Содержание к диссертации
Введение
ГЛАВА 1. Анализ области исследования 12
1.1. Актуальность темы 12
1.2. Рассмотрение объекта исследования 14
1.3. Анализ методов и средств управления мостовыми кранами 16
1.4. Анализ методов объемного машинного зрения и обхода препятствий 19
1.5. Анализ технологий оптической навигации 26
1.6. Нейронные сети и их применение в управлении 30
1.6.1. Модель нейрона 31
1.6.2. Архитектура нейронных сетей 33
1.6.3. Возможности нейронных сетей 35
1.6.4. Использование нейронных сетей для управления 36
1.7. Постановка задачи на исследование 42
ГЛАВА 2. Разработка метода объемного машинного зрения для управления электротехническими системами 43
2.1. Анализ требований к системе машинного зрения 44
2.2. Постановка задачи 45
2.3. Разработка метода объемного машинного зрения 46
2.3.1. Трехмерная модель представления груза 49
2.3.2. Методика калибровки камер 51
2.3.3. Методика построения маски объекта 55
2.3.4. Оценка методов поиска границ на изображении 59
2.3.5. Метод определения параметров груза 70
2.3.5.1. Детектор формы 71
2.3.5.2. Создание объемной модели и определение размеров объекта 75
2.4. Методика построения «карты наполнения склада» 76
2.4.1. Метод определения относительной высоты 77
2.4.2. Метод построения «карты высот» 78
2.5. Методика определения препятствий 79
2.6. Определение параметров аппаратного обеспечения ...81
2.7. Выводы поданной главе 84
ГЛАВА 3. Разработка системы оптической навигации .85
3.1. Анализ требований и постановка задачи 86
3.2. Оценка параметров требуемого аппаратного обеспечения 87
3.3. Разработка алгоритма оптической навигации 91
3.4. Разработка детектора положения с применением нейронных сетей 94
3.4.1. Разработка структуры нейронной сети 95
3.4.2. Настройка нейронной сети 97
3.4.3. Методика использования нейронной сети 102
3.5. Результаты экспериментов 104
3.6. Выводы по данной главе 108
ГЛАВА 4. Обеспечение точности перемещения мостового крана с использованием нейронного управления 110
4.1. Анализ задач управления 111
4.2. Разработка замкнутой системы управления 116
4.3. Синтез нейронной системы управления краном 119
4.3.1. Схема использования нейронной сети 119
4.3.2. Синтез нейросетевого компенсатора 121
4.3.3. Методика подготовки данных 125
4.3.4. Обучение нейронной сети 127
4.4. Разработка микропроцессорной системы управления 131
4.4.1. Разработка структурной схемы 131
4.4.2. Разработка схемы электрической принципиальной 134
4.4.3. Разработка алгоритмической части 136
4.5. Результаты численного эксперимента 138
4.6. Оценка полученных результатов 152
4.7. Выводы по данной главе 155
Заключение 43
Библиографический список использованной литературы 163
Приложение. Копии актов о внедрении 176
- Анализ методов и средств управления мостовыми кранами
- Методика построения маски объекта
- Оценка параметров требуемого аппаратного обеспечения
- Разработка замкнутой системы управления
Введение к работе
Подъемно-транспортные электротехнические системы широко используются для выполнения транспортных операций по перемещению грузов в производственных цехах и на складах предприятий всех отраслей промышленности. Это связано с простотой их конструкции, низкими расходами на техническое обслуживание и удобством управления электрическим приводом, являющимся «сердцем» подобной системы. Следует отметить, что электротехнические системы являются практически монополистами в области подъемно-транспортного оборудования, работающего внутри помещений и большая часть стационарных уличных кранов и перегружателей используют электрическую энергию. Важно, также, что электротехнические системы являются более экологичными, например, по сравнению с системами, имеющими двигатель внутреннего сгорания. Существует большое количество подъемно-транспортных электротехнических систем, различающихся по конструкции и техническим характеристикам, но наиболее распространенным устройством является мостовой кран и его модификации. Он располагается над рабочей поверхностью и позволяет наиболее рационально использовать всю имеющуюся площадь (например, склада) с легким доступом к любой точке пространства.
