自适应测量（精选十篇）
自适应测量 篇1
关键词：自适应测量,粉尘浓度,测量范围,总悬浮颗粒物
0 引 言
粉尘即空气中的悬浮颗粒物,其大小在0.01～20 μm范围内。环境保护部门将空气动力学当量直径大于10 μm 的悬浮颗粒称为可见粉尘,它们在静止空气中会快速沉降;空气动力学当量直径小于等于10 μm的悬浮颗粒称为可吸入颗粒物;空气动力学当量直径小于等于7.07 μm 的颗粒物称为呼吸性颗粒[1,2]。
随着国民经济的快速发展,粉尘污染越来越严重。目前我国大气呈煤烟型污染,许多城市空气中的总悬浮颗粒物(TSP)长期居高不下,与世界卫生组织所给的空气质量标准相差甚远[2]。粉尘对人类危害极大,尤其是小粒径颗粒物,因为小粒径颗粒物能长时间飘浮在大气中,难以沉降到地面,易进入人体呼吸道,且粒径越小,在人体呼吸道中的沉降位置越深,危害就越大。因此粉尘浓度的测量在环境保护领域中具有十分重要的意义[3,4],是迫切需要解决的问题。
测量粉尘浓度的方法各式各样,大致有两种类型:基于取样的方法进行测量(如滤膜称重法)和基于非取样的方法进行测量(如光散射法)。近年来国内外均采用光散射原理进行粉尘浓度测量,该测量方法可以实时在线测量,直接获取测量结果,并可以实现数据存储、数据输出、自动测量、通信等功能;体积小、重量轻、操作简便、稳定性高、可靠性高也是该类仪器的明显优点[5,6]。
1 光学粉尘测量仪的工作原理与硬件组成
理论和实验研究表明,在粉尘性质一定的条件下,粉尘的散射光强度与其质量浓度成某种比例关系。粉尘浓度测量仪正是依据这一理论进行设计,它以悬浮颗粒物(粉尘)在光束中产生的光散射现象为原理,直接准确测量空气中悬浮颗粒物的相对质量浓度[7,8,9,10,11]。根据光散射原理,当尘埃颗粒的半径r小于光的波长λ时满足式(1):
undefined
式中:V=(4/3)πr3;N为单位体积内的粒子数;ε为空气中的介电常数;ε0为真空中的介电常数;θ为散射角;R为光敏感区到光电转换器的距离;r为粒子的半径;I0为入射光强;λ为光源的波长;H为与测量系统几何尺寸有关的一个常数。
显然,在某一测量系统中λ,ε,ε0,θ,R,H,I0可以认为是常数,由于进行质量浓度测量时,尘埃颗粒是数颗一起通过光敏感区,因此在入射光强保持不变的情况下,散射光强Iθ与V,N相关。
光学粉尘测量仪主要由光学传感器、信号调理单元、模数转换单元、微机控制、通信接口、气路系统、电源系统等组成。其总体硬件结构如图1所示。
粉尘浓度测量的工作过程如下:
(1) 测量开始由气泵将被测空气抽入光学传感器。光学传感器由照明系统、散射光收集系统组成,这两个系统的轴线与采样气流的轴线相互垂直,交点周围的一个小区域是测量系统的光敏感区,它是粉尘流过时得到照明并产生散射光的位置。半导体激光器发出的光波穿过具有粉尘的被测区域后,光电二极管将散射光信号转换成电信号。
(2) 光电转换后的信号极其微弱,因此需通过信号调理电路对获得的信号进行处理和放大,以满足A/D转换接口的需要。
(3) 信号经A/D转换器转换后,送微处理器。
(4) 微处理器对采集到的数据实时进行计算,并自动生成当前粉尘浓度值,同时将数据进行存储、显示,根据需要对测量结果进行打印或将数据传送至PC机。
2 自适应测量功能
粉尘测量仪的光电转换电路和信号调理电路如图2所示,其中运算放大器1为前置放大,功能是完成I/V转换,并将信号放大。运算放大器2完成信号调理和放大。由于粉尘测量仪的测量范围很宽,一般为0.01～20 mg/m3,在这样宽范围内保持测量数据的线性和准确,使用常规的放大电路是较为困难的。这是因为要保证在极低浓度时测量准确,必然要将放大器设计成很高的增益,然而当粉尘浓度达到3 mg/m3时,放大器几乎达到饱和,因此按常规设计方案不能满足0.01～20 mg/m3的测量范围。为此,设计了一个硬件和软件相结合,能完成自适应测量功能的信号调理电路,如图3所示。
