文档介绍：摘要
一口叫口口
摘要
柔性物料高速加工时产生的变形,采用单纯的闭环反馈,往往造成较严重的振
荡,难以进行实时补偿,严重影响加工效率。而采取前馈控制方式时往往只能采用
一些经验数据进行加工前修正,误差较大。
本文为克服单纯前馈与单纯反馈控制的缺点,引入神经网络和计算机视觉测量
技术,以缝机为典型的研究对象,对柔性物料的位置变形采用前馈与反馈结合的
方法。在加工每一针前根据设定轨迹、运动参数、物料材质、当前加工位置等先用
神经网络得到加工点粗略的变形量,对加工轨迹进行预补偿。加工时动态采集加
工点的局部图像,经数字图像处理得到加工点实际坐标与设定坐标的偏差值,一方
面将所得值作为神经网络的输出样本,结合相关参数对神经网络进行在线培训,另
一方面将此偏差值与加工点设定坐标之和即加工点实际坐标用神经网络的输出
进行预补偿,求出其与针头实际位置的差值作为控制器的输入,从而提高控制
系统的动态特性,实现快速精确约缝的自动化加工。
本文对基于神经网络和的并行控制进行了仿真,仿真结果证
明神经网络和的并行控制与单独控制相比,系统的性能有了很大提高。
本文还对柔性物料变形量的机器视觉测量提出了实现方法和系统方案,并用
编写的软件对其进行了验证。
为针对神经网络运算量大的特点,本文提出了基于总线的解决方案,
在对算法进行仔细分析的基础上,对系统中两个主要的基本单元的设计进行了初
步探讨。
关键词神经网络机器视觉柔性物料图象处理
广东工业大学工学硕士学位论文
第一章绪论
第一章绪论
课题来源
本课题来源于年广东省自然科学基金项目一《基于视觉测量的动态位
置智能补偿方法的研究》
在缝绣一类的设备对柔性物料进行高速加工时,设备与物料相对速度的变化
引起的相互作用力使柔性物料发生变形,导致加工轨迹偏离设定轨迹’,由于加
工点与刚性边框的距离,柔性体的弹性系数,外部阻力的大小、工件运行速度均
能影响实际加工轨迹与设定轨迹的偏差值很难得到精确的运动学模型,因此采用
加工前修正的前馈控制方式难度较大,当工况变化时精度受到很大影响。而采
用单纯的闭环反馈,滞后较严重,易引起震荡,这就给控制系统带来新的难题,
需要引万一些与之相适应的新方法。
单熟性物料的变形检测来说,计算机视觉测量的大量程、大视场·非接触、
较高精度等特点是其它测量方式无法比拟的。近年发展起来的计算机视觉正成为
一门内容夹富的综合性学科,其中计算机科学、图像处理及模式识别理论与技术
己比较成熟,可将视觉的生理机制以计算机视觉的形式再现出来,并成功应用到
工业、国防、医学、空间技术等领域。工业生产中利用视觉分析数据、控制系统
定位,使加不运动按特定轨迹要求进行,如焊接、绣花、雕刻等,这些领域中要
求不断提高效率、精度和自动化程度,对生产过程进行智能控制和信息化管理,
飞
计算机视觉“歼踪技术大有用武之地‘随着新的光电传感器不断涌现和计算机技
术日新月异的、进展,为视觉测量与跟踪技术奠定了坚实的基础,同时在生理学、
心理学、人工智能和神经网络等众多领域所取得的研究成果极大促进了视觉理论
的发展,使尹’算机视觉测量与跟踪技术越来越成熟。
但采用补机视觉测量进行单纯的反馈控制,由于变形随运动参数变化而变
化再加上补偿量滞后的影响,需要多步补偿刁能逼近目标点,且滞后往往导致
较严重的盆荡,影响加工效率并导致产品质量下降。本文利用神经网络的自学习
万,
厂
广东工业大学工学硕士学位论文
和任意逼近非线性函数的特点,加工每一针前根据设定轨迹、运动参数、物料材
质、当前加工位置等先用神经网络得到粗略的变形量,对加工轨迹进行预补偿,
再结合计算机视觉测量进行反馈控制,可大大减小系统的震荡。
本文以单针绮缝机为具体研究对象,研究神经网络和计算机视觉测量相结合,
前馈与反馈控制相结合的控制方法,对单针络缝加工中柔性物料的变形进行测量
与补偿,从而研发具有包括单针纸缝加工在内的柔性物料加工自学习功能的控制
系统。
课题背景
纷缝加工简介
络缝主要为了增强美观,使缝制品具有较好的立体感,提高产品档次。络缝
制品通常由面料、填充料、底料三层物料组成,络缝就是缝线的线迹在物料上组
合成无规则排列的、独立式的或者是有规则排列重复的各种图形的轨芯,这些图
单针约缝机多针络缝机
图一纸缝机械
一
案的轨迹主要为了牢固地缝住三层物料,防止填充料加喷胶棉·井毛·羽绒等
移动,并增强缝制品的立体感,使其具有较好的装饰功能。根据机德的缝针头
的数量,络缝机械可分为单针约缝机和多针约缝机如图