【《智能光源控制系统的方案设计案例》5000字】

智能光源控制系统的方案设计案例目录TOC\o"1-3"\h\u28189智能光源控制系统的方案设计案例 156201.1相关理论 1115621.1.1嵌入式系统 1250981.1.2自适应光源控制技术 281461.2光源控制需求分析 3116311.3光源控制系统方案设计 4233391.4光源均匀度算法设计 530531.4.1传统的算法 5211761.4.2算法的改进 677641.4.3算法的仿真验证 71.1相关理论1.1.1嵌入式系统随着各种电子技术的高速集成化发展，CPU的使用成本也越来越低，如今CPU已发展成包含内核，及其他集成于片上的控制、处理设备，是具有完整功能的系统级芯片。嵌入式也即嵌入式系统，越来越多的机电一体化设备内嵌CPU构成嵌入式系统。经过不断发展完善，在嵌入式行业中将它定义成：计算机技术是设计的基础，应用为重心，软硬件皆可删减，对系统的功能、可靠性、成本、体积、功耗等严格要求，一种专用计算机系统。主要有以下三个方面的特点：（1）可裁剪性。设计结构时可根据需求去掉多余部分的设计；（2）可靠性高、稳定性很强，一般情况下不会再需要过多的干预操作；（3）体积小、功耗低，具备良好的移植性和较长的生命周期。总之，嵌入式就是以应用作为导向，根据不同具体场合对其使用功能的要求进行的软硬件设计，借助计算机平台设计开发获得长足的发展。已经涉及到工业生产、工业控制、日常生活等各个领域[55]。1.1.2自适应光源控制技术机器视觉系统在工作状态下，由图像采集部分把被测目标转换为图像信号，再发送给对应的图像处理系统，然后进行加工处理，提取出需要的被测目标信息。本文以机器视觉光源的应用作为背景，设计光源控制系统，实现自适应的目标。自适应指在分析系统信息后，依据其处理的数据特征，自身调整处理方式，呈现最好的处理效果。这一调节过程需不断接近目标设定值。它的研究对象具有不确定性[56]。本文设计目的就是满足机器视觉系统在取像时，光源能够依据具体实际情况做出调整。为满足取像这一过程中对光源自适应的条件，通过采集光源的相关光学参数，还有视觉系统提取的图像特征信息，图像采集模块相机的曝光时间等。利用这些输出信息作为反馈，由控制系统根据其控制需求，设定对应的参数值，传感检测部分实时进行采集数据，与设定值进行比较，然后自动调整光源，实现光源自适应控制，使系统能够适应环境等各种变化。基本原理如图2-1所示。在设计实现过程中，将系统的内部因素与外部因素结合考量，让系统在调节自身的同时，也能够对所获外因的影响做出符合实际工作情况的调整。图2-1控制基本原理图如图2-1所示，通过获取光源工作状态下相关光学参数，如光通量、光照强度、亮度等信息及取像时提取的图像特征信息，解析达到最优的相关参数，拟定调节的数值。在控制的过程中还可以根据系统状态实时调节。也可以选择一个可参照的系统性能指标，将这一指标与控制模块连接起来，使得指标具有自适应的效果，达到调节的目的。图2-2自适应控制流程图如图2-2所示，从控制流程图中可知，反馈环节就是能够实现自适应的关键，它包括一切能够可被参照的数字量和模拟量，依据实际输出和系统设定之间存在的偏差，保证系统控制输出总是能够维持在一定的范围内，提高控制系统的稳定性。而对这些反馈信息的分析处理则成了重点，基于控制对象及光源的系统辨别，保证指定性能指标的最优化设计。简单地说，就是参考控制系统输出的信号，完善自适应模块，进而调整控制。正是通过分析比较各模块的变化规律，通过不断的测量自身的状态、性能、参数，再和性能指标计算期望数据进行比较，做出最优的控制决定。1.2光源控制需求分析为使图像能够在处理时达到精度更高、速度更快的目标，要求光源照射下所获图像具有轮廓分明、检测特征突出、照度均匀等优点。对于特殊工业生产过程中可能还会有更高的要求。故在设计时一般综合从以下几个方面考量：（1）通常进行嵌入式系统方面的设计，需要依据功能需求进行软硬件设计。裁剪掉多余设计的部分，只保留需要的部分，降低设计成本；（2）光源类型选择，首先取决于被测物体的形状、表面特征、原材料特性等，即就表面是否粗糙或者光滑，是否会发生折射、漫反射等特征，此外颜色也是因素之一。