Системы машинного зрения

  • Вид работы:
    Курсовая работа (т)
  • Предмет:
    Информационное обеспечение, программирование
  • Язык:
    Русский
    ,
    Формат файла:
    MS Word
    15,42 Кб
  • Опубликовано:
    2016-01-18
Вы можете узнать стоимость помощи в написании студенческой работы.
Помощь в написании работы, которую точно примут!

Системы машинного зрения

СОДЕРЖАНИЕ

ВВЕДЕНИЕ

1. ОПИСАНИЕ АСУ

1.1 Структурная схема

2. ОПИСАНИЕ ПЕРВИЧНЫХ ДАТЧИКОВ

2.1 Весоизмерительная ячейка Siwarex R серии BB

2.2 Система технического зрения FZM1-350-ECT

3. ОПИСАНИЕ МИКРОКОНТРОЛЛЕРА

4. ОПИСАНИЕ СИСТЕМЫ ВВОДА-ВЫВОДА

4.1 Модульная станция ввода-вывода Simantic ET200S

4.2 Сенсорная панель Simantic TP 177B

5. ОПИСАНИЕ ОБЪЕКТА УПРАВЛЕНИЯ

6. ОПИСАНИЕ ИНТЕРФЕЙСА

7. АЛГОРИТМ ОПРОСА ДАТЧИКОВ

8. РАСЧЕТ НАДЕЖНОСТИ АСУ

9. ПОДГОТОВКА СТАТИЧЕСКИХ ДАННЫХ

10. РЕЗУЛЬТАТЫ, ПОЛУЧЕННЫЕ ПРИ ОБРАБОТКЕ ИСХОДНЫХ ДАННЫХ

ЗАКЛЮЧЕНИЕ

СПИСОК ЛИТЕРАТУРЫ


ВВЕДЕНИЕ


Системы машинного зрения запрограммированы для выполнения узкоспециализированных задач, таких как подсчет объектов на конвейере, чтение серийных номеров или поиск поверхностных дефектов. Польза системы визуальной инспекции на основе машинного зрения заключается в высокой скорости работы с увеличением оборота, возможности 24-часовой работы и точности повторяемых измерений. Так же преимущество машин перед людьми заключается в отсутствии утомляемости, болезней или невнимательности. Тем не менее, люди обладают тонким восприятием в течение короткого периода и большей гибкостью в классификации и адаптации к поиску новых дефектов.

Компьютеры не могут «видеть» таким же образом, как это делает человек. Фотокамеры не эквивалентны системе зрения человека, и в то время как люди могут опираться на догадки и предположения, системы машинного зрения должны «видеть» путем изучения отдельных пикселей изображения, обрабатывая их и пытаясь сделать выводы с помощью базы знаний и набора функций таких, как устройство распознавания образов. Хотя некоторые алгоритмы машинного зрения были разработаны, чтобы имитировать зрительное восприятие человека, большое количество уникальных методов были разработаны для обработки изображений и определения соответствующих свойств изображения.

Хотя машинное зрение - процесс применения компьютерного зрения для промышленного применения, полезно перечислить часто использовались аппаратные и программные компоненты. Типовое решение системы машинного зрения включает в себя несколько следующих компонентов:

1.      Одна или несколько цифровых или аналоговых камер (черно-белые или цветные) с подходящей оптикой для получения изображений

2.      Программное обеспечение для изготовления изображений для обработки. Для аналоговых камер это оцифровщик изображений

3.      Процессор (современный ПК <#"870777.files/image001.gif">

Рисунок 1 - Схема АСУ

Рисунок 2 - Структурная схема АСУ

Управление производственной подсистемой реализовано на базе SCADA-системы WinCC компании Siemens и промышленных контроллеров Simatic S7-315F, станций распределённого ввода/вывода ET200S, сенсорных дисплеев TP177B. Также здесь используются элементы системы безопасности Safety Integrated на основе световых барьеров и средств сигнализации.