В связи с широтой их использования электротехнические системы представляют значительный интерес для исследований не только с целью решения основных задач управления, но также и с целью решения задач экономии электроэнергии. Например, даже незначительное снижение потребле-
ния электроэнергии для конкретного устройства может дать заметный результат в масштабе всей страны [18]. Понятно, что и наиболее качественное управление способствует этому. Здесь на помощь могут прийти современные интеллектуальные методы управления.
Систематические исследования в области в области управления подъемно-транспортными электротехническими системами начались более тридцати лет назад. Проводились исследования как с целью упростить работу оператора крана, так и с целью создания автоматизированного управления транспортным циклом. Для этих целей применялись различные методы оптимизации и теории автоматического регулирования [17, 20, 26]. Однако высокая сложность предлагаемых методов не позволяла реализовать их на практике. Не все решения, которые все-таки были реализованы на практике, соответствовали теоретическим результатам [32].
В настоящее время в России и за рубежом ведутся исследования в области управления отдельно электротехническими устройствами подъемно-транспортных систем. Результаты исследований в области мощных электроприводов крановых механизмов приведены в [18]. Вопросам повышения качества переходных процессов посвящены работы [16,28]. Практически все современные исследования [15, 28, 37] основаны на том, что имеются качественные средства для определения положения груза и отслеживания перемещений электромеханических устройств. Кроме того, большинство операций поиска препятствий и определения положения грузов возлагаются на человека-оператора. С другой стороны, в настоящее время накоплен значительный опыт в области интеллектуальных систем [75, 81], но, несмотря на это, очень мало исследователей рассматривали возможности их применения применительно к подъемно-транспортным электротехническим системам и подобные исследования не имели системного характера.
В тоже время, используемые сегодня подъемно-транспортные электротехнические системы имеют низкую точность позиционирования и практически не используют методы поиска препятствий и определения параметров
груза, за счет чего возможны повреждения грузов и механизмов. Это, в свою очередь, препятствует их эффективному использованию.
Целью диссертационной работы является разработка и научное обоснование технических и технологических решений, обеспечивающих визуальный контроль и точность грузовых операций, выполняемых подъемно-транспортными устройствами, имеющих большое значение для управления электротехническими системами.
Диссертационная работа направлена на повышение точности и скорости выполнения подъемно-транспортных операций за счет использования интеллектуальных методов нейронного управления, разработки средств оптической навигации, для отслеживания перемещений и использования средств визуального контроля рабочего пространства. В качестве примера подъемно-транспортной электротехнической системы в диссертационной работе рассматривается мостовой кран, как один из наиболее распространенных представителей подобных устройств.
Исходя из изложенного, научная проблема диссертационного исследования формулируется следующим образом: разработка методов и средств визуального контроля и интеллектуального управления подъемно-транспортными электротехническими системами.
Для решения данной научной проблемы возможны следующие направления исследований:
Анализ путей повышения точности подъемно-транспортных операций, выполняемых электротехническими системами на основе существующих теоретических и практических исследований и современных тенденций развития отрасли.
Анализ и систематизация способов объемного машинного зрения. Оценка возможности их применения и эффективности при использовании для управления подъемно-транспортными электротехническими системами.
Поиск и разработка новых методов объемного машинного зрения для определения параметров груза и поиска препятствий на пути перемещения электротехнической системы с грузом.
Развитие теоретических положений визуального контроля и оптической навигации для оценки и поддержания точности перемещений электротехнических систем.
Разработка метода оптической навигации и технических решений для создания устройств, контролирующих точность перемещения электротехнических систем в пространстве.
Разработка методов использования интеллектуального управления на основе нейронных сетей для управления и обеспечения точности перемещения грузов подъемно-транспортными электротехническими системами.
