术。滑动窗口是一个高170的窗口，而高小于等于50的地方是一个调整系数。因为在实际生产情况下有许多干扰，这些干扰就会导致算法计算每一列垂直投影灰度值的变化的误差增加和在滑动窗口中的两列钢坯差异的改变。设Th1是灰度值的峰值，Th2是每列不同的灰度值，则有公式：F1:改变列的数目F2：不同列的变化t：列的变化值根据最近邻决定理论，判别函数是：Th：特征的变化V=a,b：特征向量的边缘在钢坯的边缘出现在图像中时得到的结果当判别函数取到最小值时钢坯的边缘就会出现在滑动窗口中。然后钢坯的移动距离：L：采样时间间隔内钢坯的移动距离Fc:新列的改变量的最大值Fh：前列改变量的最大值图5当钢坯移动时，灰度值的变化。53.3后台维护本文采用了一种定期升级的方式用来加速图像的处理。背景更新算法采用了一阶递归滤波的方法，这种方法可以将新的输入信息和当前背景图像整合在一起4。背景更新量：fB（I,j,k）:背景图像：为一个小正数fk（I,j）：当前图像4.控制算法由于钢坯的质量为1800千克，在位置控制中钢坯的惯性是另一个问题。这个问题将导致当步进电动机停止工作时，钢坯会产生滑动。所以，本文采用一二级控制措施来解决钢坯的滑动问题。首先，钢坯会被快速定位在加热窑内的一些已经确定的位置。然后，钢坯精确的定位在预定位置是通过视觉反馈控制算法实现的。图6钢坯的位置控制算法流程说明6图7快速定位的结果图8精确定位的结果5.作用和总结本文所介绍的视觉定位控制系统已经在实际的工业生产中应用了两年。这个系统已经在现今的工业生产中取得了良好的控制性能（如图8所示）。图9视觉控制系统的接口表1视频反馈控制系统的控制效果7该定位