基于智能視覺的電機自動控制仿真

胡聰娟，徐 琴

(1.重慶工程學院電子信息學院，重慶 400056；2.重慶郵電大學移通學院，重慶 401520)

1 引言

電能生產(chǎn)與控制具有一定優(yōu)越性，工業(yè)生產(chǎn)幾乎全要靠電機拖動。隨著計算機技術發(fā)展與微電子工藝水平的顯著提高，使電機控制領域向自動化與智能化方向發(fā)展。同時集成電路芯片制造商不斷推出新產(chǎn)品，促進電機控制方式增多，功能逐漸增強。通常情況下電機控制主要分為速度控制與定位控制兩個目標。其中定位控制應用較多，例如機器人、太空人造衛(wèi)星等，都必須具備良好的控制性能，確保工作過程合乎要求，以此提高工作效率，因此對電機進行自動控制具有重大意義。

許中陽[1]等人將內(nèi)置式永磁同步電機為控制目標，分析在開關頻率改變時，七種不同離散方式對轉(zhuǎn)子位置估計精度的影響。通過仿真證明當開關頻率高于5kHz時，利用前向歐拉法可以簡化控制程序，避免數(shù)字系統(tǒng)超限；而當開關頻率低于2kHz時，使用斜坡響應變換法來提高控制精度。朱小芬[2]等人研究一種V/F控制方法，在設置V/F控制曲線時，分析定子電阻壓降在不同頻率端對定子電壓分段的補償情況，同時針對傳統(tǒng)開環(huán)V/F控制下的電機由于轉(zhuǎn)子無阻尼繞組造成的不穩(wěn)定現(xiàn)象進行分析，設計逆變器頻率和輸出功率擾動量的比例關系；采用極點配置法調(diào)整震蕩因子，加強驅(qū)動系統(tǒng)穩(wěn)定性。

但是以上方法只能憑借設置好的程序進行控制，不能進行相關信息采集，無法根據(jù)實際情況作出準確判斷，影響控制精度。為此，本文在智能視覺基礎上對電機自動控制進行研究。智能視覺就是利用計算機代替人眼來實現(xiàn)測量與判斷工作。經(jīng)過數(shù)據(jù)采集[3]、圖像處理獲取一些相關信息，根據(jù)這些信息通過直接轉(zhuǎn)矩控制方式計算電機轉(zhuǎn)矩與通磁，確定磁場定向，選擇合適的定子電壓矢量，提高電機動態(tài)控制性能。

2 基于智能視覺的信息采集與處理

2.1 智能視覺系統(tǒng)采集流程分析

本文使用的智能視覺系統(tǒng)主要分為圖像采集與圖像處理兩大模塊。該系統(tǒng)主要結(jié)構(gòu)如圖1所示。

圖1 智能視覺系統(tǒng)結(jié)構(gòu)示意圖

在智能視覺系統(tǒng)的應用中，照明系統(tǒng)不但能夠改善采集圖像的亮度，還能區(qū)分目標與工作環(huán)境，增強對比度，為圖像處理奠定基礎。因此，照明系統(tǒng)是智能視覺中的關鍵環(huán)節(jié)，其包含光源與照明技術的選擇。

1)光源

通常情況下，智能視覺系統(tǒng)會利用工業(yè)光源[4]，表1為不同工業(yè)光源的對比情況。

表1 各類光源對比表

由表1可知，LED光源[5]憑借其壽命長、節(jié)能環(huán)保等優(yōu)勢被用作系統(tǒng)光源。

2)照明技術

為提高背景與目標之間的差異，必須合理設置照明技術，充分掌握目標與背景的入射光與反射光特征。

照明技術分為正面與背面照射，其中背面照射多用于透明與半透明的工作平臺，因此本文利用正面照明技術。該技術種類劃分與特征如表2所示。

表2 正面照明種類劃分與特征表

為了對后續(xù)處理提供較高質(zhì)量的圖像，結(jié)合表2不同光照技術特征，本文選取低角度環(huán)形照明[6]技術。選擇好光源與照明技術后，智能視覺系統(tǒng)采集過程如下：