Объект управления состоит из двух РТК, которые имитируют изготовление деталей и сборку. Первый РТК включает робот-манипулятор, транспортёр с позицией обработки, систему взвешивания Siwarex, магазин для хранения заготовок, готовых и бракованных деталей. Второй РТК состоит из пневматического сборочного центра, поворотного стола, транспортёра, системы взвешивания Siwarex и робота-манипулятора. Два МР перемещают модели заготовок и готовых деталей между РТК. Система управления МР через беспроводной интерфейс интегрирована с системой WinCC и системой технического зрения.

Системы технического зрения и взвешивания позволяют имитировать функционирование производственной подсистемы анализа качества выпускаемых изделий. Результаты передаются в систему SAP ERP, где определяется и анализируется эффективность производства.

2. ОПИСАНИЕ ПЕРВИЧНЫХ ДАТЧИКОВ


В рассматриваемой АСУ датчиками являются весоизмерительная ячейка SIWAREX R серии ВВ и система технического зрения FZM1-350-ECT.

2.1 Весоизмерительная ячейка SIWAREX R серии ВВ


Весоизмерительная ячейка на базе гибкого стержня, для эксплуатации в небольших резервуарах и платформенных весах. Измерительный элемент представляет собой двойную изгибную полосу из нержавеющей стали, на которой расположены 4 расширительных измерительных полоски (DMS).

DMS установлены таким образом, что две из них работают на растяжение, а две других на сплющивание.

За счет воздействия нагрузки на измерительном направлении пружинное тело и связанные с ним DMS эластично деформируются. При этом вырабатывается измерительное напряжение пропорциональное нагрузке.

Таблица 1

Технические характеристики весоизмерительной ячейки SIWAREX R серии ВВ

Ном. нагрузка/макс. нагрузка Емакс

10/20/50/100/200/350 кг

Напряжение питания

5 … 15 В

Входное сопротивление Re

460Ω±50Ω

Выходное сопротивление Ra

350Ω±3,5Ω

Время наработки на отказ

20 000 ч

Время наработки на отказ

350 000 ч


 

.2 Система технического зрения FZM1-350-ECT


Технологии обработки изображений оптимизированы для решения задач позиционирования. Позиционирование объектов по форме: разделение скрепленных объектов, обнаружение частично скрытых объектов, компенсация скругленных или поврежденных кромок, проверка царапин и дефектов, обнаружение загрязненных или перекрывающихся объектов, проверка повреждений кромок и углов.

Таблица 2

Технические характеристики системы технического зрения FZM1-350-ECT

Типы используемых камер

Высокоскоростные цифровые камеры с автофокусом

Интерфейс

RS-232C, Ethernet 100BASE-TX/10BASE-T, USB (1.1 и 2.0)

Интерфейс видео выхода

аналоговый RGB одноканальный видео-выход (1024х768)

Напряжение питания

20.4 .. 26.4 В

Время наработки на отказ

50 000 ч



3. ОПИСАНИЕ МИКРОКОНТРОЛЛЕРА


В данной АСУ используется микроконтроллер Simantic S7-300F. Программируемый контроллер для построения распределенных систем автоматики безопасности. В этом микроконтроллере применяется CPU 315F-2DP с встроенными функциями автоматики безопасности и интерфейсом PROFIBUS DP, поддерживающим профиль PROFIsafe, реализованы стандартные функции управления с функциями автоматики.

микроконтроллер модульный зрение весоизмерительный

Таблица 3

Технические характеристики микроконтроллера Simantic S7-300F CPU 315-2DP

Память

Встроенная RAM 128 Кбайт

Минимальное время выполнения операций

логических операций - 0,1 мкс операций со словами - 0,2 мкс арифметических операций с фиксированной/плавающей точкой - 2,0/3,0 мкс

RS 485, Industrial Ethernet

Соединитель

9-полюсное гнездо соединителя D-типа

Потребляемый ток

200мА/=15…30В

Время наработки на отказ

100 000 ч



4. ОПИСАНИЕ СИСТЕМЫ ВВОДА-ВЫВОДА


Системы ввода вывода представлены модульной станцией ввода-вывода Simantic ET200S и человеко-машиным интерфейсом реализованным с помощью сенсорной панели Simantic PT 177B.

