CN113198854A - 一种基于机器视觉的热轧带钢优化剪切方法 - Google Patents

Abstract

本发明属于热轧带钢飞剪控制工程领域，涉及一种基于机器视觉的热轧带钢优化剪切方法。所述方法主要是结合机器视觉原理，对热轧生产线上粗轧所造成的带钢端部变形部分进行非接触式测量，通过模糊自整定PID控制器对飞剪系统进行优化控制，包括如下操作步骤：1)带钢端部图像采集；2)图像信息处理；3)三维轮廓获取；4)三维凸包运算；5)模糊自整定PID控制器决策；6)控制器传递剪切信号；7)执行机构进行剪切。本发明基于机器视觉检测系统，结合图像处理单元获取带钢端部三维轮廓，通过模糊自整定PID控制器进行飞剪机构控制，剪切机构接收到控制器发送的信号后进行精确剪切。本发明通过闭环控制结构，实现热轧带钢飞剪系统的在线优化。

Description

一种基于机器视觉的热轧带钢优化剪切方法

技术领域

本发明属于热轧带钢飞剪控制工程领域，涉及一种基于机器视觉的热轧带钢优化剪切方法。

背景技术

热轧生产工艺中，带钢钢坯在经过粗轧机组轧制后，由于粗轧辊压力不均或环境影响，带钢端部易发生变形，为了保证后续生产的稳定性，在进入精轧机组前需要对带钢端部进行切除。

传统的带钢端部形状检测都使用离线、人工的方法，取样时间长、劳动强度大、信息实时性差，不能有效实现检测，降低轧机工作效率。同时，传统热轧生产线中飞剪系统往往采用定长剪切系统，其固有缺点是不能根据带钢头尾形状决定剪切长度，导致剪切精度不高，剪切长度时大时小。为了防止剪切不净，操作工往往将剪切长度人为放大，容易造成切损量的增加，带来不必要浪费。针对此情况，研究发明能够实现非接触测量带钢端部轮廓图像、节省人力、保证效率的测量系统很有必要；以及对飞剪控制系统进行优化，研究发明可以根据带钢端部实际变形情况进行飞剪长度定性选择的系统十分重要。

发明内容

针对上述技术问题，本发明提供一种基于机器视觉的热轧带钢优化剪切方法，该方法通过机器视觉检测系统实现非接触式检测以及带钢端部三维轮廓获取，通过模糊自整定PID控制实现飞剪系统的优化，降低切损率，提高企业经济效益。

本发明是通过以下技术方案实现的：

一种基于机器视觉的热轧带钢优化剪切方法，所述方法基于机器视觉检测系统，结合图像处理单元获取带钢端部三维轮廓，通过模糊自整定PID控制器进行飞剪机构控制，剪切机构接收到控制器发送的信号后进行精确剪切。

所述方法包括如下步骤：

(1)带钢端部图像采集：采用一种双线结构光三维测量方法进行测量图像获取；

(2)图像信息处理：利用机器视觉系统的图像处理单元，对步骤(1)获取的含有激光光条的图像进行处理，处理步骤包括：ROI区域提取、滤波处理、图像分割、激光光条纹中心提取；

(3)三维轮廓获取：根据视觉原理推导带钢端部三维轮廓测量模型，获得带钢端部三维点云图，对带钢端部三维点云图像进行三维重建，获取带钢端部的三维轮廓，即带钢端部的实际轮廓；

(4)三维凸包运算：建立三维凸包算法，利用步骤(3)所得带钢端部三维点云图，对实际带钢端部图像进行三维凸包运算，获得三维凸包运算图像；

(5)模糊自整定PID控制器决策：对步骤(4)三维凸包所得图像与步骤(3)提取的带钢端部的实际轮廓特征求差，通过模糊自整定PID控制器进行剪切尺寸获取，获得准确剪切尺寸；