Исследования поставленной проблемы проводятся с использованием теоретических и экспериментальных методов. Наиболее эффективным средством выполнения большинства операций исследования является компьютерное моделирование, позволяющее получить приемлемые показатели работы электротехнических систем без значительных временных и материальных затрат. В качестве пакета компьютерного моделирования используется комплекс программ MATLAB—Simulink. Для решения специфических программных задач используется язык программирования Object Pascal и среда программирования Delphi.
В первой главе диссертационной работы приведен обзор методов решения поставленной научной задачи на основе классических теорий и с использованием современных методик нейронных сетей. Проведен анализ существующих методов и средств управления подъемно-транспортными электротехническими устройствами, определены ограничения существующих решений. На основе анализа современных исследований в области построения объемных моделей реальных объектов создана классификация методов объемного машинного зрения по принципу работы, позволяющая наиболее
полно и наглядно провести систематизацию и выбор методов для реализации системы визуального определения параметров груза и поиска препятствий. Проведен анализ использования технологий оптической навигации для построения многомерных датчиков перемещений электротехнических систем. Значительное место уделено рассмотрению интеллектуальных методов и средств теории нейронных сетей. Показаны универсальные свойства нейронных сетей и возможности их применения для решения задач управления. В заключении главы поставлены задачи исследования.
Вторая глава посвящена разработке метода объемного машинного зрения с возможностью его применения для визуального определения параметров груза и поиска препятствий перемещению подъемно-транспортной электротехнической системы. Предложена упрощенная модель представления объемных предметов, удовлетворяющая целям и задачам разрабатываемого метода. По результатам теоретических и экспериментальных исследований определены этапы реализации разрабатываемого метода объемного машинного зрения. Разработаны алгоритмы определения параметров груза, расположенного на складе и предложены методики построения «карты наполнения склада» и определения препятствий на пути перемещения подъемно-транспортной электротехнической системы с грузом. Определены параметры аппаратного обеспечения для реализации разрабатываемого метода и даны рекомендации по обеспечению точности работы данного метода.
В третьей главе выполнена разработка метода оптической навигации для отслеживания перемещений электротехнических систем. Проведена численная оценка аппаратного обеспечения, необходимого для реализации подобной системы. Разработан алгоритм оптической навигации для построения датчика двумерных перемещений. Определена целесообразность применения нейронных сетей для реализации адаптивного элемента сравнения. Разработана комплексная структура нейронной сети с использованием радиально-базисных нейронов. Предложена методика настройки нейронной сети без проведения длительной процедуры обучения, по имеющимся данным и опре-
делена схема использования сети для реализации адаптивного элемента сравнения. Определены технические требования для разработки и аппаратной реализации интеллектуального датчика перемещений. Приведены результаты экспериментальных исследований разработанного алгоритма.
В четвертой главе выполнена разработка нейронного компенсатора для обеспечения точности перемещения подъемно-транспортных электротехнических устройств на примере мостового крана. Разработана замкнутая микропроцессорная схема управления мостовым краном и алгоритм управления с адаптацией, использующий нейронную сеть. Выполнен синтез системы управления, в которой нейронная сеть используется в качестве компенсатора сигнала цепи обратной связи. Определены параметры нейронной сети, предложена методика подготовки данных для нейронной сети и схема ее использования. Приведены результаты численного эксперимента по реализации разработанной схемы управления. Дана оценка возможности использования нейронной сети для управления подъемно-транспортными электротехническими системами.
В заключении приведена общая характеристика работы, основные выводы по результатам диссертационного исследования, результаты внедрения и апробации результатов диссертационного исследования. Выдвинуты предложения по дальнейшим исследованиям в данной области.
На защиту выносятся:
Системный анализ отечественных и зарубежных средств получения объемных моделей реальных объектов, на основе которого создана классификация методов объемного машинного зрения по принципу работы, позволяющая провести систематизацию средств машинного зрения, а также осуществить выбор и дальнейшую разработку новых методов предназначенных для совместной работы с подъемно-транспортными электротехническими системами.