图3电路是一个8选1程控放大器,放大器的放大倍率通过程序控制可分为1,2,4,5,10,20,30,50,自适应测量功能的实现如下:当仪器进入测量微处理器发出控制命令,使程控放大器处于放大倍率50状态,读取数据后判断程控放大器是否处于最佳的工作状态,若发现溢出或不在最佳的工作状态,则改变程控放大器的放大倍率,使其进入最佳的工作状态,为了使测量数据统一,可以通过软件进行修正。测量控制软件的流程如图4所示。
3 实测数据与分析
测试采用了粉尘发雾装置产生粉尘与空气的混合气体,用同一根管道分别送入具有自适应测量功能和常规的放大电路的两种仪器进行测量,每种仪器各用2台,分A组和B组。图5(a)和(b)是A组和B组测试数据的对比曲线。
由于实验测得的是一些离散的数据点,为了更好地分析数据,找出其内在的规律性,利用这些离散的数据点,运用最小二乘法进行曲线的拟合并绘制出曲线拟合图,这些用Matlab实现。生成的曲线拟合图如图6所示。
4 结 语
测试结果表明,采用常规放大电路的仪器在粉尘浓度为3 mg/m3时就进入饱和状态,无法测量粉尘浓度大于3 mg/m3的数据。而采用具有自适应测量功能的仪器在粉尘浓度为10 mg/m3时还具有较好的线性,证明该方法有效地扩大了测量范围,特别是在测量高浓度粉尘的情况下,明显提高了测量的准确性和测试精度,通过对空气的实际测量,具有自适应测量功能的仪器达到了0.01～20 mg/m3的测量范围。
参考文献
[1]GB3095-1996.环境空气质量标准[S].
[2]GB9663~GB9673-96.公共场所卫生标准[S].
[3]徐如瑜,谢利利,田贻丽.微尘浓度测量仪的研究[J].仪器仪表学报,2004,25(4):187-189.
[4]邹丽新,季晶晶,汤荣生.基于光散射的小型便携式粉尘测量仪的研制[J].大气与环境光学学报,2008,3(5):354-356.
[5]GB9802-88.空气质量总悬浮微粒的测定重量法[S].
[6]GB6921-86.大气飘尘浓度测定方法[S].
[7]Borhren C F,Hufm D R.Absorption and Scattering of Lightby Small Particles[M].New York:Wiley,1983.
[8]Sun Guozheng,Sun Qiang,Ren Zhibin.Analysis of theRadius of Microsphere Particles Based on Mie ScatteringTheory[J].Infrared and Laser Engineering,2005,34(4):497-498.
[9]孙国正,孙强,任智斌.基于Mie散射理论的微球体颗粒半径分析[J].红外与激光工程,2005,34(4):497-498.
[10]吴泉英.数字式粉尘测试仪中的信号处理[J].苏州城建环保学院学报,1999,12(2):53-55.
自适应结构综述 篇2
自适应结构综述
开展自适应结构研究的目的.是为了衰减与控制大型柔性空间结构的振动,并保持其外形.在这种结构的承力部分集成有作动器、传感器和控制器,可对内部或外部激励自动地作出响应,并进行调整.自适应结构在未来大型空间飞行器中将具有重要的且不可代替的作用,文中对自适应结构的有关技术进行了综合论述,内容包括自适应结构的发展背景、定义与组成、基本概念与理论,以及有关关键技术.
