CN107843192A - 基于Kalman滤波的非接触测量装置及其测量方法 - Google Patents

Abstract

本发明公开了一种基于Kalman滤波的非接触测量装置，包括待测工件、激光位移传感器固定架、激光位移传感器、电位移平台、激光位移传感器控制器、伺服驱动器、数据传输线和计算机，所述伺服驱动器由PLC来控制从而带动位移传感器在位移平台上运动；本发明还公开了一种应用于基于Kalman滤波的非接触测量装置的测量方法，包括以下步骤：1、建立非接触式测量系统；2、基于物体表面形状的先验知识，建立待测物体的状态方程和量测方程，并设置初始值；3、实时对物体表面形状进行采样，通过通信，将数据传送至上位机；4、对采样数据进行实时滤波处理；进而得到物体的表面形状。本发明具有算法的执行效率高等优点。

Description

基于Kalman滤波的非接触测量装置及其测量方法

技术领域

本发明涉及一种运用位移激光传感器对工件进行非接触测量的方法，尤其涉及一种基于Kalman滤波的非接触测量装置及其测量方法。

背景技术

在一些精密制造及军工行业需要对一些精密的工件形状或表面平整度进行高精度的检测，这就对检测装置有了很高的要求，传统的接触式测量由于接触等因素使得检测精度难于满足，且有些情况不允许设备对物体进行直接接触，因此运用激光位移传感器等装置进行非接触式的测量，在精密工件检测精度方面有极大的需求。

非接触测量是以光电、电磁等技术为基础，在不接触待测物体表面的情况下，得到物体表面参数信息的测量方法。目前现有的非接触方法有将准直光源发出的光束经非对称扫描转镜形成扫描光束，扫描光束被待测工件反/散射后，由接收物镜汇聚至光电接收元件，通过待定测量反/散射光在待测工件上的持续时间，通过待定测量方程得到工件形状。还有就是采用直线扫描的方式，将激光位移传感器沿导轨移动方向运动，传感器每前进一步，激光位移传感器可以得出一个距离值，最终得出扫描物体的形状。基于激光位移传感器的非接触式方法的不足之处是未考虑可能由于工件本身的散射性，会影响激光位移传感器测量值的准确度。

对于被测物体的材质的不同，所以对于非接触测量尤其以激光位移传感器为装置的测量，因为材质的不同将引起散射光强度和空间分布的不同，从而使激光传感器接收到的光功率发生变化，对测量精度造成影响。当被测材料过于光滑，粗糙度较低，光泽较亮时，激光束在表面产生漫反射作用的同时会有一部分镜面反射，镜面反射的光强会是一种干扰信号。这种干扰将直接造成的噪声数据，所以必须进行相应的处理。

发明内容

本发明所要解决的问题是提供一种基于Kalman滤波的非接触测量方法，该方法可以使得计算机从传感器所得数据更真实的反映传感器对工件检测的实际数据，如此，拥有更接近待测物体的真实数据，对于要进行对工件的形状检测亦或是工件的表面平整度检测肯定是能够得到好的测量结果。

对于目前常见的非接触测量方法可能存在的不足，本发明通过加入Kalman 滤波算法对数据进行滤波处理，Kalman滤波算法的思想是利用观测向量来重构和估计随时间不断变化的状态向量。其步骤是:

(1)建立物体平面的状态方程：

X(k+1)＝Φ(k)X(k)+G(k)V(k)，

激光位移传感器的量测方程：

Z(k)＝H(k)X(k)+W(k)，

(2)对Kalman滤波器的初始状态量，预测(过程)噪声方差，测量(观测) 噪声方差等经行初始化。

(3)根据(1)中的初始化值来得到当前的状态的预测值，又再通过当前的测量值，计算出当前状态的最优化估算值，并根据预测的数值计算出Kalman的增益。具体如下：

一步预测方程：

一步预测的预测协方差为：P(k+1|k)＝Φ(k)P(k|k)Φ'(k)，

一步预测的观测向量为：

观测向量的预测误差(也称新息)

