基于圖像熵的直線電機(jī)動(dòng)子位置測(cè)量方法研究.pdf

1、近年來，隨著計(jì)算機(jī)控制相關(guān)技術(shù)的蓬勃發(fā)展，高度集成芯片、高精度設(shè)備的需求越來越大，IC制芯、高精度數(shù)控系統(tǒng)等超精密加工產(chǎn)業(yè)都已成為一個(gè)國(guó)家的核心技術(shù)。超精密的加工設(shè)備離不開高精度的伺服控制系統(tǒng)，永磁同步直線電機(jī)避免了旋轉(zhuǎn)電機(jī)驅(qū)動(dòng)工作臺(tái)所必須的傳動(dòng)環(huán)節(jié)，可直接驅(qū)動(dòng)負(fù)載，具有高速、高精度的優(yōu)點(diǎn)，在直線進(jìn)給伺服控制系統(tǒng)中應(yīng)用越來越多。直線電機(jī)的精密控制依賴于電機(jī)動(dòng)子的實(shí)時(shí)、精確的位置反饋，傳統(tǒng)的電機(jī)動(dòng)子位置測(cè)量方法存在成本高、易受復(fù)雜環(huán)境影響

2、、安裝復(fù)雜等問題，限制了直線電機(jī)的推廣和發(fā)展。
　　本課題結(jié)合數(shù)字圖像測(cè)量算法的高速、高精、非接觸以及實(shí)時(shí)性好的優(yōu)點(diǎn)，把圖像測(cè)量技術(shù)引入到直線電機(jī)動(dòng)子位置測(cè)量中，提出了一種基于圖像熵的柵欄圖像篩選方法，并通過改進(jìn)的數(shù)字圖像相關(guān)標(biāo)準(zhǔn)函數(shù)和簡(jiǎn)化的粒子群優(yōu)化搜索算法(Particle Swarm Optimization，PSO)測(cè)量出攝像機(jī)間隔拍攝的兩幅柵欄圖像的位移量，實(shí)現(xiàn)對(duì)直線電機(jī)動(dòng)子位置、速度的實(shí)時(shí)精密測(cè)量。
　　本課題緊

3、緊圍繞結(jié)合了數(shù)字圖像測(cè)量的直線電機(jī)動(dòng)子位置精密測(cè)量方法進(jìn)行的主要研究包括以下幾個(gè)方面:
　　1.介紹了直線電機(jī)動(dòng)子位置測(cè)量目前的主要方法，并分析其優(yōu)劣點(diǎn)，解釋了圖像測(cè)量技術(shù)的主要原理和諸多優(yōu)點(diǎn)，闡述了圖像測(cè)量技術(shù)廣泛的應(yīng)用背景特別是工業(yè)檢測(cè)、測(cè)量等領(lǐng)域，由此引出本課題的研究背景和主要內(nèi)容。
　　2.闡述了圖像測(cè)量系統(tǒng)目前的相關(guān)標(biāo)定方法，包括傳統(tǒng)標(biāo)定方法、自標(biāo)定法以及改進(jìn)的CCD相機(jī)標(biāo)定方法，分析以上標(biāo)定法的應(yīng)用場(chǎng)合和優(yōu)劣點(diǎn)，

4、然后提出了本課題圖像測(cè)量系統(tǒng)的標(biāo)定方法，并介紹本課題測(cè)量系統(tǒng)的組成和攝像機(jī)鏡頭的選型，最后通過實(shí)驗(yàn)完成標(biāo)定。
　　3.研究了一種結(jié)合PSO搜索方法的改進(jìn)的數(shù)字圖像相關(guān)測(cè)量算法，實(shí)現(xiàn)圖像的亞像素高精度測(cè)量。首先通過實(shí)驗(yàn)對(duì)比驗(yàn)證了數(shù)字圖像相位相關(guān)測(cè)量算法只適應(yīng)于微小距離的、整像素級(jí)別的測(cè)量，因此本課題選擇了數(shù)字圖像相關(guān)算法，并提出了一種改進(jìn)的相關(guān)標(biāo)準(zhǔn)函數(shù)和抽樣計(jì)算子區(qū)概念，然后通過自適應(yīng)慣性權(quán)重的PSO快速搜索算法獲得圖像亞像素的位移

5、值。最后以普通的拍攝圖像進(jìn)行了實(shí)驗(yàn)驗(yàn)證，實(shí)驗(yàn)結(jié)果表明測(cè)量精度能達(dá)0.05像素。
　　4.根據(jù)直線電機(jī)動(dòng)子運(yùn)動(dòng)的固有特點(diǎn)，構(gòu)造柵欄條紋圖像作為目標(biāo)源圖像。深入研究了數(shù)字圖像的不同特征對(duì)圖像測(cè)量算法精度和魯棒性的影響，得出了圖像灰度分布地越不規(guī)則對(duì)測(cè)量的結(jié)果越有利。分析了柵欄圖像的Pnatt熵與像素相關(guān)性之間的關(guān)系，提出了采用圖像熵表征柵欄圖像篩選的特征值，最后篩選出非周期性，抗干擾性更好的柵欄圖像作為拍攝目標(biāo)圖像。
　　5.最