作 者：夏人伟 Xia Renwei 作者单位：北京航空航天大学,宇航学院刊 名：北京航空航天大学学报 ISTIC EI PKU英文刊名：JOURNAL OF BEIJING UNIVERSITY OF AERONAUTICS AND ASTRONAUTICS年，卷(期)：25(6)分类号：V414.19关键词：结构设计 结构材料 结构工程 自适应结构 智能结构 机敏结构
自适应网络存储体系 篇3
在传统IT系统中，主机系统既负责数据的计算，也在通过文件系统、数据库系统等手段对数据进行逻辑和物理层面的管理。然而，由于历史发展的原因，各种系统拥挤在用户环境中，使数据被分割成杂乱分散的“数据孤岛” (data island)。因此，从90年代后期，人们开始寻找存储网络化和智能化的方法，通过提高存储自身的数据管理能力，独立于主机系统之外，以网络方式连接主机和存储系统，以设备资源透明的方式为计算提供数据服务。基于光纤(FC)协议的SAN和基于IP以太网技术iSCSI相继成为了广大行业客户首选的最新存储技术。
独立存储关键特性
在计算与存储分离的实践中，人们逐渐发现，性能、容量这些比较明显易见的存储系统要求，并不是对一个独立存储系统的全部要求，甚至不是主要要求。要达到存储系统独立的数据管理目标，对存储系统的特性有如下几个方面的要求，按照重要性排列分别是：
1、可靠性 Availability：
数据集中到存储系统中，必然对系统设备的可靠性提出更高的要求。同时需要建立数据备份、容灾系统进行配合，提高数据安全性。
2、可扩展性 Scalability：
网络时代业务发展的不确定性和数据的高速膨胀，对独立于计算系统之外的存储系统，必然提出高可扩展性的要求。这种扩展性并非是简单的容量扩展，同时还必须包括数据处理能力、数据交换带宽和数据管理功能的扩展。
3、兼容性 Compatibility：
虽然存储系统已分离于计算系统之外，但今天主机系统对数据的使用方式，仍旧以文件系统、数据库系统为主要手段。存储系统要适应各种主机系统的数据I/O要求，就必须能够兼容各种操作系统、文件系统、数据库系统等各种传统数据管理手段。
4、可管理性 Management：
支持各种主流的管理协议和管理架构，能够与网络、计算等各种设备统一管理和集中管理，能够在各种复杂的环境中实现方便统一的设备和数据管理功能。
5、性能 Performance：
能够根据不同应用类型要求，提供带宽、IOPS(IO Per Second,每秒IO操作数)、OPS(Operations Per Second，每秒并发操作数)、ORT(Overall Response Time，总响应时间)等不同指标侧重点的性能服务。高端系统还应能够对系统性能进行动态的扩展和调整。
6、功能 Function：
各种数据迁移、数据分发、数据版本管理、数据复制、在线扩容等数据管理功能。
新一代自适应网络存储体系
而现在我们又有了更新、更智能、更自如的选择：Neocean自适应网络存储体系。它以IP存储技术、WSAN(广域SAN)技术、网格存储技术、虚拟存储技术、数据应用服务技术五大技术群，构建了新一代自适应网络存储体系。
Neocean自适应网络存储架构的特点集中表现为：
业务自适应——与用户的业务同步增长和同步调整。在基础设施建设的投资风险和预留充裕扩展空间的矛盾中，Neocean依靠IP技术和自适应存储技术的灵活、智能和开放性，既能够降低用户初次采购的成本，又能够预留出足够的扩展和升级空间。甚至在今天的GE产品体系中，都已为下一步的10GE和infiniband预留了接口，以保证未来能够自动向下一代产品过渡而无需损失初期投资，并提供性能、功能的横向扩展。
应用自适应——用户IT环境中往往是多种应用并存的。一般包括数据库、文件服务、多媒体服务、WEB、EMAIL、资料存档等多种应用方式。不同应用对数据存取的需求差异很大。Neocean自适应存储架构能够针对每种不同的应用方式，定制不同性能、功能、可靠性的组合方式，以满足应用需求。
系统自适应——无论是刚刚开始搭建集中存储架构的用户，还是已经使用FC-SAN/NAS/SCSI系统的用户；无论是使用PC服务器的Windows用户，还是基于开放平台的UNIX用户；无论是使用高速带宽的高端用户，还是分散在WAN中的低带宽用户，Neocean自适应存储架构都能以其出色的功能和产品组合提供最适合用户的解决方案。
