基于模糊控制的機器視覺自動糾偏系統

蔣文權 陳月

摘要：自動糾偏系統在帶材卷取過程中非常重要，由于帶材位置受到多因素影響，具有非線性、時變、和分布參數多等特點，要建立精確數學模型非常困難。因此為了保障帶材在卷取過程中不跑偏，提高成材率，防止對設備造成損害，本文提出了一套切合實際的糾偏控制系統，采用視覺實時監測與模糊控制的方法，在實際設備運行過程中取得了較好的效果。由視覺傳感器采集實時圖像傳輸到計算機。計算機采用特定邊緣檢測算法得出卷材位置信息，將位置信息傳輸給PLC進行處理控制，消除位置偏差。

關鍵詞：機器視覺；邊緣檢測；模糊控制

中圖分類號：TP2 文獻標志碼：A 文章編號：1674-9324（2015）51-0221-03

一、研究背景

帶材在卷取過程中，由于卷輥系統的制造偏差，帶材的張力及帶材的厚度不均勻等因素的影響，常常產生帶材跑偏的現象。帶材跑偏不僅會造成帶材缺陷，減少成材率，甚至對設備造成損害。為了實現對帶材跑偏的檢測控制，目前多采用光電式傳感器檢測偏差。光電式糾偏系統存在精度低、響應時間長缺點，且工業現場環境往往比較復雜，光電式傳感器環境適應性差、易受光的影響，應用場合有限。

而視覺傳感器以其高靈敏度、高精度，抗電磁干擾，與工件無接觸，獲得偏移距離信息豐富等優點，受到廣泛的關注。視覺傳感的特點是提高生產的柔性和自動化程度。而且機器視覺易于實現信息集成，是實現計算機集成制造的基礎技術。因此，在現代自動化生產過程中，人們將視覺傳感廣泛地用于工況監視、成品檢驗和質量控制等領域。將視覺傳感器獲取的帶材圖像傳輸到計算機上進行處理分析，可以得到帶材的位置及其他各種信息。通過對圖像處理算法的優化，視覺糾偏系統可以靈活地應用于各類工業場合，并且完全可以滿足工藝要求。

二、系統裝置及工作原理

PLC作為中心控制器，使用模糊控制算法，根據偏差信號，給步進電機發送脈沖控制信號。步進電機帶動卷材，糾正卷材位置偏差。視覺傳感器實時監測卷材位置信息，將卷材的實時圖像傳輸到計算機。計算機進行實時圖像處理，運用特定邊緣檢測算法得出卷材邊緣信息，并計算出卷材中心線位置和標準中心線比較，將中心線實時偏差信息傳輸給PLC進行下一步處理。

三、圖像采集及處理算法

通過視覺傳感器采集圖像，傳輸到計算機。在計算機上對圖像進行灰度變換，邊緣檢測等一系列處理工作。圖像處理算法采用Visual C++編寫。Visual C++是一個基于windows操作系統的可視化集成開發環境，是編程人員的首選。圖像處理的最終目的就是實現邊緣檢測，及時發現帶材的偏差。

邊緣檢測主要包括以下四個步驟：

1.圖像濾波，邊緣檢測算法主要是基于圖像亮度的一階和二階導數，但是導數的計算對噪聲很敏感。基于工業現場的復雜環境，我們通過異常點檢測的方法來改善與噪聲有關的邊緣檢測器的性能；即是將每個像素和它周邊的8個相鄰像素的灰度平均值進行比較。如果該點與平均值的差距大于某個閾值，就被判定為噪聲點并有8個鄰近像素的灰度平均值替代。上述的8個鄰近像素的灰度平均值利用下述脈沖響應數組和觀察圖像的卷積計算得到：

H=■1 1 11 0 11 1 1（1）

2.圖像增強，增強邊緣的基礎是確定圖像各點鄰域強度的變化值。增強算法可以將鄰域強度值有顯著變化的點突出顯示。圖像的每個像素除以通過下列基本關系估算出的標準方差D（i，j）：