Разработанные методы и алгоритмы объемного машинного зрения для визуального определения параметров груза и поиска препятст-
вий на пути перемещения подъемно-транспортных электротехнических систем, позволяющие существенно повысить эффективность их использования при выполнении погрузочно-разгрузочных работ, а также обеспечить целостность грузов и избежать повреждения механизмов и электротехнических устройств.
Разработанный метод и алгоритм оптической навигации с использованием нейронной сети, позволяющий контролировать величину и точность перемещения электромеханических устройств.
Методику создания и использования нейронной сети комплексной структуры на основе радиально-базисных нейронов, позволяющую реализовать адаптивный элемент сравнения, используемый в методе оптической навигации.
Разработанную методику использования нейронной сети в качестве компенсатора для управления подъемно-транспортной электротехнической системой, позволяющую обеспечить точное позиционирование движущихся частей электромеханической системы без дополнительных операций точного позиционирования, что обеспечивает также уменьшение времени выполнения операций и экономию электроэнергии и снижает износ механических и электротехнических устройств.
Анализ методов и средств управления мостовыми кранами
С каждым годом увеличивается число предприятий, выпускающих продукцию различного назначения. Тесные международные связи позволяют производителям находить новые рынки сбыта своей продукции и увеличивать объемы ее выпуска. В связи с этим, увеличиваются грузопотоки как внутри предприятия, так и за его пределами - в портах, железнодорожных и автомобильных терминалах, на различных складах. Большинство операций по транспортировке грузов как внутри производственных цехов, так и на складах выполняют различные электромеханические устройства — конвейеры, краны, погрузчики. Но наиболее распространенным и универсальным устройством является мостовой кран.
Существуют разные конструктивные исполнения мостовых кранов. Технический прогресс не стоит на месте, и с каждым годом появляются новые модели кранов, имеющие более высокие показатели работы (диапазон регулирования скоростей, точность, грузоподъемность и др.). Но, не смотря на это, большой популярностью пользуются простые в эксплуатации и недорогие одно скоростные мостовые краны, в качестве исполнительного механизма которых применяется простейшая электрическая таль. Они вполне подходят для решения простых задач при обслуживании небольшого склада или производственного цеха. Чаще всего управление ими осуществляет человек — оператор. Для автоматизации операций перемещения грузов требуется усовершенствование системы управления.
Данная работа, в целом, посвящена вопросу управления электротехническими устройствами. Решение этого вопроса разделено на три части: разработка системы объемного машинного зрения для определения размеров груза и возможных препятствий на пути перемещения; создание датчика, контролирующего расстояние, на которое выполняется перемещение; исследование возможностей крана обеспечить заданную точность при использовании интеллектуального управления. Это комплекс мер, которые можно использовать как по отдельности - для повышения конкретных характеристик, так и вместе - для полной автоматизации транспортных операций.
Мостовой кран - это транспортная электротехническая система, работающая, как и многие манипуляционные роботы [1], в декартовой системе координат [2] и перед проектировщиком систем управления подобным объектом встает множество проблем. Электроприводы крановых механизмов выбираются для каждой модели крана и требуют соответствующих систем управления [3]. Многие рабочие параметры подобных систем связаны между собой, и обеспечить высокое качество управления можно, только воздействуя на них в комплексе. Для этого можно применять все разнообразие методов теории автоматического управления [4] как для нелинейных систем, так и для линейных, с некоторыми допущениями. Разработаны методы исследования подобных систем, но они имеют сложное аналитическое решение и не всегда учитывают особенности конкретной системы [5]. Не смотря на то, что существуют компьютерные методики расчета [в, 7], на практике же реализуется лишь очень малая часть этих методов. Лишь для некоторых, дорогостоящих устройств выпускаются качественные управляющие устройства, в то время как простые модели кранов вынуждены довольствоваться «кнопочным управлением».