CT系统MTF自适应测量方法 篇4
调制传递 函数(Modulation Transfer Function,MTF)能够通过输出的正弦信号的调制与输入的正弦信号的调制的比值来定量客观地描述系统空间分辨能力[1],了解系统的MTF对系统各环节的性能设置具有重要意义[2]。
空间分辨率是CT检测中重要的指标之一,主要有两类检测方法,一类是利用体模的线对法和圆孔法,另一类就是MTF法[3]。线对法和圆孔法虽然方便,但却受测试者主观因素影响大,容易造成测试者意见不统一,所以在技术性测试中,一般采用客观的MTF法[4]。MTF也可表示成系统对于点扩展函数(PSF)的二维傅式变换[5],即MTF=FT(PSF)。实际系统的测量是以细丝模型的点函数作为系统的点输入,细丝的材料必须是吸收系数较大的金属线,具有极高的射线衰减能力[6]。
在MTF的计算中,PSF数据应该具有对称性,需要对实验数据进行填补和截尾等对称化处理,定位出PSF的中心位置,作为傅里叶变换的坐标原点。目前对于PSF的中心位置确定,多采用手动选取方法或最大CT值方法。而手动选取的随意性造成中心点偏移会对MTF产生较大影响,导致最终结果不能统一[7,8];最大CT值方法易受噪声影响,使得中心点以外一些像素点的CT值高于中心点,导致最大CT值所对应的像素点位于偏离点扩展圆中心点的位置,从而导致检测结果错误。本文提出了一种MTF自适应测量方法 , 即可自动检测点扩展区域中心点位置的算法,以提高检测的准确性。
1 自动检测中心点方法
改进的自动检测中心点位置的算法流程,见图1。具体步骤 :1在原始图片中截取一个背景均匀、包含点扩展圆的感兴趣区域(ROI);2由于ROI太小不方便分析,所以将ROI进行放大 ;3分析ROI区域的直方图,迭代运算出合适的阈值,从而对ROI实现二值化,分割出点扩展区域(点扩展区域是呈圆形的,中心位置即为点扩展圆的圆心);4对点扩展圆进行边界跟踪,然后利用Hough变换得到ROI中点扩展圆圆心的坐标 ;5将检测到的圆心坐标经过反变换,得到原始图像中对应的中心点位置 ; 6以求出的圆心坐标为中心进行傅氏变换,求出MTF。
2 实验结果分析
2.1 以最大CT值对应像素点作为中心点
通过实验来证实噪声对中心点的影响。实验方案是给感兴趣区域(ROI)添加不同大小的噪声,分别找出ROI和含噪ROI中最大CT值对应的像素点,然后分别以此像素点为中心计算并绘制MTF曲线,通过对比就可以看出噪声对中心点位置以及MTF曲线的影响。
图2(a) 展示的是大小为50像素×50像素,包含点扩展区域的ROI,图2(b) 和图2(c) 分别是加0.001% 和5% 零均值高斯噪声的ROI。3者最大CT值所对应的像素点分别为(24,31),(24,31),(21,33), 这3个像素点 分别对应着原体模图像中点扩展区域的中心点位置(311,206),(311,206),(308,208),计算出的MTF曲线见图2(d)。可以发现,当噪声的量很少时,中心点位置没有发生改变,其MTF曲线也非常接近,近乎重合 ;而当噪声的量比较多时,中心点位置以及MTF曲线都发生了明显改变。所以,一般情况下,以最大CT值对应像素点作为中心点的方法不能得到稳定的MTF值。
2.2 改进的自动检测中心点方法的效果
通过上述实验可知,当ROI添加0.001% 的零均值高斯噪声时,中心点位置并没有发生改变,仍是(311,206),这说明此图片中以(311,206)作为点扩展区域的中心点是正确的。
自动检测中心点算法检测结果,见图3。结果显示,自动选点方法获得的中心点位置也是 (311,206),两者结果一致,说明本文提出的自动检测中心点的方法是准确且有效的。
3 结论
油藏自适应历史拟合的研究 篇5
利用优选与正交设计等理论,给出了单因素和多因素油藏自适应历史拟合的序贯试验法.由可调参量的`变化范围以及拟合对象的最大可能值,选出最优值,在此基础上进行试验,避免了过去人工历史拟合的不足,可以提高预测的可靠性,有利于油田的合理开发.最后,编制了计算机程序对实例进行计算,计算结果表明该方法行之有效.