(6)控制器传递剪切信号：将步骤(5)中计算所得的准确剪切尺寸作为传递信号发送至执行机构；

(7)执行机构进行剪切：飞剪执行机构(飞剪机构作为系统的执行机构)在接收到计算机的剪切指令后，对带钢端部变形部位进行剪切。

进一步地，步骤(1)中，图像采集为非接触式测量，图像测量系统包含一工业CCD面阵相机以及双线激光投射器，通过对带钢端部激光照射后，采集在带钢端部表面产生的激光光条图像。

进一步地，步骤(2)中，所述图像信息处理利用机器视觉系统的Blob图像处理单元，采用Blob图形分析方法，对步骤(1)获取的含有激光光条的带钢端部变形图像进行二值化、形态学处理、特征提取；图像分割方法采用动态阈值分割，滤波方法采用高斯滤波进行降噪。

进一步地，步骤(4)中，三维凸包运算是将步骤(3)中带钢端部三维点云图对应的带钢端部三维点云集合定义为P，并作为三维凸包运算的输入信息，通过三维凸包算法实现三维凸包运算，输出信息为边界集Q；所述三维凸包算法的使用能够构建出带钢端部未变形轮廓，通过与实际轮廓图像比较可以获得精确的剪切信息。

进一步地，步骤(5)中，所述模糊自整定PID控制器与所述图像处理单元、所述飞剪执行机构连接；输入信息为步骤(4)三维凸包所得图像以及步骤(3)提取的带钢端部的三维轮廓求差值，输出信息为剪切控制信号。

进一步地，所述模糊自整定PID控制器采用模糊自整定PID参数控制方法，包括：

将步骤(4)三维凸包所得图像以及步骤(3)提取的带钢端部的三维轮廓的求差值作为模糊自整定PID控制器的输入值进行调节决策；

模糊自整定PID控制器根据图像处理所得信息，并对实际剪切情况进行评估：

对输入、输出量进行模糊化，将偏差E、偏差变化率E_C、输出变量K_FP、K_FI、K_FD转换为模糊集合的隶属函数；模糊子集为{负大，负中，负小，零，正小，正中，正大}，对应{NB,NM,NS,O,PS,PM,PB},将论域定义为{-0.5，-0.3，-0.1，0，0.1，0.3，0.5}；

通过专家经验对模糊规则库定义，实现模糊控制器的控制决策功能；例如：

IF E is NB AND E_C is NB,then K_FP is NB、K_FI is NB、K_FB is NB.

IF E is PB AND E_C is PB,then K_FP is PB、K_FI is PB、K_FB is PB.

通过模糊规则得到不同输入下的输出值K_FP、K_FI、K_FD，经解模糊后将模糊输出量K_FP、K_FI、K_FD转化成精确比例、积分、微分控制系数K_P、K_I、K_D，根据模糊在线自整定所得PID调节系数进行控制，给定建议飞剪参数。

在热轧工艺生产线相对环境复杂且带钢速度变化情况下，采用模糊自整定PID参数控制方法能够进行参数自校正，针对不同工况实时调整控制器比例、积分、微分系数，抗扰动能力强，维持控制系统稳定。

进一步地，所述模糊自整定PID控制器在解模糊步骤中采用最大隶属度平均法，通过MATLAB中解模糊模块对所得模糊输出量K_FP、K_FI、K_FD进行去模糊化处理。

进一步地，所述飞剪执行机构是由变频电机带动飞剪剪刃运动，控制飞剪剪刃的运动轨迹以及力矩，实现飞剪操作。

本发明的有益技术效果：

本发明提供的基于机器视觉的热轧带钢优化剪切方法克服了现有技术中带钢端部形状检测速度慢、效率低和精度不够的技术问题，并且将模糊自整定PID控制器引入在线优化飞剪控制系统，能够定性针对不同变形端部采取不同剪切长度，克服了因定长剪切带来的切损率增高，成材率下降的问题。极大地提高了测量精度，在实时性方面得以改善，避免了复杂工况对控制系统的扰动，维持系统稳定，提高生产效率和产品质量，同时算法复杂度较低。

