【摘要】：“中國制造2025”提出了未來十年我國智能制造的首要目標(biāo),這是在解放勞動力的前提下提升生產(chǎn)力與生產(chǎn)質(zhì)量的重要舉措。隨著該戰(zhàn)略規(guī)劃的落實,目前傳統(tǒng)的工業(yè)自動化裝置必將進行大規(guī)模升級,其中重要的一項升級就是將機器視覺融合到工業(yè)自動化控制中。傳統(tǒng)自動控制系統(tǒng)所采集的被控變量參數(shù)大多是與產(chǎn)品質(zhì)量間接相關(guān)的參數(shù)如壓力、液位、流量、溫度等,而忽略了直接關(guān)系到產(chǎn)品質(zhì)量的產(chǎn)品視覺參數(shù)。視覺圖像包含的信息量是巨大的,人們感知外界信息百分之八十是通過視覺觀測獲得的。機器視覺技術(shù)將極大提高工業(yè)自動化中信息的獲取能力,它可將與產(chǎn)品質(zhì)量相關(guān)的圖像信息引入到工業(yè)自動化中,使工業(yè)自動化系統(tǒng)獲取的信息不再是單一維度的簡單數(shù)據(jù),而是廣域立體的海量數(shù)據(jù)。目前機器視覺技術(shù)已開始應(yīng)用于一些產(chǎn)品在線檢測的場合,但還沒有做到在檢測的基礎(chǔ)上形成智能監(jiān)督控制策略,以實現(xiàn)對產(chǎn)品質(zhì)量的有效在線控制�？傮w來講,目前的機器視覺檢測系統(tǒng)是附加在工業(yè)控制系統(tǒng)之外,還沒有直接對工業(yè)控制系統(tǒng)的運行產(chǎn)生直接影響。因此研究如何將機器視覺技術(shù)與工業(yè)控制系統(tǒng)有效融合,構(gòu)建基于機器視覺的計算機監(jiān)督控制系統(tǒng),對促進產(chǎn)品質(zhì)量的提高和穩(wěn)定以及機器視覺技術(shù)應(yīng)用的拓展和創(chuàng)新,提升我國智能裝備的水平,具有重要的意義。本文圍繞基于機器視覺的監(jiān)督控制方面開展多層次的研究。在解決面向環(huán)模制粒機這樣的一類參數(shù)不確定大時滯對象的控制問題的同時,利用機器視覺技術(shù)對其生產(chǎn)的產(chǎn)品質(zhì)量(如飼料顆粒的表面缺陷、硬度等)進行在線檢測,實現(xiàn)在復(fù)雜環(huán)境下目標(biāo)分割和產(chǎn)品缺陷辨識,并根據(jù)檢測結(jié)果實現(xiàn)環(huán)模制粒機的機器視覺監(jiān)督控制。本文的主要工作和貢獻(xiàn)概括如下:首先,為了克服環(huán)模制粒機中溫度大時滯問題,引入了支持向量機建立溫度預(yù)測模型。提出了基于模糊層次分析和群體智能算法的特征加權(quán)支持向量機回歸模型,它將傳統(tǒng)支持向量機的輸入特征進行模糊層次分析,賦予每個輸入特征不同的權(quán)重,目的是在核函數(shù)映射到高維空間時能更好地區(qū)分不同類型的特征。此外從生命科學(xué)角度出發(fā)引入基于高斯分布的細(xì)菌覓食算法,改善了標(biāo)準(zhǔn)支持向量機訓(xùn)練模型中的參數(shù)陷入局部最優(yōu)問題。其次,針對環(huán)模制粒機這類參數(shù)不確定大時滯對象,提出了三種控制策略。分別是基于無模型的專家控制策略、基于支持向量機模型的黃金分割控制策略和基于支持向量機模型的模糊專家控制策略。通過仿真和實驗平臺驗證,對這三種控制策略進行了分析和對比,并得出基于支持向量機模型的模糊專家控制策略對此類對象控制適應(yīng)性最好的結(jié)論。第三,為了實現(xiàn)環(huán)模制粒機產(chǎn)品飼料顆粒的質(zhì)量檢測,針對粘連飼料顆粒視覺圖像無法精確分割的問題,提出了基于記憶梯度下降的均值漂移預(yù)分割算法,實現(xiàn)了在復(fù)雜環(huán)境下(如光照不均勻、強噪聲)降噪以及降低目標(biāo)邊緣的損失,并從理論上推導(dǎo)和分析了該算法的收斂性。同時針對飼料顆粒粘連的情況,提出了基于信息熵的分水嶺分割算法,該算法能減少運算迭代次數(shù),縮短了分割計算時間,并且對標(biāo)準(zhǔn)標(biāo)記分水嶺分割步驟進行優(yōu)化,能減少過分割的產(chǎn)生。此外針對在飼料顆粒隨機分布情況下算法執(zhí)行效率優(yōu)化的問題,提出了自適應(yīng)分割決策策略,能自適應(yīng)選擇合適的分割算法。第四,針對不同飼料顆粒硬度下顆粒表面紋理特征分類的問題,提出了旋轉(zhuǎn)不變原生統(tǒng)計的新特征。將Patch特征和MR8濾波器特征的優(yōu)勢相結(jié)合,使得新特征既具備Patch特征的原生像素特征,又具備MR8特征的旋轉(zhuǎn)不變性。同時提出了基于稀疏表示的texton字典學(xué)習(xí)算法,彌補了類間特征不明顯情況下K-means聚類誤差大的缺點。此外還提出了由稀疏隨機投影構(gòu)造出具備稀疏性的2l范數(shù)編碼直方圖特征,并通過隨機森林分類器對直方圖特征進行分類,這是實現(xiàn)基于機器視覺的環(huán)模制粒機監(jiān)督控制的基礎(chǔ)和關(guān)鍵。最后,提出了面向環(huán)模制粒機的基于機器視覺的監(jiān)督控制系統(tǒng)組成結(jié)構(gòu),分別設(shè)計和搭建了基于智能模塊的環(huán)模制粒機智能控制平臺和機器視覺硬件平臺。通過雙平臺的整合,在實驗平臺上實現(xiàn)了基于機器視覺的監(jiān)督控制系統(tǒng)的測試。測試結(jié)果表明本文設(shè)計的基于機器視覺的監(jiān)督控制系統(tǒng)能對產(chǎn)品缺陷進行有效的辨識,并通過直接優(yōu)化控制目標(biāo)值和報警的方式對控制系統(tǒng)實現(xiàn)準(zhǔn)確干預(yù)。
[Abstract]:......
【學(xué)位授予單位】：上海大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2016
【分類號】：TP273;TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 郭益深;孫富春;;一類具有參數(shù)不確定n階多輸入多輸出非線性系統(tǒng)的Terminal滑�？刂芠J];控制理論與應(yīng)用;2013年03期