作 者：翟瑞彩 刘春凤 作者单位：天津大学理学院,天津,300072 刊 名：天津大学学报(自然科学与工程技术版) ISTIC EI PKU英文刊名：JOURNAL OF TIANJIN UNIVERSITY(SCIENCE AND TECHNOLOGY) 年，卷(期)： 35(6) 分类号：O241 关键词：正交设计 自适应历史拟合 序贯试验法
交换端口自适应模式引发传输不稳 篇6
事件回放
某办公室最近组建了一个规模不大的局域网，网络中只有六台笔记本电脑，一台文件服务器，这些电脑和服务器全部通过六类双绞线连接到一台H3CS3050接入交换机中，并通过该交换机进行上网访问。由于网络规模不大，网络管理员也没有进行VLAN划分设置，所有计算机全部位于一个网段中，平时它们上网访问十分稳定，而且速度也是很快的。
最近，办公室中的一位员工尝试从自己的笔记本电脑中，拷贝一个大约10M的文件到文件服务器中时，居然耗费了几分钟的时间，这在以往的话，最多只要1分钟左右就能搞定。后来，他尝试与相邻的一台笔记本电脑进行文件传输操作时，发现网络传输速度也很慢，使用ping命令测试对方计算机的IP地址时，发现数据传输存在延迟现象。
排查故障
上面这种网络故障，在局域网环境中十分常见，造成这种故障的原因主要包括物理连接线路不稳定、局域网中遭遇病毒攻击、参数配置不当以及交换机负荷过重等因素，对于这些可能的因素，需要进行逐一排查。为了判断网络连接是否通畅，网管员使用ping命令测试了文件服务器的IP地址，发现这项操作响应时间还是比较短的，显然这种响应行为还是很正常的；在其他几台笔记本电脑中进行测试时，ping命令测试操作也很正常，这说明物理连接线路在连通性方面没有任何问题。后来，网管员怀疑局域网可能遭遇到了病毒攻击，于是从网上下载专业抓包工具，来进行数据抓包分析，结果发现网络中的数据流量没有什么异常的地方；使用超级管理员账号进入交换机后台系统，扫描查看每个交换端口的数据流量时，看到它们的输入数据包、输出数据包以及广播数据包都正常，这就意味着局域网中不存在蠕虫病毒攻击或黑客攻击的可能，而且局域网中也不存在网络环路现象。
联想到网络中使用的传输介质是六类双绞线，网管员怀疑问题出在这里，毕竟六类双绞线目前的布线成功率不是很高，那么究竟如何判断六类双绞线链路是否存在问题呢?思来想去，网管员决定找来一根连通性正常的超五类双绞线进行替代连接，毕竟局域网中的交换机、服务器、笔记本电脑使用的都是超五类端口；要是普通的超五类双绞线连接笔记本电脑与文件服务器以后，文件传输速度能够被快速提升的话，那就意味着六类双绞线的确存在问题。不过，当网管员替换使用超五类双绞线连接后，发现网络传输文件的速度还是和以前一样缓慢，显然问题与六类双绞线一点关系也没有。由于网络传输文件缓慢的故障现象在每台笔记本电脑中都出现，网管员：认为局域网中的交换机可能存在：问题，因为交换机工作时间长了之后，很容易发生系统缓存错误或者超负荷运行的情况，这些情况也容易造成网络传输文件很慢的故障；对于类似交换机这样的情况，往往通过重新启动交换机后台系统的方法就能解决问题。但是网管员尝试进行重启操作时，竟然没有一点效果。
返回到故障笔记本电脑系统，打开系统设备管理器窗口，从中展开网络适配器节点，用鼠标右键单击目标网卡设备，执行右键菜单中的“属性”命令，弹出目标网卡设备的属性对话框，在常规标签页面中网管员看到网卡的运行状态显示为正常，切换到高级标签设置页面，发现网卡设备的工作模式处于100M全双工状态(如图1所示)，这种设置也没有明显的错误；在检查网卡设备绑定了哪些协议时，网管。员看到许多用不到的协议默认都被绑定到了网卡设备中，会不会是这些无效的网络协议干扰了网络连接稳定性呢?为了尽可能排除干扰，网管员立即将一些无关的网络协议全部卸载掉，再重新启动了一下计算机系统，但是故障现象依然存在。
解决故障