综合以上对热轧带钢优化剪切方法，本发明提出的方法能够实现带钢端部轮廓的在线、实时、自动、非接触测量，实现了机器视觉系统的信息获取和信息处理功能。通过飞剪控制系统闭环结构，实现定性针对不同变形端部采取不同剪切长度。系统测量速度快、控制性能稳定、飞剪效果精确，且能在恶劣的环境中使用，可以提高生产效率和产品质量，有效地降低工人劳动强度，降低切损率，提高成材率，满足带钢轧制过程需要。

附图说明

图1为本发明实施例中基于机器视觉的热轧带钢优化剪切方法原理图。

图2为本发明实施例中模糊自整定PID控制系统结构图。

图3为本发明实施例中的热轧带钢优化剪切方法流程图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细描述。应当理解，此处所描述的具体实施例仅仅用于解释本发明，并不用于限定本发明。

相反，本发明涵盖任何由权利要求定义的在本发明的精髓和范围上做的替代、修改、等效方法以及方案。进一步，为了使公众对本发明有更好的了解，在下文对本发明的细节描述中，详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本发明。

本发明实施例提供一种基于机器视觉的热轧带钢优化剪切方法，图1为本发明实施例中基于机器视觉的热轧带钢优化剪切方法原理图。如图1所示，本发明所述方法采用的系统包括热轧带钢轧制部分、带钢端部检测部分、计算机控制部分和飞剪执行机构。所述带钢端部检测部分即带钢端部图像检测装置，由一CCD面阵相机与双线激光投射器组成，所述CCD面阵相机与计算机结构相连，用于传输检测到的图像。计算机部分包括图像处理模块(即Blob图形分析模块)与模糊自整定PID控制系统，Blob图形分析模块用于对带钢端部变形图像进行高斯滤波降噪、二值化、形态学处理、特征提取、动态阈值分割，计算机利用视觉原理标定、计算出带钢实际三维轮廓。输入三维凸包运算结果与实际轮廓求差值到模糊自整定PID控制器，进行飞剪长度决定。飞剪执行机构收到信号后调节变频电机，控制剪刃的运动轨迹和力矩，对带钢端部实行剪切。本发明系统测量速度快、控制性能稳定、飞剪效果精确，可以降低切损率，提高成材率，满足带钢轧制过程需要。

在本实施例中，所述方法具体包括如下步骤：

(1)带钢端部图像采集：采用一种单目视觉系统、双线结构光的三维测量方法进行测量图像获取，测量系统包含一工业CCD面阵相机以及激光投射组；具体地，所述激光投射组是由两个一字线型激光器平行放置组合而成，位置确保激光投射线能垂直发射至带钢表面。激光投射组向带钢端部表面发射两道绿色激光，会由于带钢端部表面形变而受到调制。所述工业CCD面阵相机放置在与带钢表面形成约50°夹角的上方位置进行图像采集，采集包含两条变形激光光条的带钢端部表面图像。

(2)图像信息处理：利用机器视觉系统的Blob图像处理单元，对采集到的含有激光光条的图像进行ROI区域提取，获得主要采集区域即带钢端部图像，滤波处理技术采用高斯滤波法进行噪声消除，图像分割技术采用二值化具体为动态阈值分割，激光光条纹中心提取、坐标拟合等处理步骤。

其中，二值化是在图像像素点的灰度值附近选择一阈值T，通过此将图像背景与待测物分离，如下式：

其中，f(m,n)为图像处理前原始灰度值，h(m,n)为图像处理后灰度值，255为根据实际选择的灰度临界值。动态阈值分割的原理是通过算法自动迭代、不停地改变所选阈值T。相较于固定阈值的方法，动态阈值可以根据每一带钢端部不同的变形程度决定新的阈值T，达到良好的图像二值化效果，有利于后续图像分析与决策。