G（x，y）=■（2）

上式中的標準方差是通過每個像素在W2的鄰域內計算得到的，其中W=2w+1。

G（x，y）=■∑■■∑■■F（m，n）-M（m，n）■■（3）

函數M（i，j）表示原始圖像上點（i，j）處估算的均值，通過下式計算：

M（x，y）=■∑■■∑■■F（m，n）■（4）

增強后的圖像G（i，j）和原始圖像相比，在那些和鄰域內像素相比偏差顯著較大的像素點的幅度增加了，而在其他地方幅度則相對減少。

3.圖像檢測，在圖像中有許多點的梯度幅值比較大，而這些點在特定的應用領域中并不都是邊緣應該用某些方法來確定那些是邊緣點。基于灰度直方圖的邊緣檢測是一種最常用、最簡單的邊緣檢測方法。對檢測圖像中目標的邊緣效果很好，圖像在暗區的像素較多，而其他像素的灰度分布比較平坦。最簡單的邊緣檢測判據是梯度幅值閾值判據。該梯度垂直于邊緣走向，由于邊緣檢測的對象是帶材，將與帶材邊緣垂直的方向定為x軸的方向，只需計算行梯度即可。通過計算如下所示的對x求偏導數得到行梯度值：

G（x，y）=■（5）

然后掃描圖像F（x，y）的每一行，進行上式所述運算得到的偏導數與閾值T進行比較得出符合要求的邊緣點Gb（x，y）。

在以上過程中閾值T的選擇將直接影響邊緣檢測的質量。由于直方圖往往很粗糙，再加上噪聲的影響更是參差不齊，這樣就使得求圖像極大、極小值變得困難。閾值的大小反映了邊緣檢測的靈敏度。對于含有噪聲的圖像，閾值的選擇是未能檢測到有效邊緣點以及誤把噪聲引起的點歸為邊緣點的一個折衷。因此，可根據工業現場實際環境靈活選擇閾值以達到理想的檢測效果。

4.圖像定位，檢測出帶材邊緣后，還需要通過邊緣線確定帶材的位置。設帶材中心線位置為：X=XO

其中XO=■∑■■Xb，標準中心線為X=Xz，則偏差：

E=XO-XZ（6）

四、模糊控制器設計

經過人們長期研究和實踐形成的經典控制理論，對于解決線性定常系統的控制問題是很有效的。然而，經典控制理論對于非線性時變系統難以湊效。隨著微機的發展和應用，自動控制理論和技術獲得了飛躍的發展。基于狀態變量描述的現代控制理論對于解決線性或非線性、定常或時變的多輸入多輸出系統問題，獲得了廣泛的應用。但是，無論采用經典控制理論還是現代控制理論設計一個控制系統，都需要事先知道被控對象（或生產過程）精確的數學模型，然后根據數學模型以及給定的性能指標，選擇合適的控制規律，進行控制系統設計。然而，在許多情況下被控對象的精確數學模型很難建立。帶材糾偏系統就是屬于這類情況。我們通過模糊控制法解決這一問題以取得更為理想的控制效果。

1.確定模糊控制器的結構。在帶材糾偏系統中，選擇輸入變量為帶材位置誤差E及誤差的變化EC，輸出變量為控制量u。

EC和u的模糊集均為

{NB，NM，NS，O，PS，PM，PB}

E的模糊集為

{NB，NM，NS，NO，PO，PS，PM，PB}

E和EC的論域均為

{-6，-5，-4，-3，-2，-1，0，1，2，3，4，5，6}

u的論域為

{-7，-6，-5，-4，-3，-2，-1，0，1，2，3，4，5，6，7，}

上述的誤差模糊集選取八個元素，區分了NO和PO，主要是著眼于提高穩態精度。

2.建立模糊控制規則。模糊控制器運用模糊推理方法，將專家知識和經驗直接描述為“IF...THEN...”語句所表達的一組過程控制規則和策略，對過程進行有效控制。模糊控制器由模糊化、控制規則推理和反模糊化三部分所組成。模糊化和反模糊化單元與過程單元直接相連，規則推理單元包含了專家知識和經驗。模糊化單元的作用是將輸入的精確量轉換成模糊化量，其中輸入量包括外界的參考輸入、系統的輸出或狀態等。將處理過的輸入量進行變換，使其變換到各自的論域范圍中。不同于通常的0/1邏輯所描述的確定概念模式，模糊邏輯用介于[0，1]之間的一個真值來表達含義。引入隸屬函數可將該區間內的數值轉換為模糊的概念，比如“小”、“冷”、“多”等。將論域內 原來精確的輸入量進行模糊化。例如，將“差距為2mm”轉換為含糊的語義，為“差距適中”。借助隸屬度函數使一定的偏差間隔同語義相對應，并描述某些物理量對過程的相關性。