4.1 Модульная станция ввода-вывода Simantic ET200S


Станции ET200S используются для построения систем распределенного ввода-вывода программируемых контроллеров SIMATIC S7-300/ S7-400/ WinAC/ C7, базирующихся на промышленных сетях PROFIBUS DP или PROFINET IO.

Обширный спектр модулей различного назначения позволяет оптимально адаптировать станции ET200S к требованиям решаемой задачи. Интерфейсные модули обеспечивают возможность непосредственного подключения станции к электрическим или оптическим каналам связи PROFIBUS DP, а также электрическим каналам связи Industrial Ethernet, выполнять предварительную обработку данных на уровне станции, обеспечивать поддержку профиля PROFISafe в распределенных системах автоматики безопасности. При работе в системах распределенного ввода-вывода программируемых контроллеров S7-400 обеспечивается поддержка функций “горячей” замены как электронных, так и силовых модулей.

Таблица 4

Технические характеристики модульной станциии ввода-вывода Simantic ET200S

Интерфейс

PROFIBIUS DP, RS 485/- (интерфейсный модуль IM 151-1)

Объем данных на телеграмму ввод/вывод

244/244

Напряжение питания

24В

Время наработки на отказ

100 000 ч


4.2 Сенсорная панель Simantic TP 177B


Сенсорные панели оператора SIMATIC серии 177 предназначены для построения систем человеко-машинного интерфейса и решения задач оперативного управления и мониторинга. Панели могут использоваться с программируемыми контроллерами SIMATIC S7-200/ S7-300/ S7-400, системами компьютерного управления SIMATIC WinAC, программируемыми контроллерами других фирм.

Таблица 5

Технические характеристики сенсорной панели Simantic TP 177B

Интерфейсы

USB, RS 422, PROFIBUS DP, Ethernet

Количество обслуживаемых контроллеров

до 4

Время наработки на отказ

50 000 ч



5. ОПИСАНИЕ ОБЪЕКТА УПРАВЛЕНИЯ


Объект управления представлен промышленным роботом Юнимен-3000. Промышленный робот «Юнимен-3000» имеет шесть степеней свободы, из них четыре у руки (перемещение по горизонтали и вертикали, а также поворот относительно двух осей) и две у кисти (качание и захват). Поворот руки может выполняться одновременно с горизонтальным перемещением.
Робот «Юнимен-3000» работает в цилиндрической системе координат. Манипулятор, пульт управления и гидравлический узел смонтированы раздельно.

Большая грузоподъемность робота позволяет использовать его для транспортировки тяжелых деталей и узлов.

Таблица 6

Технические характеристики промышленного робота Юнимен-3000

Максимальная грузоподъемность

200 кг

Масса робота

1 900 кг

Интерфейс

RS 485

Напряжение

220 В

Время наработки на отказ

150 000 ч



6. ОПИСАНИЕ ИНТЕРФЕЙСА


Так как рассматриваема АСУ базируется на промышленном контроллере Simantic компании Siemens AG, то система передачи данных в АСУ основа на открытой промышленной сети PROFIBUS (PROFIBUS DP - профиль протоколов этой сети), разработанной этой же компанией Siemes AG.

На физическом уровне интерфейс представлен электрической сетью с шинной топологией, использующей экранированную витую пару, соответствующую стандарту RS-485.

Так же устройства данной АСУ поддерживают интерфейс Ethernet.

Таблица 7

Технические характеристики протокола PROFIBUS DP

Архитектура

ISO/OSI

Тип передачи данных

циклический

Интерфейс

RS 485


Таблица 8

Технические характеристики интерфейса RS-485

Стандарт

EIA RS-485

Физическая среда

Витая пара

Максимальная скорость передачи

100Кбит/с - 10 Мбит/с

Напряжение

-7 В до +12 В

Тип разъема

не специфицирован



7. АЛГОРИТМ ОПРОСА ДАТЧИКОВ


Рисунок 3 - Блок схема алгоритма опроса датчиков

Алгоритм опроса датчиков

.                                                               Подготовка к началу работы.

.        Система передает значения управляемых параметров (заданных и текущих) в микроконтроллер.