光源与被测物颜色是否搭配为互补色，被测物表面颜色不同，也会影响光源照射下所取得图像不同；（3）必须掌握光源、相机、被测物之间的位置关系，以便在实际情况下进行合理的设计，不仅可以节约设计成本，而且能够使所设计系统有良好的移植性；（4）与工业相机的型号、参数相关，其中的视野是关键因素，被测物区域的大小面积必须处于相机视野范围之内，否则拍摄的图像会轮廓模糊、特征不明显；（5）LED属固态发光光源，是由电直接转化成光，但其效率并不高，会有大部分能量以热能的形式丢失掉。而且随着温度升高，亮度也会变小。因此，对光源的散热问题也必须恰当处理；（6）图像处理系统一般要求能够获得对比度高的图片，利于显现检测特征。要想获得对比度较高的图像，要考虑光源的光谱和相机灵敏度模式的匹配问题；（7）控制光源的设计方向就是实现程控化、可调、自适应。同时，应当使控制系统能克服环境一般性干扰问题。通过程序设定、传感器检测和驱动控制实现自适应调节光源。1.3光源控制系统方案设计光源智能控制是实现高效、快速、节能、绿色的有效手段。伴随机器视觉系统精度显著提高，对光源整体的可控制性和稳定性有了更加严格的要求。而且，在机器视觉应用中多是由各种技术综合而成，主要涵盖传感器、成像、图像处理、软硬件、控制和光源照明等技术。最大的特点就是在综合诸多技术基础之上，使之能够互相配合，共同协调工作。故在应用到实际场景中时要能够结合具体背景进行综合设计。本文的实验背景基础平台如图2-3所示。图2-3实验平台基于机器视觉技术的自动验布机系统是对各种布匹的质量问题进行监测、识别和分类，以期达到快速生产，提高产品质量的目的。根据不同生产原料对所检测的要求，验布机集合了诸多的功能特点。此外，它的特点要求验布机可以自动计数检测信号，在工业流水线生产时，可与其配套进行使用；因环境所带来的各种可能影响还要求验布机有较强的抗干扰能力；并且在出现故障问题后，及时响应报警，故障当下做出暂停等保护性操作。光源控制系统在设计时要求能够在机器设备平台上内嵌进去，这样就不再有额外附加的结构设计。不仅可以节约成本，还可以更好地集中配合工作，有利于形成集成式系统。由于地域、环境、技术等原因，该行业主要集中在广东珠三角地区，以佛山市名扬在外的“中国针织名镇”之称的张槎镇为代表，在吸收国内外先进技术的同时致力发展本国专业成套的设备。通过需求分析确定整体方案框架，光源控制系统总体设计框架如图2-4所示。微处理器作为主控制中心，计算机和单片机模块进行数据通讯时，需确定数据传输的格式、校验及其解析，拟采用RS232串口进行通信。设计的目标是实现光源的自适应控制调光，并且要考虑到其他可能存在及环境的影响。结合光源的结构特点、电学特性、光学特性、光谱等发光特点，来对系统进行设计。包括电压转换电路设计实现，使初始电压经过设计电路转变为所需电压值，为不同电压要求提供对应电压值；传感器检测电路设计，利用处理器的控制和计算能力实现检测，完成数据处理；数据通信模块，是进行数据交互的关键，采集到数据后按要求经过转换，根据设定好的数据格式传输给计算机，再由计算机按设计要求，对数据作出处理，判断给出指令，再将指令传达给执行机构，控制光源做出改变等功能。在设计过程中，需要依据实际情况为各相关参数设置相应的阈值，便于计算比较。图2-4光源控制系统总体设计本文设计的光源控制系统会在工业生产的过程中进行取像，在取像的时刻要求控制光源提供稳定、均匀的光照环境，保障取像的质量。将所取得的高质量图及时存储便于后期进行图像处理。为实现上述要求，本文总结出光源控制系统的设计要点，具体如下：（1）要求光源在工作状态下，光通量稳定、没有明显的光衰减现象，取像时光源照射在被测物上时，要有足够的亮度和良好的均匀性；（2）在工业生产不同速度下，要求在取像时刻系统运行稳定，采集到的图像清晰、稳定、无模糊，且能够实时准确传输图像信息；（3）基于嵌入式对单片机进行系统设计，相关设备既可独立工作，也可以安装到操作设备上，且能防止生产过程给光源会带来可能的影响。