На помощь могут прийти современные методы интеллектуального управления, в том числе с использованием нейронных сетей [8]. В настоящее время предлагается множество новых интеллектуальных систем для различных моделей роботов и некоторых моделей мостовых кранов. Зачастую они сложны и дороги и не рассчитаны на работу с простейшим оборудованием. Поэтому вопрос — что же делать со столь популярными устройствами транспортировки грузов, как односкоростной кран с электрической талью - остается открытым. Невозможно заставить владельцев предприятий полностью переоснащать производство для его автоматизации. В то же время совершенно очевидно, что требуется автоматизировать транспортные операции и повышать точность работы подобных, широко используемых, кранов. Поэтому целесообразно проводить исследования в этом, практически важном направлении, чему и посвящена данная работа.
Основное внимание уделено исследованию простейшей модели подъемно-транспортного электротехнического устройства, представляющего собой однобалочный мостовой кран с электрической талью. В работе предполагается реализовать управление всем циклом погрузки-разгрузки [9], поэтому необходимо, рассмотреть и среду, в которой кран установлен.
Мостовой кран обслуживает склад площадью 400 м . Этот склад принадлежит промышленному предприятию и хранит только продукцию, выпускаемую этим предприятием. Поэтому максимальная масса грузов, перемещаемых краном, может быть определена и составляет 500 кг. Грузы имеют различные габариты, для данной работы определим, что их размеры по каждому направлению (длина, ширина, высота) находятся в диапазоне от 0,5 до 2 метров.
Сам кран представляет собой жестко смонтированную конструкцию, положение которой на складе определено (рис. 1.1). Рабочая область крана так же определена и неизменна. Перемещение крана по различным направлениям производится в отдельные моменты времени. Для подъема и перемещения грузов используется подвесная электрическая таль.
Методика построения маски объекта
Вначале рассмотрим операции, которые требуется выполнить с применением объемного машинного зрения. При выполнении транспортных операций важнейшим фактором является безопасность людей, поэтому определим требования безопасности. При выполнении операций на складе могут находиться люди, но по требованиям техники безопасности они должны находиться вдали от перемещаемого груза. Рассматриваемый кран (см. раздел 1.2) имеет высоту шесть метров, поэтому он может поднять средний груз выше человеческого роста. Поэтому общие требования безопасности выражаются в том, что при попадании людей в рабочую зону должен выдаваться сигнал опасности и, в соответствии с выбранным алгоритмом, перемещение груза операция может останавливаться либо могут выдаваться звуковые и световые сигналы предупреждения.
В некоторых случаях, когда загруженность склада велика, размещение грузов выполняется в несколько уровней, вплоть до высоты крана. Кроме того, перемещение груза не всегда производится при его поднятии на максимальную высоту. Поэтому требуется находить возможные препятствия на пути следования груза и выполнять экстренную остановку в случае возможного касания груза с другими предметами, расположенными на складе. Данную операцию целесообразно совместить с предыдущим требованием безопасности, это позволит избежать сложной операции по определению человека. Но в данном случае необходимы единые требования, удовлетворяющие обоим условиям.
Еще одной важнейшей операцией, которую реализуем с применением машинного зрения является определение размеров груза и его ориентации в пространстве. Данная операция необходима для автоматизации операций размещения груза на складе и постоянного контроля состояния склада. Визуальное определение параметров груза не обладает высокой точностью, но позволяет в большой степени упростить процессы размещения груза.
В результате, с применением машинного зрения, требуется выполнить две важнейшие операции: поиск препятствий и определение размеров груза. Из этого следует, что нет необходимости получать точную форму объекта. Достаточно ограничиться размерами прямоугольной призмы, описанной вокруг объекта.
Большинство существующих систем машинного зрения, разработанных к настоящему времени были созданы для использования совместно с мобильными роботами. Поэтому требования к подобным системам не соответствуют требованиям, предъявляемым к системам машинного зрения для мостовых кранов. Мобильные роботы перемещаются по «земле», а их зрение работает в перпендикулярной плоскости. Для мостовых кранов требования меняются -плоскость обзора параллельна «земле».