.        В микроконтроллере на основе разности между значениями управляемых параметров вырабатывается управляющий сигнал g((x-x0),(y-y0),(z-z0)). Управляющий сигнал поступает в мобильный робот, после получения управляющего сигнала происходит изменение значений управляемых величин(V[g((x-x0),(y-y0),(z-z0))]).

.        Система опрашивает датчики, для получения текущего значения управляемых параметров.

.        Текущие значения поступают в микроконтроллер, где происходит их сравнения с заданными. Если значения совпадают, то система вырабатывает сигнал прерывания и выводит на экран сообщение о выполнении(пункт 7,8). Если значения не совпадают, то система возвращается к пункту 3.

8. РАСЧЕТ НАДЕЖНОСТИ АСУ


Для расчета надежности предоставления информации составим сводную таблицу всех элементов системы с указанием из времени наработки на отказ.

Таблица 9

Сводная таблица элементов системы

Элементы

Время наработки на отказ, ч

SIWAREX R

350 000

SIMANTIC TP 177B

50 000

ET200S

100 000

Simantic S7-300 CPU 315-2DP

200 000

FZM1-350-ECT

50 000

Юнимен-3000

150 000


Построим кривую надежно предоставления информации. Функция описывающая эту кривую имеет вид:

,

где ,Tn - время наработки на отказ элемента.

.


Рисунок 4 - Кривая надежного предоставления информации

Оценим вероятность надежного предоставления информации в течение 10000ч. Из графика видно, что значение данной вероятности примерно составляет 52.5%.

Оценим доверительную вероятность для уровня вероятности 0,999

Рисунок 5 - Доверительная вероятность

Время в течение, которого надежность предоставления информации будет выше уровня вероятности 0,999, составляет 15 часов.

9. ПОДГОТОВКА СТАТИЧЕСКИХ ДАННЫХ О ВРЕМЕНИ НАРАБОТКИ И ВРЕМЕНИ ВОССТАНОВЛЕНИЯ КОМПОНЕНТА ССОИ. РАСЧЕТ ОЦЕНКИ СРЕДНЕЙ НАРАБОТКИ НА ОТКАЗ (Т0)

        

         В качестве исходных данных возьмем следующие данные:

        

         Таблица 10

         Номера прерываний

Номера прерываний и восстановлений работоспособности ССОИ

Номер документа (i)

Начало работы Конец работы

1

2

3

4

5

6

7

3

tН1

10.00.00

10.31.34

11.03.45

11.21.11

11.45.11

12.30.00



tК1

10.21.12

10.51.15

11.12.54

11.41.23

12.25.43

13.30.00



tвi








 

         Таблица 11

         Время обработки запросов

Номер запроса (i-го)

Обозначение показателя

Номер s-го замера времени обработки i-го запроса Время обработки

1

s

1

3

4

5

6

7


ts(00мин.00с.)

14.14

14.17

14.06

14.13

14.17

14.14

14.15

 

         На основании исходных данных (таблица 10), произведем расчет суммарного (общего) времени пребывания системы в работоспособном состоянии:

        

         ,

        

         где N = 6 - суммарное за период испытаний количество прерываний работоспособного функционирования;

thl - момент времени фактического начала работы после наступления
(l-1)-го прерывания; kl - момент времени фактического окончания работы при наступлении l-го прерывания.

         Переведем время данное в таблице в секунды и подсчитаем ТPi:

        

         tkl - thl=1272 с

         tk2 - th2=1181 с

         tk3 - th3=549 с

         tk4 - th4=1212 с

         tk5 - th5=2432 с

         tk6 - th6=3600 с

        

        

         Рассчитаем среднюю наработку на отказ по формуле:

        

         ,

где    Tpi - суммарное (общее) время пребывания АИС в работоспособном состоянии; - суммарное число отказов.

k=6

         ,

Расчет оценки среднего времени восстановления.

         Рассчитаем среднее время восстановления в работоспособное состояние после отказа:

        

         ,

        

         где k = 5 - число отказов, после которых происходило восстановление во время испытаний;

tbi - время восстановления после j-го отказа.

         tb1=622 c

         tb2=752 c

         tb3=497 c

         tb4=228 c

         tb5=257 c

        

Расчет оценки среднего времени реакции ССОИ на получение входного сигнала.

