一种采用自适应滤波器的大圆机旋转周期预测方法及系统技术方案

本发明专利技术涉及一种采用自适应滤波器的大圆机旋转周期预测方法及系统，针对纺织业大圆机实际生产中存在的旋转周期不稳定的现象，所述滤波器结合了RLS周期预测算法和单步周期预测算法的优势，能够有效且准确的预测大圆机实际生产中的旋转周期，本发明专利技术与疵点检测视觉系统紧密结合，通过串口信号的实时分析和自适应滤波的处理可快速准确的获取预测周期，预测周期可用于计算大圆机的旋转速度，定位疵点检测视觉系统需要抓拍的图像位置，以及定位疵点在整批布中的位置，为实现高效的胚布检测系统奠定了基础。本发明专利技术能够快速准确的对大圆机周期进行预测，降低了疵点检测视觉系统的精确抓拍难度，提高了胚布疵点定位准确度。

【技术实现步骤摘要】
一种采用自适应滤波器的大圆机旋转周期预测方法及系统
本专利技术涉及纺织业大圆机生产测控领域，特别涉及一种采用自适应滤波器的大圆机旋转周期预测方法及系统，应用在生产环境复杂且大圆机旋转状态不稳定的疵点检测系统中。
技术介绍
在大圆机传统生产中，往往采用人工检测的方式来监控生产中疵点布，但传统方法容易受到检测工人的主观干扰，并且效率低下。伴随工业视频监控的普及和视频图像处理技术的发展，采用基于机器视觉的智能疵点检测的研究越来越多的出现在人们的视野之中。以往的智能疵点检测的研究均是围绕着提高疵点检测算法的准确度和降低算法的时间复杂度而进行，然而将算法运用到实际工业生产上依然会受到生产环境的制约。通常的疵点检测系统均是采用逐帧分析和定时抓拍来实时采集视频图像信息，并对图像信息进行快速的分析得到分析结果。胚布的疵点信息出现频率低，采用逐帧分析法会浪费大量的图像信息，由于大圆机实际生产环境的影响和自身长期的生产寿命条件的限制，采用定时抓拍方法设定合适的时间就变得异常困难。
技术实现思路
本专利技术的目的在于克服现有技术的不足，提出一种预测速度快、预测准确度高、现场适应性强且具有自学习能力的采用自适应滤波器的大圆机旋转周期预测方法及系统；利用特定串口信号分析获取实际周期，并将所述实际周期作为自适应滤波器的学习对象，自学习出符合当前大圆机运转规律的滤波器参数，能够有效地针对大圆机不同的工作环境对其旋转周期进行预测。本专利技术解决其技术问题所采用的技术方案是：一种采用自适应滤波器的大圆机旋转周期预测方法，包括：实时接收接近开关发送的串口信号，对接收到的最新两个有效串口信号的时间求差，获得大圆机实际旋转周期RCi；其中，i表示大圆机旋转次数，在滤波器中表示迭代循环次数；采用RLS周期预测算法进行滤波器参数学习，计算下一转的预测周期PCi；判断当前滤波器参数是否达到学习标准条件；如果当前滤波器参数未达到学习标准条件，采用单步周期预测算法获得下一转的预测周期PCi，并跳出本次滤波器迭代过程，等待第i+1次迭代的到来；如果当前滤波器参数达到学习标准条件，采用所述RLS周期预测算法计算得到PCi作为下一转的预测周期PCi，并跳出本次滤波器迭代过程，等待第i+1次迭代的到来。优选的，所述采用RLS周期预测算法进行滤波器参数学习，其学习过程如下：a.计算周期误差ei，如下：ei＝RCi-PCi-1(1)其中，ei表示第i次迭代的周期误差，是RLS滤波器的误差反馈信号，由第i次迭代时两个参数RCi和PCi-1相减得到；RCi表示为第i次迭代的实际周期，用于作为第i次迭代计算周期误差ei的第一参数；PCi-1为第i-1次迭代输出得到的预测周期，用于作为第i次迭代计算周期误差ei的第二参数；b.计算增益向量ki(m)，如下：其中，ki(m)表示大小为m*1的第i次迭代的增益向量；λ为常量，表示遗忘因子；m为常量，表示RLS自适应滤波器阶数；Pi-1(m)表示大小为m*m的第i-1次迭代的逆矩阵；ui-1(m)表示大小为m*1的第i-1次迭代的输入矩阵；c.计算迭代的逆矩阵Pi(m)，如下其中，Pi(m)表示大小为m*m的第i次迭代的逆矩阵；T表示矩阵转置；d.