橡胶挤出胎面在线测量与操纵系统申报材料.docx
《橡胶挤出胎面在线测量与操纵系统申报材料.docx》由会员分享，可在线阅读，更多相关《橡胶挤出胎面在线测量与操纵系统申报材料.docx（17页珍藏版）》请在冰豆网上搜索。
橡胶挤出胎面在线测量与操纵系统申报材料
编号：
____
2021年桂林电子科技大学
第十四届“挑战杯”全国大学生课外学术科技作品
竞赛校内重点项目立项申报材料
项目名称：
橡胶挤出胎面在线测量与操纵系统
申报学院：
建筑与交通工程学院
项目申报成员：
杨支旭、吴桂彬、覃妙艺、
曾陆川、郭叶宇
二○一四年十一月
桂林电子科技大学第十四届“挑战杯”大学生课外
学术科技作品竞赛重点项目申报书
A、申报者情形
申报者情况
姓名
覃妙艺
性别
女
出生年月
1993年1月
现学历
[A]A大学本科B硕士研究生
申报单位
桂林电子科技大学
专业
控制科学与工程
学号
9
学制
3年
作品全称
橡胶挤出胎面在线测量与控制系统
合作者情况
姓名
性别
学号
电话
所在单位
备注
杨支旭
男
31
建筑与交通工程学院
有无合作者请在此说明：
☑有
□无
吴桂彬
男
29
建筑与交通工程学院
曾陆川
男
32
建筑与交通工程学院
郭叶宇
男
11
建筑与交通工程学院
说明：
一、必需有申报者本人按要求填写，申报者情形栏内必需填写个人作品的第一作者（承担申报作品60%以上的工作者）或集体作品填写一文学历最高的代表。
二、本部份中的各学院签章视为对申报者情形的确认。
B、科技发明制作申报作品情形
作品全称
橡胶挤出胎面在线测量与控制系统
作品分类
（在选项上画√）
□A.信息技术（包括计算机.电信.通信.电子等）
☑B.机械与控制（包括机械、仪器仪表、自动化控制、工程、交通、建筑等）
□C.数理（包括数学、物理、地球与空间科学等）
□D生命科学（包括生物、食品等）
□E.能源化工（包括能源、材料、生态、环保等）
□F.外观设计（包括电脑艺术设计、机械CAD等）
作品设计、发明的目的和基本思路、创新点、技术关键和主要技术指标
目的：
橡胶轮胎挤出工序产品外形尺寸精度直接影响到轮胎的质量和使用安全（影响轮胎成品质量因子约为45%），目前基本为人工检测。
本作品旨在利用先进的图像采集和识别技术，通过网络神经学习、模糊分析，实时快速自动控制生产线，把该工序产品合格率由现在的78%提高到93%，提高生产效率，有效降低生产成本，推动我国橡胶产品生产工序向信息化、智能化方向迈进。
基本思路：
①在运用两台CCD同时对挤出胎面的三个特征值进行图像数据采集，分别为胎面上部宽度、胎面下部宽度和胎面厚度。
然后由计算机对图像数据进行处理，得到挤出胶部件形状和尺寸。
②运用神经模糊系统将特征数据处理运算，与工艺设计的部件外形尺寸表对比分析，得出一个合适的决策值，通过中央控制系统实时调整挤出机和接取皮带线速度，从而把挤出部件的尺寸控制在工艺允许的误差范围内。
创新点和技术关键：
①针对生产现场烟气大通透度小、生产照明灯光复杂多变、大功率电机电磁干扰、图像网纹等干扰情况，优化本检测系统综合布置克服上述干扰；②数学形态学在部件边缘图像处理算法优化设计；③菱形凸缘橡胶挤出部件多基点神经模糊分析系统优化设计；④橡胶工厂强磁场干扰下数据传输方案优化；⑤隐含物体边缘图像拾取和精确采集（如图）。
胎面上部边界
图1胎面形状示意图
主要技术指标：
①接取皮带线速度控制精度：