在万般无奈之下，网管员只好将目光再次聚焦到连接了所有计算机和服务器的交换机上。仔细观察每个端口的信号灯状态时，发现黄色的信号灯处于点亮闪烁状态，而正常情况下，应该是绿色的信号灯处于点亮状态呀，为什么会出现这种情况呢?重新进入交换机后台系统，查看相关端口的状态信息时，发现各个端口都处于UP状态(如图2所示)，这种状态说明交换端口正处于工作状态；在查看其他一些状态信息时，网管员偶然看到交换端口基本都被设置成了自适应模式。
联系到之前查看到的网卡设备均处于100M全双工状态，按理来说，交换机端口与它相连的网卡设备应该使用相同的工作模式才对呀，会不会是交换端口自适应模式引发了网络传输不稳故障呢?尝试将交换端口的工作模式修改为100M全双工状态后，再在故障笔记本电脑中进行上网测试，结果发现文件传输速度立即恢复到了正常状态；继续在其他几台笔记本电脑中测试，发现以前的故障也都已经消失了，这说明上述问题的确是由交换端口自适应模式引起的。
揭密原因
上述问题虽然解决了，但让网管员感到十分疑惑的是，交换机端口之前一直处于自适应模式状态，为什么以前局域网传输很稳定，现在会出现这种问题呢?经过询问办公室员工了解到，他们当中有人在前几天上网查看资料时，偶然知道网卡端口的数据吞吐量在全双工状态下比半双工状态下高两倍；为了能将网速提得高一些，大家都跟着自行修改了网卡的工作模式，强行将端口自适应模式调整为了100M全双工模式，不过，调整之后，不但网络传输速度没有见快，而且还带来了传输不稳定的麻烦。
弄清楚了故障产生根源之后，网管员还是有点纳闷，即使网卡端口处于100M全双工模式状态，但由于与之相连的交换端口处于自适应模式，在该模式下网络传输应该不受影响才对呀?经过上网一番搜索后终于了解到，当交换端口处于自适应模式时，它一般会智能调整为和网卡端口同样的工作模式；要是网卡端口也被设置成自适应模式的话，那么交换端口便会和它进行自动协商，协商的顺序按照100M／全双工、100M／半双工、10M／全双工、10M／半双工模式进行，直到相互之间都工作于同样的传输模式为止。不过，如果网卡设备被设置成100M／全双工模式，那么交换端口的自适应模式，只能工作在10M／半双工状态，因为在这种通信情形下，网卡设备不会主动提供端口模式信息给交换端口，而交换端口由于
无法了解网卡设备的模式信息，于是会默认选择半双工模式进行工作，这样一来，交换端口与网卡端口的模式就会不匹配，最终造成了网络传输文件不稳定的故障了。
管理经验
为了不让交换端口影响整个网络的传输性能，我们有必要加强对交换端口的控制与管理，确保目标端口始终能够稳定运行。
控制端口流量
为了防止网络中的突发大流量“顶死”交换端口，很多用户会启用交换端口的流量控制功能，不过当同时启用了本地交换端口、对方交换端口的流量控制功能后，如果本地交换机意外发生了信息堵塞毛病时，本地端口就会智能向对方端口发送广播消息，及时提醒对方端口此时此刻不要继续向本地端口发送数据报文，而对方端口一旦收到对应的提示信息后，就会立即暂停向本地端口发送数据报文，如此一来就可以有效控制数据报文频繁丢失故障的出现。同样地，如果对方交换端口存在信息堵塞毛病时，对方端口也会智能向本地端口发送广播消息，来及时提醒本地交换端口此时此刻不要向对方端口继续发送报文，而本地端口在收到对应的提示消息后，也会立即暂停向对方端口发送数据报文。
在H 3C系列交换机中，要启用某个端口的流量控制功能时，只要先以系统管理员权限登录交换机后台系统，使用类似“interface e0／6”之类的命令，切换到目标交换端口的视图模式(如图3所示)，同时在该模式下输入“flow-control”命令，按回车键后，那么我们就能成功启用目标交换端口的流量控制功能了，只是在缺省状态下，所有端口的流量控制功能都处于未启用状态。在流量控制功能正常运行的时候，如果用户想临时停用某个交换端口的流量控制功能时，可以先进入指定端口视图模式下，输入“undo flow-control”命令，按回车键就能达到停用目的了。
控制端口类型