被測目標進入攝像機視野同時向采集卡發(fā)送觸發(fā)脈沖[7]；根據(jù)事先設定的程序，采集卡向攝像機與照明系統(tǒng)傳輸脈沖信號；采集模塊進行圖像采集，且利用A/D轉(zhuǎn)換器[8]將圖像發(fā)送到計算機。

2.2 圖像處理

利用上述智能視覺系統(tǒng)完成圖像采集后，為了克服環(huán)境與電耦合器件圖像傳感器(Charge Coupled Device，CCD)對采集的圖像帶來的干擾，本文通過閾值分割與攝像機標定來完成圖像預處理。

1)圖像閾值分割

為有效分離背景與目標，需進行閾值分割，假設銳化后的圖像利用函數(shù)f(x，y)表示，輸出的二值化圖像通過函數(shù)f′(x，y)描述，設置閾值為T，可根據(jù)下述公式對圖像進行閾值分割

(1)

2)攝像機標定

相機標定的作用主要有兩種：第一是校正畸變效應導致的不準確因素；第二則是對獲得的圖像進行三維重構(gòu)[9]。本文主要利用相機標定的第一種作用，即完成畸變圖像校正，只有這樣才能提高電機控制的精準度。

q=sMWQ=sHQ

(2)

公式中，s為縮放因子，W表示q點所處平面的旋轉(zhuǎn)矩陣R與平移矩陣t，W=[R，t]=[r1，r2，r3，t]，H是單應性矩陣，通常來講選取Q點所在平面確保Z=0，則有

H=[h1，h2，h3]=M[r1，r2，t]

(3)

(4)

(5)

(6)

當綜合考慮式(5)與(6)時，則可計算出矩陣B，進而可知相機內(nèi)參數(shù)

(7)

(8)

經(jīng)過以上過程即可獲得精準的攝像機標定的內(nèi)外參數(shù)與畸變參數(shù)，實現(xiàn)畸變校正。

通過圖像預處理，完成了背景與目標分離，校正了圖像畸變，提高圖像質(zhì)量。

3 電機自動控制

將上述采集到的圖像信息作為電機自動控制依據(jù)，結(jié)合實際狀況，若狀態(tài)不需要發(fā)生改變，則無需控制電機，反之電機會進行自動控制。本文通過選取合適的定子電壓矢量[11]來控制電機磁鏈的幅值與旋轉(zhuǎn)方向，達到精準控制目的。

3.1 電機數(shù)學模型構(gòu)建

電機的數(shù)學模型由電壓、磁鏈與運動方程構(gòu)成。其中電壓方程表示為

(9)

磁鏈的方程如式(10)所示

(10)

式(11)表示磁鏈的運動方程

(11)

式中，Ls=Ls1+Lm表示定子電感，Lr=Lr1+Lm代表轉(zhuǎn)子電感，Te與TL分別屬于電磁、負載轉(zhuǎn)矩；np是極對數(shù)，J表述轉(zhuǎn)動慣量；usα與usβ、urα與urβ分別為定子、轉(zhuǎn)子α軸及β軸的電流值，ψsα與ψsβ、ψrα與ψrβ分別是定子、轉(zhuǎn)子兩軸的磁鏈。

3.2 定子電壓向量選取

要選取合適的定子電壓向量，必須分析該向量對電機轉(zhuǎn)矩和磁鏈產(chǎn)生的影響。通過電機坐標變換，轉(zhuǎn)矩公式如下：

(12)

通過式(12)能夠看出，φPM為轉(zhuǎn)子永磁體生成的磁鏈，屬于一個始終不變值。φs表示定子磁鏈向量，δ為定子磁鏈與轉(zhuǎn)子磁鏈之間的夾角。要想使定子磁鏈幅值保持不變，必須通過變化δ來對轉(zhuǎn)矩進行控制。因為轉(zhuǎn)子機械時間常數(shù)高于定子電氣時間常數(shù)很多，所以僅需變換定子磁鏈向量φs的角度即可控制轉(zhuǎn)矩。

在定子坐標系內(nèi)，電機定子磁鏈描述為

(13)

(14)