计算权值向量wi(m)，如下：wi(m)＝wi-1(m)+ki(m)ei(4)其中，wi(m)表示表示大小为m*1的第i次迭代的权值向量；wi-1(m)表示表示大小为m*1的第i-1次迭代的权值向量其向量值；e.更新输入矩阵ui(m)，如下：ui(m)＝[RCi；ui-1(1:m-1)](5)其中，ui(m)表示大小为m*1的第i次迭代的输入矩阵，该矩阵是针对RCi进行m阶采样构成，每次迭代都要更新ui(m)，更新模式为进出队列模式，即每次迭代都要在队头输入一个新的RCi，并将第i-1次迭代的1到m-1的u向量值向队尾推进，队尾ui(m)的值被ui(m-1)覆盖；f.计算下一转的预测周期PCi，如下：PCi＝wiT(m)ui(m)(6)其中，PCi为第i次迭代输出得到的预测周期，即RLS滤波器的输出，作为第i+1次迭代求取周期误差ei+1的第二参数，其值为第i次迭代的权值向量wi(m)的转置向量与m阶输入向量ui(m)的向量积得到。优选的，所述单步周期预测算法中，将实际旋转周期RCi设置为下一转的预测周期PCi。优选的，所述判断当前滤波器参数是否达到学习标准条件，包括：如果连续t个周期内采用RLS周期预测算法计算得到的误差值|ei|与单步周期预测误差值|ei'|相减得到的差值η为负值的比例θ大于等于预设值时，表示达到学习标准条件；其中，ei'＝RCi-RCi-1。优选的，所述t等于10，所述预设值等于60％。即10个连续周期中，有6次测得η值为负值，则判断当前滤波器参数达到学习标准条件。优选的，判断串口信号有效的方法为：判断串口信号指定字段的值是否等于设定值，如果是，则判断接收到的串口信号为有效。本专利技术还提供一种采用自适应滤波器的大圆机旋转周期预测系统，基于所述的采用自适应滤波器的大圆机旋转周期预测方法，包括：下位机、上位机及连接在所述下位机和上位机之间的串口传输线；所述下位机包括大圆机和接近开关；所述接近开关包括固定在大圆机机台内壁的红外探头及能够随大圆机进行圆周运动的圆周外壁螺母；所述大圆机每工作一圈，所述接近开关产生一个串口信号并通过所述串口传输线发送给所述上位机，所述上位机根据所述大圆机旋转周期预测方法进行旋转周期预测。本专利技术具有如下有益效果：(1)为了在大圆机实际生产环境中采用定时抓拍方法准确的抓拍图像，既要克服实际生产复杂的环境影响，又要克服大圆机自身使用寿命的影响，因此，本专利技术提出了一种采用自适应滤波器的大圆机旋转周期预测方法，通过RLS(最小二乘法)周期预测算法和单步周期预测算法的结合，实现了一种适应于大圆机工业生产的旋转周期预测的自适应滤波器；通过实验证明，运行采用自适应滤波器的大圆机旋转周期预测方法能够快速准确对大圆机特点串口信号做出分析处理，并对大圆机旋转周期进行预测，同时能够适用于不同的大圆机工作环境，如一旦检测到异常的串口信号，则不作为自适应滤波器的学习对象；(2)RLS周期预测算法，具有一定的自学习能力，能够在对大圆机实际旋转周期学习训练一段时间后，预测能力达到一定的准确程度，并且在这之后，可保留训练好的参数对之后的旋转周期进行预测，但是，该算法存在一定的学习缓冲期，在此期间RLS周期预测算法所预测得到的周期与实际相差甚远，不能直接用于疵点检测视觉系统的定时抓拍操作；单步周期预测算法，则是假定大圆机的预测旋转周期近似等于前一转的实际旋转周期，由于实际大圆机实际工作中，出现前后转波动性变化的次数较少，此假定条件基本满足，则单步周期预测算法可以直接用于疵点检测视觉系统的定时抓拍操作，但是，该算法存在一定的假定条件，没有自适应能力，且周期预测准确度没有RLS周期预测算法强，不适用于大圆机复杂的生产环境。基于此，本专利技术结合RLS周期预测算法和单步周期预测算法，提出了一种采用自适应滤波器的大圆机旋转周期预测方法及系统，既具备自适应能力且适用于大圆机复杂的工作环境；(3)本专利技术与疵点检测视觉系统紧密结合，通过串口信号的实时分析和自适应滤波的处理可快速准确的获取预测周期，本文档来自技高网...

