浙江中特气动阀门成套有限公司
 通用执行器合盖过程的运动控制系统研究

摘 要:GPA(通用执行器)是一种通过电驱动摇柄来控制汽车发动机出气回流至涡轮的空气流量的设备。对GPA工件进行合盖装配的过程中必须建立一种控制系统能够判断扇齿与伺服电机之间的相对角度,并根据角度进行反馈从而实现整个合盖过程。

关键字:图像处理 角度识别 伺服电机控制


GPA(GeneralPurposeActuator,通用执行器)主要作用是用来控制汽车发动机出气回流至涡轮的空气流量,是一种柔性控制系统,通过电机驱动摇柄,取消了传统的机械连接,在电控单元的控制下,可以对空气流量的控制达到更快的响应以及更好的精度。由于工件的结构决定,GPA工件的合盖过程与传统工件的合盖过程有所区别,需要判断工件扇齿的角度,通过相机标定、拍照计算出扇齿的角度,并使用伺服电机将其调节到适当位置,最后在力位移传感器的监控下,在压合过程中通过伺服电机的微调,从而保证齿轮与齿轮啮合时,不会在压合过程中对工件造成损伤。

1 系统描述

通用执行器合盖过程的运动控制系统由伺服电机、光源、CCD图像传感器、图像采集卡和一定机械结构组成。系统主要由三个控制步骤组成,第一部分为对扇齿与标定位置之间的角度差距识别以及中间齿轮位置判断,即视觉识别;第二部分是伺服电机的定位,以及通过伺服电机控制扇齿旋转至对应位置;第三部分即合盖部分。本文着重介绍视觉识别以及伺服电机的控制,对合盖部分的力位移追踪等并不做过多介绍。

2 控制系统的构建与实现

如图1所示,两台CCD图像传感器分别为工件正上方的拍摄扇齿状态图像,并根据算法计算出扇齿与标定位置之间的角度差的CCD传感器,以及垂直于工件侧面的,判断中间齿是否到位的CCD图像传感器。伺服电机通过这两个CCD传感器得出的结果,对工作位置进行判断从而与工件的摇柄配合,通过摇柄将扇齿调节到适当的位置,最后进行压合工作,完成合盖过程。

 

图1 CCD安装位置

2.1 中间齿位置判断及扇齿角度识别

由于图像采集的过程是在工业条件下,虽然有相对稳定的光源照射,但同样会存在各种不确定的因素,故在图像进行分析判断前,需要通过光源补偿、灰度化处理、滤波处理、阈值分割等对采集的图像进行预处理,最终得到其二值化图像,并未后期的位置判断以及角度识别等做好准备。

2.1.1 Gamma校正

传统的Gamma校正可以改善图像的色彩,调整图片的整体亮度。其公式如下:

    (1)

式中I(I,j,k)为进行图像处理之前的灰度值,J(I,j,k)为图像矫正后的灰度值,γ为伽马系数。Gamma校正是一个基于像素的非线性变化,往往根据人的经验选取一定的Gamma数值,根据选定的Gamma数值对图像中的每个像素都进行相应的校正。由图2可以看出,当γ小于1的时候,图像中低灰度区域的对比度相对来说得到了一定的增强;而当γ值大于1的时候,相对应的高灰度区域的对比度增强的更加明显;当等于1时,这时灰度变换是线性的,即不改变原图的亮度。由于扇齿的灰度比背景灰度高,所以在Gamma校正中采用系数1.5的Gamma校正。

 

图2 不同系数的Gamma处理结果

2.1.2 灰度化处理

本文采用的工业摄像机拍摄的图像,存储方式为24位彩色图像,经过Gamma校正改进其对比度亮度等条件后,并不会改变其存储形式。而24位彩色图像对后期进行轮廓识别以及阈值分割等环节有很大的难度,所以需要将彩色图像进行灰度化处理。

对图像进行灰度化处理的方法有很多,一般分为分量法、平均值法、加权平均值法以及最大值法等。在本文的这种情况下,扇齿与背景的颜色单一,灰度处理后要求像素之间的区分度要明显,所以采用分量法进行灰度化处理是比较适合的。