Возможность использования системы машинного зрения в реальных условиях определяется сложностью ее конструкции и возможностью ее установки на реальном устройстве. Поэтому, наиболее подходящими являются оптические методы, но не использующие большого количество видеокамер. Кроме того, работа склада требует минимизации времени выполнения транспортных операций, что определяет немаловажное требование — работа в реальном времени.
Для формулирования задачи требуется определить термин «препятствие». Интуитивно понятно, что это все, что мешает нормальному движению. Тем не менее, дать точное определение этому понятию достаточно сложно. Для нашей операции препятствием являются предметы, еще не касающиеся груза, но которые могут мешать дальнейшему движению. Т. е. предметы, высота которых больше чем расстояние от «земли» до нижней части груза, с учетом допуска. Учитывая данное определение и рассмотренные выше требования, определим задачу создания системы объемного машинного зрения для мостового крана.
Из-за невозможности простого использования системы машинного зрения мобильных роботов, требуется разработать новый метод и систему объемного машинного зрения, которую можно использовать при работе мостового крана. Данный метод не должен использовать специальных источников излучения, опасных для человека. В случае использования оптических методов, следует ограничить количество видеокамер двумя, так как большее их количество затрудняет монтаж и наладку системы.
Разработанные алгоритмы не должны быть сложны, а вся обработка должна производиться в реальном времени на существующем оборудовании. Скорость перемещения моста крана составляет 0,5 м/с, поэтому, для обеспечения экстренной остановки на расстоянии 0,05 м, требуется скорость считывания и обработки не менее 10 кадров в секунду.
Установка грузов на складе производится с расстоянием между грузами 0,1 м, поэтому требуется разработать алгоритм определения размеров груза с точностью не менее 0,05 м. Так же требуется разработать алгоритм точной установки груза с учетом препятствий.
Требуется разработать метод поиска препятствий при перемещении грузов мостовым краном с выдачей сигнала «возможность столкновения» и определением точки потенциального касания с препятствием. Как дополнительная возможность использования системы машинного зрения - разработать алгоритм построения карты заполнения рабочего пространства склада.
Прежде чем начинать разработку метода машинного зрения следует рассмотреть возможность использования существующих методов (рис, 1.2). Активные методы потенциально медленнее пассивных. Большинство активных методов не способны работать в реальном времени. Кроме того, все они требуют специального источника излучения, что не приемлемо для реального склада или производственного цеха. Поэтому стоит отказаться от использования активных методов считывания информации об объеме.
Оценка параметров требуемого аппаратного обеспечения
Важнейшей операцией при выполнении транспортных операций мостовым краном является определение положения груза в двумерной плоскости. От верности результатов зависит точность перемещения и установки груза.
Использование технологии оптической навигации подразумевает получение и обработку изображений, по которым можно определить параметры движения. Требуется определить видимую область, перемещение которой на плане изображения равнозначно величине перемещения. Допускаем, что применяемые оптические приборы позволяют получить сфокусированное изображение данной поверхности.
Возможны два способа применения оптической навигации в мостовых кранах: отслеживание перемещений по текстурным поверхностям и отслеживание перемещений по микроструктурным свойствам поверхности. Наибольшая точность достигается при использовании датчиков перемещений, работающих с микроструктурой поверхности, по которой выполняется перемещение. Подобная задача решается близким расположением датчика к перемещаемой поверхности и применением линз со значительным увеличением.
Рассмотрим возможность построения той или иной схемы использования датчика оптической навигации. Так как требуется отслеживать перемещения в двумерной плоскости, необходимо определить место установки датчика и поверхность, относительно которой определяется перемещение.
Обратимся к объемной модели мостового крана (рис. 1.1). Допуская жесткость троса, на котором подвешен груз, положение тележки соответствует положению груза в двумерной плоскости XV. Это же допущение правомерно при t - оо. Следовательно, выберем местом для размещения датчика -тележку крана.