由上述分析可知，選取不同定子電壓向量即可實現(xiàn)對電機定子磁鏈幅值與旋轉(zhuǎn)方向的自由控制。下述將對如何選擇合適的定子電壓向量進行詳細分析。

直接轉(zhuǎn)矩控制會結(jié)合控制器輸出的各種結(jié)果，在定子電壓最優(yōu)開關邏輯表中確定適當?shù)碾妷合蛄浚ㄟ^控制φs的角度來控制轉(zhuǎn)矩。

通過選擇合適的定子電壓向量對轉(zhuǎn)矩進行直接控制，從而達到電機自動控制目的。對上述控制過程進行分析，得出直接轉(zhuǎn)矩控制的注意事項如下：

1)可以直接在坐標系內(nèi)結(jié)合空間向量概念構(gòu)建電機數(shù)學模型，不需對其進行耦合分析[12]，也不需要進行向量旋轉(zhuǎn)變換，因此本文所采用的信號處理流程更簡便；

2)磁場定向利用的磁鏈能夠通過對定子電阻的觀測直接獲得，降低了電機由于參數(shù)變化對控制性能帶來的影響；

3)將電機轉(zhuǎn)矩作為控制目標，不需要控制電流、磁鏈等因素，即使電流與磁鏈波形沒有達到理想效果，但依舊不會影響轉(zhuǎn)矩控制性能。

4 仿真數(shù)據(jù)分析與研究

本仿真在Matlab/Simulink 7.2環(huán)境下進行對比，仿真參數(shù)如表3所示。

表3 仿真參數(shù)設置表

本次實驗為了驗證智能視覺應用在電機制動控制中的效果，選取一塊土壤較為結(jié)實的公共草坪，且該草坪沒有坡度。將電機切換能力、邊緣覆蓋情況作為電機自動控制的評價指標。為突顯智能視覺方法性能，在實驗草坪上設置一些障礙物，圖2為測試區(qū)域中障礙物的三維空間模型，其中每層都表示割草機工作的中間軌跡點，方塊表述障礙物的空間位置。

圖2 障礙物的三維空間模型示意圖

分別利用本文方法、文獻[1]與文獻[2]三種不同方法對電機進行控制，使割草機的路徑沿樹林邊緣前進，利用區(qū)域切換信號分析系統(tǒng)獲得不同方法的切換信號如圖3所示。

圖3 不同方法的電機控制信號強度

從圖3能夠看出，本文控制信號強度更強，信號質(zhì)量明顯高于其它兩種方法，且信號波動較小，始終保持平穩(wěn)。這是因為本文控制方法獲得的信號不會受到電流、磁鏈等干擾因素影響，從而提高信號穩(wěn)定程度。

將電機系統(tǒng)轉(zhuǎn)入到割草機中，通過割草機的路徑判斷電機控制方法性能，在該區(qū)域中共存在4個障礙物，獲得不同方法的測試結(jié)果如圖4-6所示。

圖4 本文方法電機控制能力示意圖

圖5 文獻[1]方法電機控制能力示意圖

圖6 文獻[2]方法電機控制能力示意圖

由圖4-6能夠看出，使用本文控制方法的割草機在遇到障礙物時，通過電機的狀態(tài)轉(zhuǎn)換，有效躲避障礙物。而其它兩種方法由于沒有智能視覺系統(tǒng)采集到的信息作為基礎，在遇到障礙物時電機無法及時進行狀態(tài)切換，得不到精準控制，因此會與障礙物發(fā)生碰撞。此外，本文控制方法可使割草機最大程度貼近障礙物進行工作，充分證明了智能視覺的優(yōu)越性。

5 結(jié)論

為彌補電機無法結(jié)合工作環(huán)境的實際狀況來進行自動控制的不足，本文在智能視覺基礎上采集相關信息，在通過直接轉(zhuǎn)矩控制方式，選取恰當?shù)亩ㄗ与妷嚎臻g向量來實現(xiàn)對電機自動控制。仿真中，以割草機器人為例，利用不同方法對其電機進行控制，結(jié)果表明，所提方法可以合理控制機器人軌跡，使軌跡更加流暢，使機器人準確躲避障礙物。雖然在仿真過程中該方法表現(xiàn)出優(yōu)越的性能，但是尚未成熟。在今后的電機控制策略研究中，應實現(xiàn)電壓向量的持續(xù)調(diào)整，同時引入無線傳感器控制技術，進一步提高電機性能。