根據系統誤差及誤差變化的趨勢來消除誤差的模糊控制規則如下述表格描述（或可由21條模糊條件語句描述）

控制規則推理是模糊控制的核心部分。在這里，專家知識和經驗被轉換為以“IF滿足某條件，THEN可推出某結論”形式的模糊條件句來描述的過程控制策略。“IF”描述不確定的邊界條件，模糊控制器的實現有幾個關鍵步驟：根據輸出計算偏差的變化率；根據輸出和位置的設定值計算位置偏差；輸入的模糊化；模糊關系的推理；測量結果的精確化。

3.確定模糊變量的賦值表。模糊變量誤差E、誤差變化EC及控制量u的模糊集和論域確定后，再對模糊變量賦值，如下表格所示。

確定模糊關系

由模糊控制規則的第一條可以計算出u1，即：

u1=e·[（NBE+NME）×PBu]·ec·[（NBEC+NMEC）×PBu]（7）

對于e及ec的隸屬函數值對應于所量化的等級上取1，其余均取零，這樣可以簡化為：

u1=min{max[μNBE（i）；μNME（i）]；max[μNBEC（j）；μNMEC（j）]；μPBu（x）}（8）

式中，μNBE（i）、μNME（i）是模糊集合NBE和NME第i個元素的隸屬度；μNBEC（j）、μNMEC（j）是模糊集合NBEC和NMEC第j個元素的隸屬度。

同理可以分別求出u2～u21，則控制量為模糊集合u，表示為：

u=u1+u2+…+u21（9）

根據不同的i和j預先計算好控制量u，制成如下所示的控制表。當進行實時控制時，便于根據輸出的信息，從中查詢所需要的控制策略。

模糊控制器的實現過程是完成系統糾偏控制的一個重要方面。模糊控制器主要完成采樣、標定、論域變換、數據轉換、控制輸出等。

4.實際效果。所設計的視覺糾偏系統已成功應用在實際設備的糾偏控制中，從運行曲線可以看出卷材位置偏差已控制在可接受的極小范圍內。將模糊控制方法與PID控制法比較得出，當卷材張力在一定范圍內時，兩種控制方法控制效果都不錯。但是當卷材張力過大時，PID算法控制的卷材位置出現明顯的波動，而模糊控制法的效果還是很穩定。由此可以看出，基于模糊控制的視覺糾偏系統達到了理想效果。

參考文獻：

[1]張少偉.基于機器視覺的邊緣檢測算法研究與應用[D].上海交通大學，2013.

[2]劉曉慶，艾武，余文勇，黃偉光，何路，閆光亞.基于直線電機的機器視覺高速糾偏系統[J].微電機，2010，10：85-88.

[3]鐘飛，吳雪茹.基于線陣CCD的自動糾偏控制系統設計[J].包裝學報，2011，（02）：14-16.

[4]張春雪.圖像的邊緣檢測方法研究[D].江南大學，2011.

[5]張五一，趙強松，王東云.機器視覺的現狀及發展趨勢[J].中原工學院學報，2008，（01）：9-12+15

[6]龔愛平.基于嵌入式機器視覺的信息采集與處理技術研究[D].浙江大學，2013.

[7]王永富，柴天佑.自適應模糊控制理論的研究綜述[J].控制工程，2006，（03）：193-198.

[8]李良峰.變論域模糊控制算法研究[D].電子科技大學，2008.

[9]胡包鋼，應浩.模糊PID控制技術研究發展回顧及其面臨的若干重要問題[J].自動化學報，2001，（04）：567-584.