2 徐煒;陸敏;周梅英;劉春華;談曉東;;基于SIMULATION的制粒機環(huán)模數(shù)值模擬及設(shè)計優(yōu)化[J];飼料工業(yè);2012年21期

3 張X;吳建國;張培建;胡志江;;基于專家系統(tǒng)的環(huán)模制粒機控制系統(tǒng)研究[J];計算機與應(yīng)用化學(xué);2012年10期

4 徐華;邱彤;趙勁松;;模糊判斷矩陣構(gòu)造和矩陣一致性檢驗的同步方法[J];清華大學(xué)學(xué)報(自然科學(xué)版);2010年06期

5 黃文明;陳慶全;陸榮;;一種改進的重疊細(xì)胞圖像分割研究[J];計算機工程與應(yīng)用;2009年26期

6 朱濱峰;苗健;陳震;;制粒環(huán)模的分析與研究[J];飼料工業(yè);2009年11期

7 褚麗麗;李春茂;郭漢橋;劉軍華;;時滯系統(tǒng)的模糊自適應(yīng)PID控制研究[J];自動化技術(shù)與應(yīng)用;2008年01期

8 高麗;楊樹元;李海強;;一種基于標(biāo)記的分水嶺圖像分割新算法[J];中國圖象圖形學(xué)報;2007年06期

9 高麗;楊樹元;夏杰;王詩俊;梁軍利;李海強;;基于標(biāo)記的Watershed圖像分割新算法[J];電子學(xué)報;2006年11期

10 張吉軍;模糊層次分析法(FAHP)[J];模糊系統(tǒng)與數(shù)學(xué);2000年02期

相關(guān)博士學(xué)位論文 前4條

1 周文舉;基于機器視覺的在線高速檢測與精確控制研究及應(yīng)用[D];上海大學(xué);2014年

2 劉吉英;壓縮感知理論及在成像中的應(yīng)用[D];國防科學(xué)技術(shù)大學(xué);2010年

3 羅瑜;支持向量機在機器學(xué)習(xí)中的應(yīng)用研究[D];西南交通大學(xué);2007年

4 陳國定;線性不確定系統(tǒng)魯棒控制研究[D];浙江大學(xué);2001年

相關(guān)碩士學(xué)位論文 前1條

1 孫營超;環(huán)模制粒機制粒工藝研究與控制系統(tǒng)開發(fā)[D];南京理工大學(xué);2009年

，

本文編號：2281592