【技术保护点】
一种采用自适应滤波器的大圆机旋转周期预测方法，其特征在于，包括：实时接收接近开关发送的串口信号，对接收到的最新两个有效串口信号的时间求差，获得大圆机实际旋转周期RCi；其中，i表示大圆机旋转次数，在滤波器中表示迭代循环次数；采用RLS周期预测算法进行滤波器参数学习，计算下一转的预测周期PCi；判断当前滤波器参数是否达到学习标准条件；如果当前滤波器参数未达到学习标准条件，采用单步周期预测算法获得下一转的预测周期PCi，并跳出本次滤波器迭代过程，等待第i+1次迭代的到来；如果当前滤波器参数达到学习标准条件，采用所述RLS周期预测算法计算得到PCi作为下一转的预测周期PCi，并跳出本次滤波器迭代过程，等待第i+1次迭代的到来。

【技术特征摘要】
1.一种采用自适应滤波器的大圆机旋转周期预测方法，其特征在于，包括：实时接收接近开关发送的串口信号，对接收到的最新两个有效串口信号的时间求差，获得大圆机实际旋转周期RCi；其中，i表示大圆机旋转次数，在滤波器中表示迭代循环次数；采用RLS周期预测算法进行滤波器参数学习，计算下一转的预测周期PCi；判断当前滤波器参数是否达到学习标准条件；如果当前滤波器参数未达到学习标准条件，采用单步周期预测算法获得下一转的预测周期PCi，并跳出本次滤波器迭代过程，等待第i+1次迭代的到来；如果当前滤波器参数达到学习标准条件，采用所述RLS周期预测算法计算得到PCi作为下一转的预测周期PCi，并跳出本次滤波器迭代过程，等待第i+1次迭代的到来。2.根据权利要求1所述的一种采用自适应滤波器的大圆机旋转周期预测方法，其特征在于，所述采用RLS周期预测算法进行滤波器参数学习，其学习过程如下：a.计算周期误差ei，如下：ei＝RCi-PCi-1(1)其中，ei表示第i次迭代的周期误差，是RLS滤波器的误差反馈信号，由第i次迭代时两个参数RCi和PCi-1相减得到；RCi表示为第i次迭代的实际周期，用于作为第i次迭代计算周期误差ei的第一参数；PCi-1为第i-1次迭代输出得到的预测周期，用于作为第i次迭代计算周期误差ei的第二参数；b.计算增益向量ki(m)，如下：其中，ki(m)表示大小为m*1的第i次迭代的增益向量，通常来说ki(m)值越大，RLS周期预测算法的修正能力越强；λ为常量，是一个经验系数，表示遗忘因子；m为常量，是一个经验系数，表示RLS自适应滤波器阶数，可根据收集得到的当前大圆机的实际旋转周期进行计算得到；Pi-1(m)表示大小为m*m的第i-1次迭代的逆矩阵；ui-1(m)表示大小为m*1的第i-1次迭代的输入矩阵；c.计算迭代的逆矩阵Pi(m)，如下其中，Pi(m)表示大小为m*m的第i次迭代的逆矩阵；T表示矩阵转置；d.计算权值向量wi(m)，如下：wi(m)＝wi-1(m)+ki(m)ei(...

【专利技术属性】
技术研发人员：谢维波，刘涛，
申请(专利权)人：华侨大学，
类型：发明
国别省市：福建,35