橡胶挤出胎面在线测量与控制系统申报材料.doc

编号：_2015年桂林电子科技大学第十四届“挑战杯”全国大学生课外学术科技作品竞赛校内重点项目立项申报材料项目名称：橡胶挤出胎面在线测量与控制系统申报学院：建筑与交通工程学院项目申报成员：杨支旭、吴桂彬、覃妙艺、 曾陆川、郭叶宇二一四年十一月桂林电子科技大学第十四届“挑战杯”大学生课外学术科技作品竞赛重点项目申报书A、申报者情况申 报 者 情 况姓名覃妙艺性别女出生年月1993年1月现学历 A A大学本科 B硕士研究生申报单位桂林电子科技大学专业控制科学与工程学号122081929学制3年作品全称橡胶挤出胎面在线测量与控制系统合 作 者 情 况姓名性别学号电话所在单位备注杨支旭男120153023115577397082建筑与交通工程学院有无合作者请在此说明：R 有 无吴桂彬男120153022913471276617建筑与交通工程学院曾陆川男120153023218377338080建筑与交通工程学院郭叶宇男130151011113978389569建筑与交通工程学院说明：1、必须有申报者本人按要求填写，申报者情况栏内必须填写个人作品的第一作者（承担申报作品60%以上的工作者）或集体作品填写一文学历最高的代表。2、本部分中的各学院签章视为对申报者情况的确认。B、科技发明制作 申报作品情况作品全称橡胶挤出胎面在线测量与控制系统作品分类（在选项上画）A. 信息技术(包括计算机.电信.通信.电子等)RB. 机械与控制(包括机械、仪器仪表、自动化控制、工程、交通、建筑等)C.数理(包括数学、物理、地球与空间科学等)D生命科学(包括生物、食品等)E.能源化工(包括能源、材料、生态、环保等)F.外观设计(包括电脑艺术设计、机械CAD等)作品设计、发明的目的和基本思路、创新点、技术关键和主要技术指标目的：橡胶轮胎挤出工序产品外形尺寸精度直接影响到轮胎的质量和使用安全（影响轮胎成品质量因子约为45%），目前基本为人工检测。本作品旨在利用先进的图像采集和识别技术，通过网络神经学习、模糊分析，实时快速自动控制生产线，把该工序产品合格率由现在的78%提高到93%，提高生产效率，有效降低生产成本，推动我国橡胶产品生产工序向信息化、智能化方向迈进。基本思路：在运用两台CCD同时对挤出胎面的三个特征值进行图像数据采集，分别为胎面上部宽度、胎面下部宽度和胎面厚度。然后由计算机对图像数据进行处理，得到挤出胶部件形状和尺寸。运用神经模糊系统将特征数据处理运算，与工艺设计的部件外形尺寸表对比分析，得出一个合适的决策值，通过中央控制系统实时调整挤出机和接取皮带线速度，从而把挤出部件的尺寸控制在工艺允许的误差范围内。创新点和技术关键：针对生产现场烟气大通透度小、生产照明灯光复杂多变、大功率电机电磁干扰、图像网纹等干扰情况，优化本检测系统综合布置克服上述干扰；数学形态学在部件边缘图像处理算法优化设计；菱形凸缘橡胶挤出部件多基点神经模糊分析系统优化设计；橡胶工厂强磁场干扰下数据传输方案优化；隐含物体边缘图像拾取和精确采集（如图）。 胎面上部边界 图1 胎面形状示意图 主要技术指标：接取皮带线速度控制精度：15m/min时误差在0.21cm以下； 5.110m/min时误差在12cm以下。该工序产品合格率93%。作品的科学性先进性(必须说明与现有技术相比.该作品是否有突出的实质性技术特点和显著进步。请提供技术性说明和参考文献资料)目前，轮胎生产企业挤出橡胶的尺寸测量仍然是用人工测量和手动控制，效率低，精度差，是目前影响轮胎产品质量和成本的关键工序，加之该工序连续生产特性，对轮胎成品质量影响因子高达45%左右。