К сожалению, для реализации схемы, считывающей микроструктурные особенности поверхности, такая поверхность отсутствует. Т. е. нет близкорасположенной поверхности, относительно которой выполняются перемещения по двум осям X и Г. Но применить подобную схему возможно, заменяя один датчик, работающий в двух направлениях, на два работающих в одном направлении. Один датчик размещается на тележке и отслеживает ее перемещение относительно моста крана, другой размещается на мосту и отслеживает его перемещение относительно рельса.
Наиболее удачным решением текстурной навигации является отслеживание перемещений тележки по двум направлениям, относительно основания склада (пола и установленных на нем грузов), что подразумевает использование длиннофокусной камеры, направленной вниз. Но в таком случае, при перемещении большого груза он может заслонить видимую поверхность. Вследствие чего, лучше направить камеру на потолок склада, но в таком случае требуется решить вопрос с равномерным освещением считываемой поверхности.
Использование одного или другого метода определяется оптикой, установленной на камере. Отличия состоят в окончательном преобразовании считанного результата. Поэтому задача данного исследования — разработать датчик, работающий в двух направлениях, независящий от схемы использования и оценить возможность его применения по каждой схеме для отслеживания перемещений мостового крана.
Рассмотрим структурную схему системы оптической навигации (рис. 3.1). Как видно, большая часть работы приходится на алгоритмическую часть, тем не менее, качество результата в значительной мере зависит от используемой камеры и получаемого цифрового изображения.
Работа камеры заключается в получении изображения с максимальной частотой и передача его на блок анализа [111 ]. Блок хранения данных предназначен для запоминания изображения предыдущего кадра и хранения фрагментов текущего кадра. Эти данные используются для анализа изображения, который выполняется в соответствии с алгоритмом, рассматриваемым в следующем разделе. Определение величины реального перемещения производится в соответствии с калибровочными параметрами, определяющими преобразование единиц, полученных в результате анализа, в метрическую систему.
Определим параметры камеры, которую необходимо использовать для получения заданной точности измерения перемещения. В соответствии со схемой оптической навигации (рис. 3.2), используемой в данной работе требуется определить разрешение изображения и быстродействие камеры. Следует рассчитывать на использование схемы навигации по микротекстурам, поэтому быстродействие камеры должно быть высоким. Вследствие чего не следует использовать камеру, имеющую большое разрешение, иначе возникнет проблема быстрой передачи большого объема информации.
Разработка замкнутой системы управления
Несмотря на широкое распространение компьютерной техники и постоянное возрастание ее возможностей, устройства управления требуют встраивания микроконтроллеров в систему управления для расширения воз 1 можностей и повышения качества работы всей системы. Практически все современные электроприводы имеют в своем составе микропроцессор или микроконтроллер [129]. В данном случае использование микроконтроллера позволит реализовать многофункциональную систему управления, имеющую собственный пульт управления и работающую без применения вычислительной техники. Ее внедрение обусловлено тем, что в промышленных системах целесообразно использовать не персональные компьютеры, а встроенные системы управления и контроля. Тем не менее, следует предусмотреть интерфейс обмена данными с компьютером.
Основываясь на замкнутой системе управления с адаптацией (рис. 4.5) разработаем структурную схему системы управления на микроконтроллере. Данная система должна соединять все средства описанные в данной работе. Используя методы визуального контроля, получаем сигнал «препятствие». Методы оптической навигации выполняют точное определение величины перемещения, а нейросетевой компенсатор выдает величину коррекции сигналов в цепи обратной связи. На основе этого составим структурную схему микроконтроллерной системы управления (рис. 4.10).
Предложенная структурная схема предоставляет возможность использовать данную систему управления и без использования блоков визуального контроля и нейросетевой компенсации. В этом случае не гарантируется высокая точность работы системы, но обеспечивается полная функциональность.
Определим количество линий ввода-вывода, необходимых для реализации предложенной схемы. Обмен данными с персональным компьютером (ПК) целесообразно вести по последовательному протоколу RS232 или более современному — USB. Передача данных ведется по двум линиям — в прямом и обратном направлениях, что потребует двух линий ввода-вывода микроконтроллера. Для считывания сигнала «препятствие» требуется только одна линия, но этот сигнал имеет смысл прерывания. При его поступлении, выполняется специальная подпрограмма, обслуживающая «опасные ситуации».
