基本模糊控制器的研究

分析、研究了基本模糊控制器的模型及其算法，并对其改进型进行了讨论。     

结构光视觉引导的焊接机器人系统自标定技术

为实现结构光视觉引导的焊接机器人系统的标定,解决现有标定方法复杂,标定靶标制作要求高等缺点,提出一种基于主动视觉的自标定方法。该标定方法对场景中3个特征点取像,通过精确控制焊接机器人进行5次平移运动,标定摄像机内参数和手眼矩阵旋转部分;通过进行2次带旋转运动,结合激光条在特征点平面的参数方程,标定手眼矩阵平移部分和结构光平面在摄像机坐标系下的平面方程;并针对不同焊枪长度进行修正。在以Denso机器人为主体构建的结构光视觉引导的焊接机器人系统上的测试结果稳定,定位精度可达到±0.93 mm。该标定方法简单,特征选取容易,对焊接机器人系统在实际工业现场的使用有重要意义。     

基于模糊PI的Delta机器人运动控制系统

搭建了视觉决策的并联机器人系统,其技术路线是由智能相机通过在线视觉检测算法分割目标,采用张正友标定方法进行相机标定;采用五次多项式插值对机器人的抓取路径进行关节空间轨迹规划;由逆运动学的代数解法求取各轴关节空间坐标.以Delta机器人的运动机构为研究对象,设计了新型的模糊PI控制器,并运用LabVIEW软件结合FPGA实现了机器人的运动控制.测得50组基于模糊PI控制器和PI控制器的上升时间的均值分别为179.6 ms和200.2 ms,试验结果表明,模糊PI具有更快的动态响应过程,同时还兼具了传统PI控制稳态性能好的特点.     

嵌入式机器视觉实时定位与测量的方法

本文提出了一种嵌入式机器视觉实时定位与测量相结合的测控方法。根据视觉测控系统中的定位与测量问题,利用点集、Hough变换和最小二乘等方法,解决了图像处理理论算法运算量大、工业检测实时性与准确性低等问题。测试结果表明,该方法检测工件的准确性高(基于公差),检测时间≤2.0ms/次。     

FCMAC网络的软硬件协同设计与实现

提出了FCMAC网络的一种基于NiosII的软硬件协同设计方法,解决了FCMAC软件实现速度慢、硬件实现耗资源的不足。通过Matlab仿真得出FCMAC网络的各参数。分析影响软件实现FCMAC速度的关键算法,对FCMAC算法进行软硬件划分。在NiosII IDE开发环境下,基于C实现软件模块,以用户自定义指令形式实现硬件模块和软硬件的衔接,即完成软硬件的协同设计。试验结果表明,FCMAC的软硬件协同实现在软件实现速度慢、硬件实现耗资源之间实现了折中,可通过不同的软硬件划分,实现速度与资源的互换。     

基于WinCE的电梯监控系统多串口通信实现

提出了一种基于WinCE的多串口电梯远程监控系统的实现方法.该方法以S3C2440微处理器为核心构建硬件平台,实现了与其他设备的串口通信;同时以WinCE5.0为软件平台,完成多串口分层流驱动的设计.通过文件映射,解决了访问多串口设备时产生的竞态问题.测试结果表明,该系统通信正常、数据稳定,能充分满足电梯监控对串行通信的要求.     

用于高速入侵检测的工业物联网协议驱动

为了解决工业物联网协议栈所面临的高速入侵检测的吞吐量问题,提出了一种针对Windows平台的协议栈优化方法.分别指出了使用指令时间比分析协议栈高吞吐量的瓶颈所在,以及使用DMA技术解决协议栈内存操作速度的问题.针对协议栈计算效率问题,给出了基于SSE指令的哈希计算方法,并采用基于多核CPU的多线程协议栈解决协议栈运行效率问题.测试表明,在CPU配置为E5200、3 GB内存的系统中,该协议栈对系统资源损耗小,并使检测速度提高30％以上,能够满足工业对数据流速率的需求.     

面向SOPC Builder的用户自定义IP核开发

详细阐述了增强用户自定义IP核可重用性的设计方法和使用SOPC Builder开发用户自定义IP核的流程。并在此基础上，开发出脉冲宽度调制器（PWM）自定义IP核。首先，在Quartus Ⅱ环境下，采用自顶向下、模块化的设计方法，基于VHDL实现了PWM硬件。然后，在Nios ⅡIDE环境下，基于C语言开发了PWM的软件应用程序接VI（API）函数。最后，完成了PWM自定义IP核的系统测试。测试结果表明：该PWM自定义IP核具有比较好的可重用性和用户界面。对开发面向SOPC Builder的用户自定义IP核具有借鉴意义。     

基于激光视觉的角焊缝图像特征点提取

提出一种借助线激光从图像中提取角焊缝特征点的方法,克服了线激光在角焊缝表面的反光对提取光条中心线的影响,有效地识别出了角焊缝特征点. 首先,根据局部对比度区分实际光条与反光条纹,用阈值分割结合图像形态学方法分割出实际光条,并确定ROI区域;其次,根据光条截面的灰度分布提取光条中心点;最后,用迭代最小二乘法拟合分段光条中心线方程并确定角焊缝特征点. 结果表明,该方法能够快速准确地提取表面光亮角焊缝的亚像素图像特征点,在主频3.4 GHz的PC机上共用时0.35 s,能够满足焊接速度为0~25 mm/s的普通焊接设备的实时性要求.