本项目利用先进的图像采集和识别技术，通过网络神经学习、模糊分析，实时快速自动控制生产线，实现挤出橡胶部件尺寸在线自动测量、自动控制，把该工序产品合格率由现在的78%提高到93%。本项目研发系统简单、成本低，对原设备改动很小，易于实现。作品所处阶段A实验阶段 RB 中试阶段 C 生产阶段 D_(自填) 作品所展示的形式 实物 产品 模型图纸 磁盘现场 演示图片 R 样品 录像 使用说明及该作品的技术特点和优势,提供该产品的适应范围及推广前景的技术性说明及市场分析和经济效益预测中国轮胎生产属于传统行业，橡胶部件生产多采用挤出法连续生产。挤出工序是轮胎生产企业的重要工序，按可比产值计算占整个轮胎生产过程的3040%，该工序质量对轮胎成品质量影响因子高达45%左右，各企业对该工序质量和生产效率都很重视。 该课题利用图像识别和神经模糊分析技术解决一直困扰轮胎生产企业挤出部件精度误差大的技术难题，通过挤出部件在线检测和智能化调整生产设备参数，把该工序产品合格率由现在的78%提高到93%，可为企业降低生产成本5%左右（以中国化工橡胶桂林有限公司为例，每年节约成本8001000万元），本项目研发系统简单、成本低，对原设备改动很小，易于实现。国内现有轮胎生产企业300多家，有挤出生产线近10000条，市场前景广阔。本项目实际应用，将推动我国橡胶产品生产工序向信息化、智能化方向迈进。专利申报情况 提出专利申报申报号_ 申报日期： 年 月 日 已获专利权批准批准号_ 批准日期： 年 月 日R 未提出专利申请说明: 1、必须由申报者本人填写；2、本表可以附有研究报告,并提供图表、曲线、实验数据、原理结构图、外观图(照片),也可以附鉴定证书和应用证书；3、作品分类请按照作品发明或创新点所在类别填表。2015年桂林电子科技大学第十四届“挑战杯”全国大学生课外学术科技作品竞赛校内重点项目立项作品说明书目录1.研究背景及意义12.技术方案23.相关理论和方法23.1图像处理算法33.2模糊神经网络（FNN）54.创新手段和关键技术95.实验条件落实情况96.存在的问题及解决方法107.经济、技术分析及达到目的10参考文献111.研制背景及意义：轮胎生产过程中，橡胶部件挤出工序占整个生产工序的30%，其挤出部件的精度直接影响到轮胎成品的质量。在传统的生产过程中，都是人工采用抽检的办法检测，精度差（通常2mm）、速度慢（测一个点约30秒），如图1所示。有时造成大量的不合格品，由此造成的浪费每年在800万元以上。是橡胶轮胎生产企业的共性技术难题。图1 工人用直尺测量挤出胎面的肩宽 为了提高检测精度，保证产品质量，各轮胎生产企业根据自身企业特点研发各种在线检测装置,但基本都是基于接触式的机械检测和非接触式的红外线检测。由于该检测方式自身精度误差大、灵敏度差的弊病，造成检测结果误差大（通常1.5mm）。针对以上情况，我们采用先进的图像采集和识别技术，通过模糊神经分析，实时快速自动控制生产线，把该工序产品合格率由现在的78%提高到93%，提高生产效率，有效降低生产成本，推动我国橡胶产品生产工序向信息化、智能化方向迈进。2.技术方案：（1）用三台CCD同时对挤出胎面的四个特征值进行图像数据采集，分别为肩宽、冠宽、左肩厚、右肩厚，如图2所示。然后由计算机对图像数据进行处理，得到挤出胶部件形状和尺寸。图2胎面各尺寸示意图（2）运用模糊神经系统将尺寸数据处理运算，与工艺设计的部件外形尺寸表对比分析，得出一个合适的决策值，通过中央控制系统实时调整挤出机和接取皮带线速度，从而把挤出部件的尺寸控制在工艺允许的误差范围内。 3.相关理论和方法图3本次的研究是以传统的全钢子午轮胎复合联动挤出机为模型进行升级改造，通过引入视觉传感器系统对挤出胶部件进行实时采集，结合数字图像处理的相关知识进行检测挤出胎面尺寸，将数据运用复杂模糊神经决策，结果反馈给传输电机，调整挤出机转速和供料量值，实现胎面尺寸的稳定输出。