1～5m/min时误差在～1cm以下；～10m/min时误差在1～2cm以下。
②该工序产品合格率≥93%。
作品的科学性先进性（必须说明与现有技术相比.该作品是否有突出的实质性技术特点和显著进步。
请提供技术性说明和参考文献资料）
目前，轮胎生产企业挤出橡胶的尺寸测量仍然是用人工测量和手动控制，效率低，精度差，是目前影响轮胎产品质量和成本的关键工序，加之该工序连续生产特性，对轮胎成品质量影响因子高达45%左右。
本项目利用先进的图像采集和识别技术，通过网络神经学习、模糊分析，实时快速自动控制生产线，实现挤出橡胶部件尺寸在线自动测量、自动控制，把该工序产品合格率由现在的78%提高到93%。
本项目研发系统简单、成本低，对原设备改动很小，易于实现。
作品所处阶段
□A实验阶段☑B中试阶段□C生产阶段D________（自填）
作品所展示的形式
□实物□产品□模型图纸□磁盘现场□演示图片☑样品□录像
使用说明及该作品的技术特点和优势,提供该产品的适应范围及推广前景的技术性说明及市场分析和经济效益预测
中国轮胎生产属于传统行业，橡胶部件生产多采用挤出法连续生产。
挤出工序是轮胎生产企业的重要工序，按可比产值计算占整个轮胎生产过程的30～40%，该工序质量对轮胎成品质量影响因子高达45%左右，各企业对该工序质量和生产效率都很重视。
该课题利用图像识别和神经模糊分析技术解决一直困扰轮胎生产企业挤出部件精度误差大的技术难题，通过挤出部件在线检测和智能化调整生产设备参数，把该工序产品合格率由现在的78%提高到93%，可为企业降低生产成本5%左右（以中国化工橡胶桂林有限公司为例，每年节约成本800～1000万元），本项目研发系统简单、成本低，对原设备改动很小，易于实现。
国内现有轮胎生产企业300多家，有挤出生产线近10000条，市场前景广阔。
本项目实际应用，将推动我国橡胶产品生产工序向信息化、智能化方向迈进。
专利申报情况
□提出专利申报
申报号_____________ 申报日期：
年月日
□已获专利权批准
批准号______________ 批准日期：
年月日
☑未提出专利申请
说明:
一、必需由申报者本人填写；
二、本表能够附有研究报告,并提供图表、曲线、实验数据、原理结构图、外观图（照片）,也能够附鉴定证书和应用证书；
3、作品分类请依照作品发明或创新点所在类别填表。
2021年桂林电子科技大学
第十四届“挑战杯”全国大学生课外学术科技作品竞赛校内重点项目立项作品说明书
1.研究背景及意义1
2.技术方案2
3.相关理论和方式2
图像处置算法3
模糊神经网络（FNN）5
4.创新手腕和关键技术9
5.实验条件落实情形9
6.存在的问题及解决方式10
7.经济、技术分析及达到目的10
参考文献11
1.研制背景及意义：
轮胎生产进程中，橡胶部件挤出工序占整个生产工序的30%，其挤出部件的精度直接阻碍到轮胎成品的质量。
在传统的生产进程中，都是人工采纳抽检的方法检测，精度差（通常≥2mm）、速度慢（测一个点约30秒），如图1所示。
有时造成大量的不合格品，由此造成的浪费每一年在800万元以上。
是橡胶轮胎生产企业的共性技术难题。
图1工人用直尺测量挤出胎面的肩宽
为了提高检测精度，保证产品质量，各轮胎生产企业依照自身企业特点研发各类在线检测装置,但大体都是基于接触式的机械检测和非接触式的红外线检测。
由于该检测方式自身精度误差大、灵敏度差的弊病，造成检测结果误差大（通常≥）。