动态阈值的计算步骤如下：

设定初始阈值T₀：

T₀＝(F_max+F_min)/2 (2)

其中，F_max、F_min分别为原始图像灰度最大、最小值。计算图像光条部分及背景部分(即除光条外部分)的灰度平均值μ₁、μ₂。

计算新的阈值：

T_i＝(μ₁+μ₂)/2 (3)

其中，i是迭代次数。一直重复上述步骤至灰度平均值μ₁、μ₂之差小于20时，停止迭代，此时T_i即为选用的图像分割阈值。

(3)三维轮廓获取：通过视觉软件Halcon对工业CCD面阵相机和所选取的光平面进行标定，标定后得到相机、光平面和带钢运动参数信息。通过坐标系间的关联推导出热轧带钢端部三维轮廓测量模型，所述坐标系包括图像中像素点和相机的坐标；进一步地将相机、激光投射组与运动带钢端部间的位置信息关联；根据所述带钢端部三维轮廓测量模型得出激光光条的在实际空间中的三维坐标信息，通过此信息得到带钢端部的三维点云，将此n个点的集合定义为P；对三维点云集合P进行三维重建后可获得热轧带钢端部的实际三维轮廓。

(4)三维凸包运算：所述步骤(3)中求取得带钢端部三维点云集合P，将P作为三维凸包运算的输入信息，输出信息为边界集Q，算法主要原理是通过构造初始凸包的极值点集R，更新迭代构造新的凸包，并通过凸包之外的点p_E与凸包间的距离关系确定凸包内部的面集M_i和外部点集M_iE，重复循环算法更新出最终的边界点集Q。

具体的三维凸包算法伪代码如下：

(5)模糊自整定PID控制器决策：对步骤(4)凸包所的图像与步骤(3)提取所得轮廓特征求差，作为模糊自整定PID控制器的输入值进行调节决策。模糊自整定PID控制器根据图像处理所得信息，并对实际剪切情况进行评估。首先对输入、输出量进行模糊化，将偏差E、偏差变化率E_C、输出变量K_FP、K_FI、K_FD转换为模糊集合的隶属函数。模糊子集为{负大，负中，负小，零，正小，正中，正大}，对应{NB,NM,NS,O,PS,PM,PB},将论域定义为{-0.5，-0.3，-0.1，0，0.1，0.3，0.5}。通过专家经验对模糊规则库定义，实现模糊控制器的控制决策功能，例如：

IF E is NB AND E_C is NB,then K_FP is NB、K_FI is PB、K_FB is NS.

IF E is PB AND E_C is PB,then K_FP is PB、K_FI is NB、K_FB is PB.

经最大隶属度平均法解模糊后将模糊输出量K_FP、K_FI、K_FD转化成精确比例、积分、微分控制系数K_P、K_I、K_D，根据模糊在线自整定所得PID调节系数进行控制，决策系统给定建议飞剪参数。

(6)控制器传递剪切信号：模糊控制器输出端与飞剪执行机构相连接，所述步骤(5)中计算出准确剪切尺寸后，控制系统将模糊控制算法结果作为传递信号传送至执行机构；

(7)执行机构进行剪切：飞剪机构作为系统的执行机构，包括飞剪驱动机构和传动机构的控制机构，飞剪驱动机构为一变频电机，驱动装置与传动机构即飞剪的剪刃连接，在接收到计算机的剪切指令后，变频电机开启工作，对飞剪子系统机械设备传动控制，变频调节飞剪的运动轨迹及力矩，达成剪切带钢端部变形部位的目的。