任何彩色图像都可以有红绿蓝三种颜色组成,因此被称为三基色。而最常见的RGB色彩模型则是每个像素点都是由RGB三种色彩分量组成,例如白色即三种颜色都达到最大值,黑色则是三种颜色都是最小值0。对于一副24位的彩色图来说,RGB三个分量各自占有8个深度。而每个像素对应各自RGB分量的值的大小,即为在分量图中的灰度值。即分量法是将彩色图像中的三个分量的亮度作为灰度图像的灰度值,将分离出来的分量与具体情况相结合,选取合适的分量作为灰度化图像。

    (2)

其中fk=R(i,j)(k=1,2,3)为转换后的灰度图像在(i,j)处的灰度值。

对图2c中经过校正后的图像进行分量处理后,图3中b、c、d分别表示R分量图、G分量图和B分量图。

图3 校正后工件各分量的灰度图

对上述分量灰度图进行灰度直方图分析,可以得出如图4所示的三个灰度直方图。其中,第一个峰值为目标对象,即所要研究的扇齿,第二个峰值为与扇齿相啮合的传动齿轮,灰度值较低的为背景。从直方图可以明显地观察出,G分量的灰度直方图两个峰值之间相距较远,相比其他两个分量图而言,有较高的辨识度,故选择G分量灰度图对扇齿对象进行灰度处理。

图4 各分量灰度处理直方图

2.1.3 滤波去噪

本课题采用CCD图像传感器用来采集图像的过程中,由于是运动的系统,机械机构由多个气缸以及大行程伺服构成,不可避免震动会对系统图像采集造成一定的影响,同时还会有一些污点、斑点等不可预知因素的介入,使得图像采集的质量下降,甚至影响特征的判断,从而导致检测结果的不可靠。因此,在对扇齿进行角度判断的特征识别之前,需要进行滤波处理,提高图像的可
靠性,使结果更加的准确,从而使系统的可靠性得到提升。

滤波的方法有很多种,大体可分为线性邻域滤波以及非线性滤波两大类。双边滤波(Bilateralfilter)是一种非线性的滤波方法,是结合图像的空间邻近度和像素值相似度的一种折衷处理,同时考虑空域信息和灰度相似性,达到保边去噪的目的。具有简单、非迭代、局部的特点。

双边滤波器的好处是可以做边缘保存,一般过去用的维纳滤波或者高斯滤波去降噪,都会较明显地模糊边缘,对于高频细节的保护效果并不明显。双边滤波器顾名思义比高斯滤波多了一个高斯方差sigma-d,它是基于空间分布的高斯滤波函数,所以在边缘附近,离的较远的像素不会太多影响到边缘上的像素值,这样就保证了边缘附近像素值的保存。由于保存了过多的高频信息,对于彩色图像里的高频噪声,双边滤波器不能够干净的滤掉,只能够对于低频信息进行较好的滤波。

在双边滤波器中,输出像素的值依赖于邻域像素值的加权值组合:

    (3)


其中加权系数ω(i,j,k,l)取决于定义域核和值域核的乘积。

其定义域核表示如下:

    (4)

值域核表示为:

    (5)

两者相乘后,就会产生依赖于数据的双边滤波权重函数:

    (6)

在本试验中,由于需要更好的区分轮廓,所以采用双边滤波的方法进行滤波去噪。图5为上述灰度化处理后的图像经过双边滤波后的效果。

图5 双边滤波后的工件图像

2.1.4 图像处理

图像经过上述预处理后,对其图像进行处理。一般的过程为滤波去噪、图像分割、提取联通域、特征提取、轮廓识别等。

1)滤波去噪。本文采用双边滤波的方式进行滤波去噪,也称平滑处理:

    (7)

2)图像分割。本文采用阈值分割的方法来进行图像分割,即为将区域图像R内的灰度值处于gmin和gmax之间的所有的点都分割到输出区域S中,表示为:

S={(r,c)∈R|gmin≤fr,c≤gmax} (8)

3)提取联通域。如果一个像素在像素网格上处于另一个像素的上方、下方、左侧或者右侧,则这两个像素是相互联通的,将这些相互联通的像素提取出来就得出了像素联通效果。

4)特征提取。基于面积的区域特征提取公式如下:

    (9)

区域的面积a等同于区域内的点数|R|。

5)边缘提取。将图像假设为一个一维函数f(x)。当|f′(x)|≥0时,即灰度差较为明显。计算一阶导数的对称算法如下:

    (10)

二阶导数为:

    (11)

按照一阶导数的绝对值|fi|≥t进行阈值分割,则可以将最明显的边缘提取出来。

2.1.5 OBB包围盒法

1)最小矩形包围。由合盖过程的要求可知,上述图像处理都是为了得出扇齿与伺服电机之间的角度,本文采用OBB包围盒法,通过上述的图像处理方法,对其识别出的轮廓进行OBB包围盒法,将物体完全包容起来形成一个封闭空间。

 

图6 包围盒法计算扇齿角度

2)角度计算。由图6可知,由于包围的矩形并非正方形,所以将可以通过最小包围矩形的长和宽作为对比,既可以计算出扇齿之间的角度。进行自动化装配时,选取一个角度作为基准角度,工作时通过两个矩形的角度差,从而计算出扇齿之间的角度差。

2.1.6 中间齿位置判断

中间齿判断相对扇齿角度识别简单很多,通过固定的CCD拍照,对中间齿的预期位置进行拍照,选取相应的ROI(RegionofInterest)区域,对ROI区域中选定一定的阈值范围,计算阈值范围内的像素点,通过像素点的数量来判断在选定区域中是否存在中间齿。

2.2 伺服电机定位

2.2.1 标定功能介绍

由于CCD基准和旋转伺服零点位存在区别,所以需要使用标定功能来确定CCD基准位时旋转伺服所在位置,由于旋转伺服定义为顺时针旋转角度为正,而CCD拍照为相对于基准图像,逆时针角度为正,所以要想在任意位求出伺服零点和CCD基准之间的差值,需要用CCD拍照角度+伺服当前位置角度。

基于以上原理,标定功能使用手工配合然后标定计算差值,即按标定按钮时,伺服旋转机构将会顶起,此时工件将被顶出,手工旋转扇齿角度,使工件摇柄与下方基座配合,完成后,点击配合完成按钮,系统将按照上述原理计算出伺服零点与CCD零点之间的差距,即可进行加工操作。

2.2.2 确定顶起时伺服需要转过的角度

已知CCD零点与伺服零点之间的角度差,那么摇柄的位置,可以通过标定的角度差和当前CCD拍照的角度来确定和旋转伺服零点之间的关系,从而确定伺服的运动,即:

α=α1-α2   (14)

其中,α为伺服需要旋转的角度,α1为CCD得出角度,α2为零点角度差即标定得出的角度。

3 实验与结论

在通用执行器合盖运动过程中,其关键点为扇齿角度的识别以及最后伺服电机的配合过程。本实验采用工业CCD,与上述固定位置不同,CCD固定位置为扇齿正上方。对所得图像进行响应的图像处理后,经过包围盒法在形成新的坐标系,与标定图像坐标系之间的角度差,即为CCD读取角度,其处理图像如图7、图8所示。

 

图7 经计算处理后的扇齿图像

 

图8 经处理后的中间齿图像

根据上文的处理计算方法得出的角度后,对已识别出的轮廓图像进行逆旋转,即使用计算出的旋转角度,将识别出的轮廓旋转到标定位置,此旋转后的图像与原初始标定图像的轮廓相似度,即为本例中图像识别的得分。经过数次实验,得分都在90以上,可以判断,此种对扇齿角度进行计算识别的方法是可行的、稳定的。

 

图9 扇齿图像处理数据

中间齿到位识别的过程如图10所示,根据所选区域的像素点数量作为得分依据,得分过少则认为没有到位,根据实验得出,若到位后,得分都大于98,根据得分判断,从CCD输出合格或不合格信号给PLC,从而对下一步的动作进行控制。

图10 判断中间齿是否到位的参数

根据扇齿的角度以及中间齿到位判断,本控制系统自动调节伺服电机,到摇柄位置,与摇柄配合后,进行合盖工作。由力位移传感器等监控,合盖完成的工件由夹爪移动到下料位,整个工位节拍达到21s以内,经CGK、CMK测试后,设备性能可靠,达到要求。

上海科力达阀门 青岛山野执行器
  • QQ 102996729(广告)    516582236(媒体)    热线:联系方式
  • tj88.cn ICP 51012402000262
广告招商