观测的误差协方差为S(k+1)＝H(K+1)P(k+1|k)H'(K+1)+R(k+1)，

Kalman滤波增益为K(k+1)＝P(k+1|k)/S(k+1)，

状态更新方程为

滤波误差协方差的更新P(k+1|k+1)＝P(k+1|k)-K(k+1)S(k+1)K'(k+1)，

该过程由前一状态的估计值现有状态的值，根据现有状态的协方差和 Kalman增益计算下一状态的方差，同时对Kalman算法内的相关数据更新，并返回Kalman滤波的最优值。

本发明中的非接触测量主要指用激光传感器对物体表面形状进行检测，而物体形状的检测对于军工及一些精密仪器行业来说某些器件的外观尺寸或物体的平整度要求都很高，同时对于这种有高精度要求的器件检测，就目前常用的接触式测量和非接触式测量对比而言，非接触式测量有很大的优势。由于非接触式测量通过激光来感应，在实际应用中难免会有物体表面的形状不规则或物体材质的干扰，所以测量的数据中就会有噪声存在，因此，采用Kalman滤波算法对传感器采集数据进行滤波处理，处理后的数据能够更接近传感器到物体表面的实际距离值，而且算法的执行效率也很高，能够很好的反映物体的表面形状参数。

与现有技术相比，本发明具有如下的优点与有益效果:

本发明将激光位移传感器对物体表面的测量位移数据加入了Kalman滤波算子，如此就可将在现有方法上因工件表面形状的不规则或是材质的不同带来的噪声测量数据得到有效的处理，使得更真实的反映传感器测量的位移数据，进而更加准确的描绘出物体形状外观，所以较现有的来看是一种更可靠的方法。

附图说明

图1是非接触式物体形状检测的整体结构图。

图2是本发明系统的结构装置图；其中，1表示激光位移传感器固定架，2 表示激光位移传感器，3表示电位移平台，4表示激光位移传感器控制器，5表示伺服驱动器，6表示数据传输线，7表示计算机。

图3是将测量数据进行Kalman滤波前后的数据图像对比。

具体实施方式

下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。

实施例

以电池包装生产线的电池定位为例，该案例要求给出电池的最突出面，从而进行准确定位。该案例采用一维激光位移传感器进行采集数据。

1，系统构建。如果图1所示，是非接触式物体形状检测的整体结构图，整体结构相对简单易操作，如图2所示，是实际运用中整个系统的设备的布局图，从图中可知，激光位移传感器2先要固定在固定支架1上，固定后将其安装在电位移平台上，此平台实际中就是丝杆，通过伺服电机带控制其左右移动从而带动位移传感器的左右移动。再就是计算机与位移传感器有数据的传送，所以要有通信线相连。

2，根据激光位移传感器的发射光源有距离范围要求，必须在合适的距离内进行测量，所以在将激光位移传感器装好后，必须调整工件到传感器的距离。然后就是要对激光位移传感器进行本身系统的校验如调零，输入/输出设定，数据存储设定，相机设定等。

3，上述步骤都完成后就可进行测量，将要检测的工件面对准激光位移传感器的入射光源，且固定好工件，而后用伺服电机带动激光位移传感器固定架从而使位移传感器在丝杆边移动边扫描工件待测面，在扫描的同时传感器也与计算机通信，将实时采集的位移数据传送到计算机上，扫描完后就在计算机上将采集的数据进行处理。

5，基于待测物体为电池平面，基于公式(1)和(2)，设置系统参数Φ(k)＝1， G(k)＝1，H(k)＝1，根据经验再设置系统过程噪声和量测协方差矩阵为常数Q和R。进而基于传感器上的采集数据后在计算机上通过编程来处理这些原始数据，先是去除系统本身原因出现的错误数据，然后在这些处理过的数据上，通过采用 Kalman滤波算法，再对这些滤波后的数据上进行物体形状估计或平整度的检测。