在本实施例中，步骤(5)中采用模糊自整定PID控制器进行决策，因热轧带钢头部变形情况复杂且环境多变，普通PID控制器无法根据情况实时改变比例、微分、积分系数。为研究适用于带钢端部飞剪控制系统的精确数学模型，本发明采用模糊自整定PID控制器，在常规PID控制器基础上引入模糊推理思想，加入模糊推理的参数校正部分，可以根据不同的输入值在线调整PID作用系数。模糊自整定PID控制器为双输入三输出系统，输入值为三维凸包所得图像与提取所得实际轮廓特征求差值E和偏差变化率E_C，输出值为模糊自整定后的PID作用系数。控制器的控制作用如下式：

式中，u_F(k)为控制器输出，E(k)为控制器输入的偏差，E_C(k)为偏差变化率，

为偏差积分项，K_FP、K_FI、K_FD分别为模糊比例、积分、微分作用系数。

图2为本发明实施例中模糊自整定PID控制系统结构图。首先对输入、输出量进行模糊化，将偏差E、偏差变化率E_C、输出变量K_FP、K_FI、K_FD转换为模糊集合的隶属函数。在此，模糊化采用三角形隶属度函数法，保证控制精度的同时简化算法。模糊子集为{负大，负中，负小，零，正小，正中，正大}，对应{NB,NM,NS,O,PS,PM,PB},将论域定义为{-0.5，-0.3，-0.1，0，0.1，0.3，0.5}。通过长期对热轧生产线观察和统计，E₀的变化范围为[-20，20]，E_C0的变化范围为[-0.05，0.05]。偏差E最大值20对应论域最大值0.5，则E₀的量化因子K_E＝0.5/20＝0.025，同理E_C0的量化因子K_EC＝0.5/0.05＝10。

在模糊化变量过后进行模糊推理，需要确定模糊规则库，通过模糊控制规则可以根据模糊输入量推理得到模糊输出量，结合专家经验得到的控制规则为一系列的模糊条件语句表达，例：

IF E is NB AND E_C is NB,then K_FP is NB、K_FI is PB、K_FB is NS.

IF E is PB AND E_C is PB,then K_FP is PB、K_FI is NB、K_FB is PB.

K_FP、K_FI、K_FD的模糊控制规则如下表所示：

表1 K_FP模糊控制规则表

表2 K_FI模糊控制规则表

表3 K_FD模糊控制规则表

模糊推理结束得到模糊输出量后，通过解模糊化，可以将模糊输出量K_FP、K_FI、K_FD转化成精确比例、积分、微分控制系数K_P、K_I、K_D，根据模糊在线自整定所得PID调节系数进行控制。

图3为本发明实施例中所述方法的整体流程图。由CCD面阵相机和双线式激光发射器构成的带钢端部检测系统，将采集到含有激光线的图像传至计算机内，在计算机内经过图像处理模块进行噪声滤波、图像二值化、激光光条中心提取等步骤。然后，通过三维重建获取带钢端部实际三维轮廓，并与三维凸包运算后的轮廓模型做差。将此信号作为模糊自整定PID控制器的输入量，经过模糊自整定PID控制系统运算后获得飞剪信息。信号发送至飞剪机构后，由变频电机带动飞剪剪刃运动，控制剪刃的运动轨迹和力矩，对带钢端部实现飞剪操作。

Claims (8)

1.一种基于机器视觉的热轧带钢优化剪切方法，其特征在于，所述方法包括如下步骤：

(1)带钢端部图像采集：采用双线结构光三维测量方法进行测量图像获取；

(2)图像信息处理：利用机器视觉系统的图像处理单元，对步骤(1)获取的含有激光光条的图像进行处理，处理步骤包括：ROI区域提取、滤波处理、图像分割、激光光条纹中心提取；

(3)三维轮廓获取：根据视觉原理推导带钢端部三维轮廓测量模型，获得带钢端部三维点云图，对带钢端部三维点云图像进行三维重建，获取带钢端部的三维轮廓，即带钢端部的实际轮廓；

