柔性物料高速加工时产生的变形,采用单纯的闭环反馈,往往造成较严重的振荡,难以进行实时补偿,严重影响加工效率。而采取前馈控制方式时往往只能采用一些经验数据进行加工前修正,误差较大。 本文为克服单纯前馈与单纯反馈控制的缺点,引入神经网络和计算机视觉测量技术,以绗缝机为典型的研究对象,对柔性物料的位置变形采用前馈与反馈结合的方法。在加工每一针前根据设定轨迹、运动参数、物料材质、当前加工位置等先用BP神经网络得到加工点粗略的变形量,对加工轨迹进行预补偿。加工时动态采集加工点的局部图像,经数字图像处理得到加工点实际坐标与设定坐标的偏差值,一方面将所得值作为神经网络的输出样本,结合相关参数对神经网络进行在线培训,另一方面将此偏差值与加工点设定坐标之和(即加工点实际坐标)用神经网络的输出进行预补偿,求出其与针头实际位置的差值作为PID控制器的输入,从而提高控制系统的动态特性,实现快速精确绗缝的自动化加工。 本文对基于BP神经网络和PID的并行控制进行了MATLAB仿真,仿真结果证明BP神经网络和PID的并行控制与单独PID控制相比,系统的性能有了很大提高。本文还对柔性物料变形量的机器视觉测量提出了实现方法和系统方案,并用VC++编写的软件对其进行了验证。 为针对神经网络运算量大的特点,本文提出了基于PCI总线的FPGA解决方案,在对BP算法进行仔细分析的基础上,对系统中两个主要的基本单元的设计进行了初步探讨。