整体的流程如图3所示。3.1图像处理算法 算法结构模块如图3所示。计算机首先对采集的图像中需要处理的区域进行截取并进行灰度化处理，之后用双线性插值算法插值放大截取出来的区域，使用均值滤波消除噪声，再利用边界改进阈值算法分割出挤出橡胶各部分，运用形态学滤波进行边缘开操作，平滑边缘，之后，运用孔洞填充算法，消除阈值算法中可能出现的孔洞，最后提取出挤出橡胶各尺寸，下面对主要模块进行介绍：3.1.1截取需要处理的区域 研究中，上部相机被架设并固定在离挤出橡胶1米高的地方，其每次拍摄到的图像中挤出橡胶在固定位置，而其他区域属于不需要处理的区域，如果每次进行图像处理时都将这些区域进行处理会造成执行速度的下降，所以在相机采集的图像中将需要处理的区域自动分割出来单独进行处理，提高系统速度。3.1.2插值放大 双线性插值算法又叫一阶插值法，它要经过三次插值才能获得最终结果，是对最近邻插值法的一种改进，算法先对两水平方向进行一阶线性插值，然后再在垂直方向上进行一阶线性插值，因为它考虑了待测采样点周围四个直接邻点对该采样点的相关性影响，其效果要好于最近邻插值，基本克服了最近邻插值灰度值不连续的特点。但是，此方法仅考虑待测样点周围四个直接邻点灰度值的影响, 而未考虑到各邻点间灰度值变化率的影响, 因此具有低通滤波器的性质, 从而导致缩放后图像的高频分量受到损失, 图像边缘在一定程度上变得较为模糊。3.1.3边界加强阈值算法 考虑到在生产过程中周围的干扰因素过大，因此对滤波环节提出了较高的要求 同时对边缘信息提取的准确性也决定了宽度反馈信息的正确性 这两者结果的好坏直接影响了控制效果，在此，主要对图像处理环节中图像边缘提取部分进行了研究，利用边缘改进全局阈值处理，提取边界。算法如下：（1）任何一种方法来计算一幅边缘图像，无论是梯度的幅度还是拉普拉斯的绝对值都可以。（2）指定一个阈值T。（3）用来自步骤2的阈值对自步骤2的图像进行阈值处理，产生一幅二值图像。这幅图在步骤4中选择来自的对应于强边缘的像素并作为标记图像使用。（4）仅用中的像素计算直方图，对应中1值像素的位置。（5）用来自步骤4中的直方图，通过全局阈值otsus方法来分割。3.1.4孔洞填充 使用一种基于边界信息的孔洞填充算法：首先利用边界跟踪得到图像中所有边界的几何位置信息，再利用内边界与外边界的几何位置关系判断出孔洞位置，最后对原图像中的孔洞区域进行扫描线填充。图4 给出了本算法的流程图，算法的具体步骤如下：图4 填充算法流程（1）按照从上到下、从左到右的顺序扫描目标图像，若某一目标像素的八邻域中有一个或一个以上像素为背景，则判定其为边界像素。通过这一判别过程，得到所有的边界像素。（2）对每条边界进行跟踪，记录其几何信息：从每条边界最左上角的起始点开始，按照逆时针方向进行跟踪，并通过计算得出其外接矩形在水平、垂直两个方向上的尺寸参数及中心坐标位置。（3）确定孔洞位置。判断一条边界是否为孔洞边界 (即内边界)的原则是：如果某一边界的外接矩形处于另一边界的外接矩形内，并且其起始点(即最左上角的那个像素)右下、正下、坐下的 3 个像素中至少有一个为背景像素，则认为该边界为孔洞的边界。(4)对于每一个孔洞，其信息已包含在边界当中，因此从孔洞边界的起始点开始，按照逆时针方向填充。填充的方法是：如果当前边界点的左边为背景，则向左用当前帧图像中相应的像素值进行填充，直至遇到第一个目标像素点为止，反之则向右填充。3.1.5尺寸提取需要提取的尺寸为左右肩高，肩宽和冠宽，对处理出来的图像胎面边界，计算边界间有多少个像素格，然后换算为实际宽度。