(4)三维凸包运算：建立三维凸包算法，利用步骤(3)所得带钢端部三维点云图，对实际带钢端部图像进行三维凸包运算，获得三维凸包运算图像；

(5)模糊自整定PID控制器决策：对步骤(4)三维凸包所得图像与步骤(3)提取的带钢端部的实际轮廓特征求差，通过模糊自整定PID控制器进行剪切尺寸获取，获得准确剪切尺寸；

(6)控制器传递剪切信号：将步骤(5)中计算所得的准确剪切尺寸作为传递信号发送至执行机构；

(7)执行机构进行剪切：飞剪执行机构在接收到计算机的剪切指令后，对带钢端部变形部位进行剪切。

2.根据权利要求1所述的一种基于机器视觉的热轧带钢优化剪切方法，其特征在于，步骤(1)中，图像采集为非接触式测量，图像测量系统包含一工业CCD面阵相机以及双线激光投射器，通过对带钢端部激光照射后，采集在带钢端部表面产生的激光光条图像。

3.根据权利要求1所述的一种基于机器视觉的热轧带钢优化剪切方法，其特征在于，步骤(2)中，所述图像信息处理利用机器视觉系统的Blob图像处理单元，采用Blob图形分析方法，对步骤(1)获取的含有激光光条的带钢端部变形图像进行二值化、形态学处理、特征提取，图像分割方法采用动态阈值分割，滤波方法采用高斯滤波进行降噪。

4.根据权利要求1所述的一种基于机器视觉的热轧带钢优化剪切方法，其特征在于，步骤(4)中，三维凸包运算是将步骤(3)中带钢端部三维点云图对应的带钢端部三维点云集合定义为P，并作为三维凸包运算的输入信息，通过三维凸包算法实现三维凸包运算，输出信息为边界集Q。

5.根据权利要求1所述的一种基于机器视觉的热轧带钢优化剪切方法，其特征在于，步骤(5)中，所述模糊自整定PID控制器与所述图像处理单元、所述飞剪执行机构连接；输入信息为步骤(4)三维凸包所得图像以及步骤(3)提取的带钢端部的三维轮廓求差值，输出信息为剪切控制信号。

6.根据权利要求1所述的一种基于机器视觉的热轧带钢优化剪切方法，其特征在于，所述模糊自整定PID控制器采用模糊自整定PID参数控制方法，包括：

将步骤(4)三维凸包所得图像以及步骤(3)提取的带钢端部的三维轮廓的求差值作为模糊自整定PID控制器的输入值进行调节决策；

模糊自整定PID控制器根据图像处理所得信息，并对实际剪切情况进行评估：

对输入、输出量进行模糊化，将偏差E、偏差变化率E_C、输出变量K_FP、K_FI、K_FD转换为模糊集合的隶属函数；模糊子集为{负大，负中，负小，零，正小，正中，正大}，对应{NB,NM,NS,O,PS,PM,PB},将论域定义为{-0.5，-0.3，-0.1，0，0.1，0.3，0.5}；

通过专家经验对模糊规则库进行定义，实现模糊控制器的控制决策功能；

通过模糊规则得到不同输入下的输出值K_FP、K_FI、K_FD，经解模糊后将模糊输出量K_FP、K_FI、K_FD转化成精确比例、积分、微分控制系数K_P、K_I、K_D，根据模糊在线自整定所得PID调节系数进行控制，给定建议飞剪参数。

7.根据权利要求6所述的一种基于机器视觉的热轧带钢优化剪切方法，其特征在于，所述模糊自整定PID控制器在解模糊步骤中采用最大隶属度平均法，通过MATLAB中解模糊模块对所得模糊输出量K_FP、K_FI、K_FD进行去模糊化处理。

8.根据权利要求1所述的一种基于机器视觉的热轧带钢优化剪切方法，其特征在于，所述飞剪执行机构是由变频电机带动飞剪剪刃运动，控制飞剪剪刃的运动轨迹以及力矩，实现飞剪操作。

Images