1.4光源均匀度算法设计1.4.1传统的算法粒子群算法是生物学家和社会心理学家受到鸟类的群体行为启发，进行建模仿真后提出的一种仿生算法，个体间通过合作与竞争，来搜索空间中的最优解[57]，运算原理是：开始先拟定一个任意维度的空间，由所拟定空间中的所有粒子组成集体。设定Xi=(Xi1，Xi2，...，XiD)T是第i个粒子的位置，通过适应度函数计算Xi当下的适应度值。此时速度可表示为Vi=(Vi1，Vi2，...，ViD)T，对应个体的极值是Pi=(Pi1，Pi2，...，PiD)T，整个群体极值是Pg=(Pg1，Pg2，...，PgD)T。在迭代搜索过程中，更新的速度和位置公式如下：(2-1)(2-2)式中：d=1，2，...，D，即自变量的个数；i=1，2，...，n，N是种群的规模；ω为惯性权重；c1，c2为加速因子，其范围在（0，4）之间；rand是（0，1）之间的任意数。1.4.2算法的改进粒子群算法在更新时会受到迭代次数的影响，个体粒子位置和群体最优位置的差异因为更新的代数增大而变小。致使算法多样性降低，搜索能力下降。针对算法出现的这种情况。应对惯性权重进行调整，来改变这种情况。标准的惯性权重公式为：(2-3)式中：=0.9，=0.4，t表示当前的迭代次数，是最大迭代次数。算法在搜索过程中是非线性的，较大的ω有利于对种群进行全局寻优，而较小的ω更适合进行局部寻优，这样可以加快算法的收敛。但是权重按这样变化会影响后期的最优解。因为惯性权重的改进可以提高粒子群算法的优化分布，对算法的惯性权重进行改进[58]。权重是随着适应度值改变而改变。当粒子的位置趋近于局部优化时，权重增大，反之权重减小。优化过程中，保留高于平均目标函数值的粒子；略去低于平均目标函数值的粒子。让算法在寻优过程中避免两种（即局部寻优和提前寻优）可能影响结果的情况。(2-4)式中：f表示当前的适应度函数值，favg为群体平均适应度值，fmin代表最小适应度值。改进后优化光源的步骤如下，首先初始化种群个数、更新次数及粒子的位置、速度；根据公式（2-1）和（2-2），计算各粒子的适应度值，解出个体和群体的最优值。用公式（2-3）和（2-4）来更新粒子的位置、速度。更新到设定次数时，退出迭代，输出结果，否则继续执行迭代。图2-5算法流程图1.4.3算法的仿真验证（1）仿真方法目前，应用较为广泛的光学仿真软件包括Zemax、Lighttools、Dialux、Tracepro等。其中Zemax主要用来做成像设计类的仿真，其他软件都可以做照明设计类的仿真。通过比较这几种照明设计的软件功能，选择Tracepro非成像光学软件进行仿真。Tracepro是美国一家公司开发的一种基于蒙特卡罗的非序列光线追迹具有强大的光学分析功能的软件[59]。应用此软件进行光学仿真分析，能够搭建算法优化后的模型，因此选择该软件。首先建立对照模型，定义物体表面特征属性、吸收、反射、材料等，仿真之后得到光源的相关分析图。（2）改进后算法仿真结果改进后算法的优化过程在软件matlab2019b下仿真，参数初始值如表2-1所示，仿真结果如图2-6所示。表2-1算法参数值表参数最大迭代次数种群大小加速因子权重系数范围光源距照射面距离参数值5002002[0.4，1]100图2-6算法迭代过程如图2-6所示，粒子群算法优化收敛情况可知，适应度函数值及均方根误差值随着迭代的次数而降低，在迭代至160次左右基本达到最小值，改进算法之后的优化过程得到一定的提升，提高了优化速度。（3）算法比对仿真在软件Tracepro中对其进行模拟，比较算法优化前后模型的照度变化。首先建立对应的光源模型，理想状态下均设置成1×1×1（毫米）的立方体，光源出射角度符合朗伯反射规律，波长设置为可见光范围内的500nm，单个LED光源的出射光线均为10000条。所得结果如图所示。图2-7是优化前LED的照度轮廓图。图2-8是优化后LED的照度轮廓图。图2-7优化前LED照度轮廓图图2-8优化后LED照度轮廓图由仿真结果可知，优化前的辐射的照度平均值为201.9勒克斯；而算法优化后辐射的照度平均值为215.2勒克斯。考虑到LED会受到制作工艺和材料等因素的影响，要丢失一部分光线；同时由其原理可知，朗伯体光源在发光时也会丢失一部分。除去这些损失之后，再通过对照