         Вычислим среднее время реакции:

        

        

        

         где m = 7 - количество замеров времени обработки запросов i-го типа (табл.11.);

tis время обработки входной информации (табл. 11.).

        

Расчет значения коэффициента готовности ССОИ.

         Произведем расчет значения коэффициента готовности:

        

        

        

        

Расчет оценки вероятности надежного преобразования входной информации.

         Вероятность рассчитывается по формуле:

         ,

        

         где    Toi и Tbi - среднее время наработки на отказ и восстановления после отказа;

Tpeaк.i - среднее время реакции

        

         В качестве значения доверительной вероятности α возьмем значение α=0,999 для повышения точности расчетов.

         Определение значения доверительной вероятности g для интервала оценки Расчет нижней  и верхней  доверительных границ для показателя наработки на отказ можно произвести по формулам:

        

        

        

        

        

        

        

        

         где    коэффициенты r1(k,a) = 6,68 и r3(k,a) = 0,27 берутся из табл. 1.1. и 1.2. в приложении 1;

Toi= 1707,66 с - оценка

α = 0,999 - доверительная вероятность.

Расчет нижней  и верхней  доверительных границ для показателя времени восстановления работоспособности АИС производится по формулам:

        

        

        

        

        

        

        

         где    коэффициенты r1 (k,a) = 6,68 и r3(k,a) = 0,27;

         Tbi = 471,2 с - оценка.

         Расчет нижней  и верхней  доверительных границ для показателя коэффициент готовности производится по формулам:

,

,

 

,

,

         где  с - нижняя доверительная граница для показателя наработки на отказ;

 с - верхняя доверительная граница для показателя наработки на отказ;

с - нижняя доверительная граница для показателя времени восстановления работоспособности;

с - верхняя доверительная граница для показателя времени восстановления работоспособности;

Расчет нижней  и верхней  доверительных границ вероятности надежного представления запрашиваемой выходной информации производится по формулам:

,

,

         ,

        

         ,

10. РЕЗУЛЬТАТЫ, ПОЛУЧЕННЫЕ ПРИ ОБРАБОТКЕ ИСХОДНЫХ ДАННЫХ

        

         Сведем полученные данные в таблицу.

        

         Таблица 12

Результаты обработки исходных данных.

Среднее время наработки на отказ, с

Среднее время восстановления работоспособности после отказа, с

Коэффициент готовности

Вероятность надежного преобразования запрашиваемой входной информации за время равное 8 часам.









453,06

1707,66

11470,16

127,22

471,2

3147,61

0,12

0,78

0.99

0,044

0.665

0,92



ЗАКЛЮЧЕНИЕ

 

         Анализ графика аппаратной части АСУ показывает, что при заданном уровне надежности α=0.999 система находится в работоспособном состоянии течении 16 часов. Что является крайне не высоким показателем. Для повышения времени работы автоматизированной системы управления, необходимо, например, поменять датчики на более надежные. Также, при анализе надежного предоставлении информации в течении 10000 часов, система показывает невысокую надежность 0,53.

                   Во второй части данной курсовой работы мы произвели расчет нижней
 () и верхней () доверительных границ вероятности надежного представления запрашиваемой выходной информации: они составили 0,044 и 0,92 соответственно. Значит, рассматриваемая нами будет работать надежно, без сбоев в течение заданного промежутка времени.

 

СПИСОК ЛИТЕРАТУРЫ


1.        Линаев В.В, Сертификация информационных технологий программных средств и баз данных, Казань, 2010

2.      Костогрызов А.И., Петухов А.В., Щербина А.М. Основы оценки, обеспечения и повышения качества выходной информации в АСУ организованного типа, М.: «Вооружение. Политика. Конверсия», 1994.

.        Климов Г.П. Теория вероятности и математическая статистика М.: МГУ, 1983.

.        Вентцель Е.Г. Теория вероятностей, М.: Наука, 2009.

6.      www.sta.ru

Похожие работы на - Системы машинного зрения

 

Не нашли материал для своей работы?
Поможем написать уникальную работу
Без плагиата!