针对以上情形，咱们采纳先进的图像搜集和识别技术，通过模糊神经分析，实时快速自动操纵生产线，把该工序产品合格率由此刻的78%提高到93%，提高生产效率，有效降低生产本钱，推动我国橡胶产品生产工序向信息化、智能化方向迈进。
2.技术方案：
（1）用三台CCD同时对挤出胎面的四个特点值进行图像数据搜集，别离为肩宽
、冠宽
、左肩厚
、右肩厚
，如图2所示。
然后由运算机对图像数据进行处置，取得挤出胶部件形状和尺寸。
图2胎面各尺寸示用意
（2）运用模糊神经系统将尺寸数据处置运算，与工艺设计的部件外形尺寸表对照分析，得出一个适合的决策值，通过中央操纵系统实时调整挤出机和接取皮带线速度，从而把挤出部件的尺寸操纵在工艺许诺的误差范围内。
3.相关理论和方式
本次的研究是以传统的全钢子午轮胎复合联动挤出机为模型进行升级改造，通过引入视觉传感器系统对挤出胶部件进行实时搜集，结合数字图像处置的相关知识进行检测挤出胎面尺寸，将数据运用复杂模糊神经决策，结果反馈给传输电机，调整挤出机转速和供料量值，实现胎面尺寸的稳固输出。
整体的流程如图3所示。
图像处置算法
算法结构模块如图3所示。
运算机第一对搜集的图像中需要处置的区域进行截取并进行灰度化处置，以后用双线性插值算法插值放大截掏出来的区域，利用均值滤波排除噪声，再利用边界改良阈值算法分割出挤出橡胶各部份，运用形态学滤波进行边缘开操作，滑腻边缘，以后，运用孔洞填充算法，排除阈值算法中可能显现的孔洞，最后提掏出挤出橡胶各尺寸，下面对要紧模块进行介绍：
3.1.1截取需要处置的区域
研究中，上部相机被架设并固定在离挤出橡胶1米高的地址，其每次拍照到的图像中挤出橡胶在固定位置，而其他区域属于不需要处置的区域，若是每次进行图像处置时都将这些区域进行处置会造成执行速度的下降，因此在相机搜集的图像中将需要处置的区域自动分割出来单独进行处置，提高系统速度。
3.1.2插值放大
双线性插值算法又叫一阶插值法，它要通过三次插值才能取得最终结果，是对最近邻插值法的一种改良，算法先对两水平方向进行一阶线性插值，然后再在垂直方向上进行一阶线性插值，因为它考虑了待测采样点周围四个直接邻点对该采样点的相关性阻碍，其成效要好于最近邻插值，大体克服了最近邻插值灰度值不持续的特点。
可是，此方式仅考虑待测样点周围四个直接邻点灰度值的阻碍,而未考虑到各邻点间灰度值转变率的阻碍,因此具有低通滤波器的性质,从而致使缩放后图像的高频分量受到损失,图像边缘在必然程度上变得较为模糊。
3.1.3边界增强阈值算法
考虑到在生产进程中周围的干扰因素过大，因此对滤波环节提出了较高的要求同时对边缘信息提取的准确性也决定了宽度反馈信息的正确性这二者结果的好坏直接阻碍了操纵成效，在此，要紧对图像处置环节中图像边缘提取部份进行了研究，利用边缘改良全局阈值处置，提取边界。
算法如下：
（1）任何一种方式来计算一幅边缘图像，不管是
梯度的幅度仍是拉普拉斯的绝对值都能够。
（2）指定一个阈值T。
（3）用来自步骤2的阈值对自步骤2的图像进行阈值处置，产生一幅二值图像
。
这幅图在步骤4当选择来自
的对应于强边缘的像素并作为标记图像利用。
（4）仅用
中的像素计算直方图，对应
中1值像素的位置。
（5）用来自步骤4中的直方图，通过全局阈值otsu’s方式来分割
。
3.1.4孔洞填充
利用一种基于边界信息的孔洞填充算法：