如图3所示，是采用Kalman滤波算法与未采用该算法实际测试的数据图像比较图。

上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (7)

1.一种基于Kalman滤波的非接触测量装置，其特征在于，包括待测工件、激光位移传感器固定架(1)、激光位移传感器(2)、电位移平台(3)、激光位移传感器控制器(4)、伺服驱动器(5)、数据传输线(6)和计算机(7)，所述伺服驱动器由PLC来控制从而带动位移传感器在位移平台上运动。

2.根据权利要求1所述的基于Kalman滤波的非接触测量装置，其特征在于，所述的位移传感器在移动的同时也对工件进行要检测的平面扫描，扫描的同计算机与传感器进行通信，以便计算机得到实时的数据。

3.根据权利要求2所述的基于Kalman滤波的非接触测量装置，其特征在于，假设待测量物体的平面形状变化为线性变化或由于工艺原因有凹凸不平的变化，该假设符合一般平面问题的形状假设；基于该假设，建立物体平面的状态方程：

X(k+1)＝Φ(k)X(k)+G(k)V(k)， (1)

其中，X(k)是k时刻物体形状的状态向量，Φ(k)是状态转移矩阵，V(k)是具有零均值和正定协方差矩阵Q(k)的过程噪声，G(k)是过程噪声分布矩阵；

激光位移传感器的量测方程：

Z(k)＝H(k)X(k)+W(k)， (2)

其中，Z(k)是传感器在k时刻的量测向量，H(k)是量测矩阵，W(k)是具有零均值和正定协方差矩阵R(k)的量测噪声。

4.根据权利要求3所述的基于Kalman滤波的非接触测量装置，其特征在于，将得到的激光位移传感器采样数据，基于建立的状态方程和量测方程，对采集的数据进行Kalman滤波算法处理；具体如下：

(1)一步预测方程：

其中，为通过上一状态k时刻来预测当前状态k+1时刻的结果，为上一状态k时刻的估计结果；

(2)一步预测的预测协方差为：

P(k+1|k)＝Φ(k)P(k|k)Φ'(k)， (4)

其中，P(k+1|k)为k时刻的一步预测协方差，P(k|k)为上一状态k时刻对应的预测协方差；

(3)预测观测向量：根据一步预测得到预测的观测向量为：

其中，为一步预测的量测值；

(4)观测向量的预测误差

其中，Z(k+1)为k+1时刻的实际观测向量，Z(k+1)的误差协方差为：

S(k+1)＝H(K+1)P(k+1|k)H'(K+1)+R(k+1)， (7)

(5)Kalman滤波增益为：

K(k+1)＝P(k+1|k)/S(k+1)， (8)

(6)系统状态更新方程为：

(7)滤波误差协方差的更新：

P(k+1|k+1)＝P(k+1|k)-K(k+1)S(k+1)K'(k+1)， (10)

基于采样值，对系统的状态进行递推计算，从而对每一次传感器的采集数据进行完整的滤波算法处理。

5.根据权利要求4所述的基于Kalman滤波的非接触测量装置，其特征在于，根据Kalman滤波算法，基于一维激光位移传感器即点状对物体的形状进行测量，此时处理的结果是物体的一维线体形状。

6.根据权利要求4所述的基于Kalman滤波的非接触测量装置，其特征在于，根据Kalman滤波算法，基于二维激光位移传感器即带状对物体的形状进行测量，此时处理的结果是物体的二维表面形状。

7.一种应用于权利要求1所述的基于Kalman滤波的非接触测量装置的测量方法，其特征在于，包括以下步骤：

步骤1、建立非接触式测量系统；

步骤2、基于物体表面形状的先验知识，建立待测物体的状态方程和量测方程，并设置初始值；

步骤3、实时对物体表面形状进行采样，通过通信，将数据传送至上位机；

步骤4、对采样数据进行实时滤波处理；进而得到物体的表面形状。