В мостовом кране используются три раздельных электропривода для перемещения груза в трех направлениях, поэтому необходимо выделять линии управления для каждого электродвигателя. Так как перемещение в разных направлениях выполняется в разные моменты времени можно использовать мультиплексирование для уменьшения количества используемых линий ввода-вывода микроконтроллера. Выбор электродвигателя выполняется сигналом в двоичном коде, следовательно, для трех электродвигателей требуется 7з =1,71 = 2 разряда (линии ввода-вывода). Так как 22 = 4, остается одна неза-действованная комбинация сигналов «выбора электродвигателя», означающая выключение всех двигателей, следовательно, можно использовать один разряд для выбора направления движения (вперед - назад).
Количество разрядов для считывания информации с датчиков перемещения определяется требуемой точностью определения положения груза. Для данной системы определена точность перемещения 1 см, а максимальное расстояние — длина крана — 25 м. Используем двоично-десятичную кодировку величин перемещений - для представления сантиметров в диапазоне [0;99] требуется семь разрядов (2 =128), а для представления метров достаточно пяти разрядов (25 - 32). Так как требуется считывать информацию с трех датчиков перемещений, целесообразно выполнять мультиплексирование данных. Поэтому еще два разряда потребуется для управления мультиплексором.
Допуская, что ошибка и, соответственно, сигнал компенсации, поступающий со схемы нейронного управления, не превышает 32 см, отведем пять разрядов на сигнал компенсации (25 = 32).
Для организации блока управления создадим клавиатуру, имеющую шестнадцать клавиш. Десять кнопок — цифры 0- 9, три кнопки - выбор координат X, Y, Z, кнопка «точка» - разделитель разрядов и две кнопки -«старт» и «сброс». Основные функции управления выполняются прямым набором значений и команды запуска, сервисные функции задаются специальными последовательностями команд. Функциональность клавиатуры не ограничивается назначением клавиш, т. к. вся обработка выполняется программно и реализация новых функций не требует изменения схемы.
Для индикации вводимых значений и отображения результатов работы используется семисегментный индикатор. Необходимо использовать индикатор, имеющий не менее четырех знаков, а подключение индикатора целесообразно выполнить через специализированный контроллер, выполняющий обмен данными с микроконтроллером последовательно. При этом, в зависимости от модели контроллера, требуется две или три линии ввода-вывода.
Ядром системы управления является микроконтроллер, поэтому от его выбора будет зависеть скорость и удобство разработки устройства, а также качество работы всей системы. Используем для разработки микроконтроллер серии AVR фирмы ATMEL. Это серия высокопроизводительных RISC микроконтроллеров, имеющих FLASH память. В этих микроконтроллерах отсутствует регистр-аккумулятор, вместо него используется регистровый файл, содержащий 32 регистра, каждый из этих регистров может выполнять функции аккумулятора [130]. Система команд AVR весьма развита, а большинство инструкций выполняются за один машинный цикл.
Разработанная структурная схема и разрядность используемых сигналов накладывают ограничения на выбор микроконтроллера. Основной характеристикой для этого является достаточное количество линий ввода-вывода. Для этих целей целесообразно использовать микроконтроллеры ATmega серии AVR, имеющие наибольшие возможности по подключению периферийных устройств в этой серии. Выберем микроконтроллер ATmega8515, имеющий 35 линий ввода-вывода, поделенных на пять портов: восьмиразрядные порты А, В, С, D и трехразрядный порт Е [131].
Сопряжение устройства с компьютером выполняется по протоколу USB. Все операции согласования режимов обмена и синхронизации выполняются программным способом с использованием свободно распространяемых подпрограмм обмена. Поэтому достаточно подключить линии передачи к двум разрядам (DO, D1) порта D.