第一利用边界跟踪取得图像中所有边界的几何位置信息，再利用内边界与外边界的几何位置关系判定出孔洞位置，最后对原图像中的孔洞区域进行扫描线填充。
图4给出了本算法的流程图，算法的具体步骤如下：
图4填充算法流程
（1）依照从上到下、从左到右的顺序扫描目标图像，假设某一目标像素的八邻域中有一个或一个以上像素为背景，那么判定其为边界像素。
通过这一判别进程，取得所有的边界像素。
（2）对每条边界进行跟踪，记录其几何信息：
从每条边界最左上角的起始点开始，依照逆时针方向进行跟踪，并通过计算得出其外接矩形在水平、垂直两个方向上的尺寸参数及中心坐标位置。
（3）确信孔洞位置。
判定一条边界是不是为孔洞边界（即内边界）的原那么是：
若是某一边界的外接矩形处于另一边界的外接矩形内，而且其起始点（即最左上角的那个像素）右下、正下、坐下的3个像素中至少有一个为背景像素，那么以为该边界为孔洞的边界。
（4）关于每一个孔洞，其信息已包括在边界当中，因此从孔洞边界的起始点开始，依照逆时针方向填充。
填充的方式是：
若是当前边界点的左侧为背景，那么向左用当前帧图像中相应的像素值进行填充，直至碰到第一个目标像素点为止，反之那么向右填充。
3.1.5尺寸提取
需要提取的尺寸为左右肩高，肩宽和冠宽，对处置出来的图像胎面边界，计算边界间有多少个像素格，然后换算为实际宽度。
模糊神经网络（FNN）
3.2.1模糊神经网络结构
模糊操纵能够用来对没有精准数学模型的被控对象进行有效操纵，可是其操纵精度严峻受制于模糊规那么。
但是模糊规那么库的成立是极为困难的，因此单纯的模糊操纵难以达到操纵要求。
与此相对，神经网络是低级的计算结构，处置原始数据的性能良好，具有超级强的任意逼近能力，学习能力和经历能力。
可是神经网络的结构设计相对复杂，而且神经网络在利用之前必需对网络之间的参数进行训练；另外，神经网络尽管能够学习，可是它关于用户是不透明的。
将神经网络和模糊系统结合组成模糊神经网络，为构建智能系统提供了有希望的方式。
模糊神经网络不仅具有神经网络的学习能力，也拥有了模糊系统的透明性。
典型的模糊神经网络是一种称为多层模糊感知机的系统，它的网络结构是依照模糊系统的功能模块来概念响应的神经网络。
确实是把模糊系统的每一个部份映射到神经网络中，以神经元来构造模糊系统。
模糊神经网络拓扑结构如图1所示：
图1模糊神经网络拓扑结构
此网络为多输入单输出结构，共分为5层。
依照模糊系统的工作进程设计，能够说是由神经网络实现的模糊推理系统。
第一层：
输入层，它输出精准值，此层节点数等于输入变量个数，它将输入直接送入第二层。
第二层：
隶属度函数层，将输入变量按隶属度划分，该层的节点数为输入变量的隶属度划分之和。
该层一样可利用高斯函数作为隶属函数。
隶属函数的参数将由网络通过学习来调整。
第三层：
规那么层，该层将隶属函数层节点与结论节点连接起来，此层节点数为各输入变量的隶属度划分个数之积。
该层与第二层为全互连。
第四层：
归一化层，所有规那么层的节点都别离与该层节点相连并计算给定规那么的归一化激发强度。
归一化激发强度是给定规那么的激发强度和所有规那么激发强度的总和的比值。
第五层：
反模糊化层，该层与第四层的所有节点相连，而且其连接权值可训练，即该层输出为归一化层输出的加权和。
3.2.2模糊神经网络学习算法
下面给出模糊神经网络的学习方式。
以两输入单输出网络为例：
假设输入输出别离为
，
和
，用目标函数E来衡量