3.2模糊神经网络（FNN）3.2.1模糊神经网络结构模糊控制可以用来对没有精确数学模型的被控对象进行有效控制，但是其控制精度严重受制于模糊规则。然而模糊规则库的建立是极其困难的，因此单纯的模糊控制难以达到控制要求。与此相对，神经网络是低级的计算结构，处理原始数据的性能良好，具有非常强的任意逼近能力，学习能力以及记忆能力。但是神经网络的结构设计相对复杂，而且神经网络在使用之前必须对网络之间的参数进行训练；另外，神经网络虽然可以学习，但是它对于用户是不透明的。将神经网络和模糊系统结合构成模糊神经网络，为构建智能系统提供了有希望的方法。模糊神经网络不仅具有神经网络的学习能力，也拥有了模糊系统的透明性。典型的模糊神经网络是一种称为多层模糊感知机的系统，它的网络结构是根据模糊系统的功能模块来定义响应的神经网络。就是把模糊系统的每个部分映射到神经网络中，以神经元来构造模糊系统。模糊神经网络拓扑结构如图1所示：图1 模糊神经网络拓扑结构此网络为多输入单输出结构，共分为5层。根据模糊系统的工作过程设计，可以说是由神经网络实现的模糊推理系统。第一层：输入层，它输出精确值，此层节点数等于输入变量个数，它将输入直接送入第二层。第二层：隶属度函数层，将输入变量按隶属度划分，该层的节点数为输入变量的隶属度划分之和。该层一般可使用高斯函数作为隶属函数。隶属函数的参数将由网络通过学习来调整。第三层：规则层，该层将隶属函数层节点与结论节点连接起来，此层节点数为各输入变量的隶属度划分个数之积。该层与第二层为全互连。第四层：归一化层，所有规则层的节点都分别与该层节点相连并计算给定规则的归一化激发强度。归一化激发强度是给定规则的激发强度和所有规则激发强度的总和的比值。第五层：反模糊化层，该层与第四层的所有节点相连，并且其连接权值可训练，即该层输出为归一化层输出的加权和。3.2.2模糊神经网络学习算法 下面给出模糊神经网络的学习方法。以两输入单输出网络为例：假设输入输出分别为，和，用目标函数E来衡量和实际样本输出之间的误差，E定义如下： 根据图1，假定两个输入的模糊划分均为4，隶属度函数取高斯函数，则规则层共有16个节点。令和(i，j=1，2,3,4)分别为和对应的规则，和的均值和方差分别为，和，归一化层到反模糊化层之间的连接权值为（i=1，2，.16）。当给定一组样本(，；)时，采用如下算法调整，和（i,j=1,2,3,4），该算法建立在梯度下降法的基础上： 其中，（i=1,2.16）为规则层输出，为学习率，为学习重复度。3.2.3模糊神经网络结构优化 由于上述模糊神经网络中存在规则爆炸的危险，因为当输入变量的个数增多或者隶属度的划分增加时，规则层的数量将成指数增长，强烈影响网络性能，因此本文采用剪枝算法对网络结构进行优化，去掉网络中冗余的节点，简化网络。定义同层神经元样本分散度 其中，为训练样本总数，为当前样本序号，为规则层节点序号，为当前网络输出，为第个神经元对所有样本的平均输出。当样本分散度过小，说明该神经元的输出变化很小，可以直接删除。通常当样本分散度在0.000010.1之间时执行删除操作。4创新手段和关键技术（1）研究结合了数字图像处理技术进行研究，利用多种算法结合实现对胎面尺寸的精确检测。（2） 结合OPENCV和MFC设计上位机，可移植性好。（3） 结合神经模糊控制系统的理论进行研究决策，能达到很好的控制效果。5.实验条件落实情况已具备的实验条件：（1）实验室有小型联动装置，可进行模拟试验； （2）PC机及相应试验器材已经运行； 橡胶挤出胎面在线测量与控制系统试验台（3） 中化桂林橡胶有限公司可以提供全钢轮胎挤出生产线供实际试验。6.存在的问题及解决办法