和实际样本输出
之间的误差，E概念如下：
依照图1，假定两个输入的模糊划分均为4，隶属度函数取高斯函数，那么规那么层共有16个节点。
令
和
（i，j=1，2,3,4）别离为
和
对应的规那么，
和
的均值和方不同离为
，
和
，
，归一化层到反模糊化层之间的连接权值为
（i=1，2，...16）。
当给定一组样本（
，
；
）时，采纳如下算法调整
，
，
，
和
（i,j=1,2,3,4），该算法成立在梯度下降法的基础上：
其中，
（i=1,2...16）为规那么层输出，
，
，
为学习率，
为学习重复度。
3.2.3模糊神经网络结构优化
由于上述模糊神经网络中存在规那么爆炸的危险，因为当输入变量的个数增多或隶属度的划分增加时，规那么层的数量将成指数增加，强烈阻碍网络性能，因此本文采纳剪枝算法对网络结构进行优化，去掉网络中冗余的节点，简化网络。
概念同层神经元样本分散度
其中，
为训练样本总数，
为当前样本序号，
为规那么层节点序号，
为当前网络输出，
为第
个神经元对所有样本的平均输出。
当样本分散度过小，说明该神经元的输出转变很小，能够直接删除。
通常当样本分散度在~之间时执行删除操作。
4创新手腕和关键技术
（1）研究结合了数字图像处置技术进行研究，利用多种算法结合实现对胎面尺寸的精准检测。
（2）结合OPENCV和MFC设计上位机，可移植性好。
（3）结合神经模糊操纵系统的理论进行研究决策，能达到专门好的操纵成效。
5.实验条件落实情形
已具有的实验条件：
（1）实验室有小型联动装置，可进行模拟实验；
（2）PC机及相应实验器材已经运行；
橡胶挤出胎面在线测量与操纵系统实验台
（3）中化桂林橡胶能够提供全钢轮胎挤诞生产线供实际实验。
6.存在的问题及解决方法
可能存在的问题和解决方式：
（1）MFC和OPENCV是一门比较新的开发工具和库，需要必然的时刻进行学习。
（2）系统在搜集图像后不能对产生的误差信号进行操纵，需要对系统的线路进行检查同时改良上位机程序。
（4）搜集的图像干扰因素多大，需要调整好搜集图像的光源，同时阅读相关文献对图像处置的算法进行改良。
（5）模糊神经算法众多，需要时刻学习。
7.经济、技术分析及达到目的：
利用先进的图像搜集和识别技术，通过网络神经学习、模糊分析，实时快速自动操纵生产线，把该工序产品合格率由此刻的78%提高到93%，提高生产效率，有效降低生产本钱。
该课题利用图像识别和神经模糊分析技术解决一直困扰轮胎生产企业挤出部件精度误差大的技术难题，通过挤出部件在线检测和智能化调整生产设备参数，把该工序产品合格率由此刻的78%提高到93%，可为企业降低生产本钱5%左右（以中国化工橡胶桂林为例，每一年节约本钱800～1000万元），本项目研发系统简单、本钱低，对原设备改动很小，易于实现。
国内现有轮胎生产企业300多家，有挤诞生产线近10000条，市场前景广漠。
本项目实际应用，将推动我国橡胶产品生产工序向信息化、智能化方向迈进。
参考文献：
[1]RafaelC.Gonzalez,DigitalImageProcessingthirdedition,2020。
1
[2].学习OpenCV（中文版）清华大学出版社
[3]李文斌,王长松.基于边界信息的孔洞填充算法[j].运算机工程与设计.
[4]顾晶宇.高维布尔型异样数据检测和利用神经网络生成模糊规那么[D],燕山大学.2005
升级会员 