以太网上网端口一般有trunk、access、hybrid等三种链路类型，其中trunk类型的端口既能属于一个Vlan，也能同时属于多个Vlan，甚至能属于所有Vlan，这种类型的交换端口正常用于连接类似交换机、路由器之类的重要网络设备，它可以同时接受和发送多个V1an的数据报文。相比而言，access类型的端口只能同时属于1个Vlan，该类型的端口往往只能用于连接一般的计算机设备。而hybrid类型的交换端口既能属于一个Vlan，也能同时属于多个Vlan，也可以同时接受和发送多个V1an的数据报文，这种类型的端口既能连接交换机、路由器之类的重要网络设备设备，也能用于连接普通计算机系统。在同一台交换机设备中，前面几种类型的交换端口能够同时共同存，只是hybrid类型端口与trunk类型端口相互之间无法直接切换，所以网管员可以先将指定交换端口设置为access类型，之后再调整为其他类型，缺省状态下所有交换端口的类型都被设置为了access类型。
在配置H3CS3500系列交换机端口的具体类型时，可以先进入交换机后台系统，使用“system”命令进入系统全局视图模式，通过“interfacee0／6”命令切换到指定端口视图模式，输入“port link-typeaccess”命令，按回车键后目标交换端口类型就被强行调整为access了，该交换端口一般只用于连接普通计算机系统。要将某个交换端口调整为hybrid类型时，只要在目标端口视图模式下输入“port link-typehybrid”命令，按回车键就能达到目的了，该端口既可以连接重要网络设备，又能连接普通计算机；如果输入“port link-typetrunk”命令，可以直接将指定交换端口类型调整为tnmk。
善于重启端口
交换机设备上正常会存在若干个交换端口，由于安全方面的原因，那些已经被开启了的交换端口如果工作状态不正常或暂时用不到的话，应该及时将这些端口工作状态停用掉，以防止恶意攻击通过该端口威胁整个网络的运行安全。一般来说，在指定端口视图模式下使用shutdown命令，就能临时停用目标交换端口的工作状态。比方说，在停用交换机第9个端口工作状态时，只要在交换机后台系统依次输入“system”、
“interfacee0／9”命令，进入第9个端口的视图模式，在该状态下执行“shutdown”命令就能停用指定交换端口的工作状态了，这时目标端口就无法正常转发数据报文了。
在实际管理、维护H 3CS3500系列交换机产品的时候，网管员应该善于使用“shutdown”命令，暂停使用一些流量不正常的交换端口，以避免整个网络出现流量堵塞故障，从而造成整个单位局域网无法稳定运行。日后，需要重启指定交换端口工作状态时，只要使用“undoshutdown”命令，恢复指定交换端口的设置即可，这时指定交换端口又可以正常转发数据报文了。在这里，建议大家日后在配置交换端口时，尽量不要开启运行所有的交换端口，平时需要几个端口就开启几个端口，如果轻易将所有端口全部开启的话，可能会拖累交换机运行性能，甚至还会影响整个网络的运行稳定性。
控制端口回路
在规模稍大一些的网络中，回路现象总是不可避免；要是出现这种故障，轻则导致上网速度缓慢，重则造成整个网络无法正常工作。而回路故障因为具有一定的隐蔽性，网管员在排查故障的时候很容易走弯路。为了快速排查网络回：路故障，现在不少型号的交换机都支持网络回路监控功能，善于使用这项功能，可以大大地提升网络管理效率!
自适应技术在电网功率测量中的应用 篇7
近年来，电能质量和电能计费问题越来越倍受关注。如何更好地测量电网功率成为一个热点问题。功率的测量必然涉及到计量精度这一技术指标，目前国家有功电能计量标准是0.01[1]，无功电能计量标准正由中国计量研究院作为研究项目正在研制，谐波电能目前各国还没有标准，各省计量研究院计量有功标准基本上是0.02，各个企业生产的电能表标准基本上在0.05。因此及时发现和校验电能表计量是否准确对于用户与供电系统颇为重要，具有较高精度、小体积、便携现场电能校验仪表的研制也迫在眉睫[2,3,4,5,6,7]。但是目前生产便携式现场校验设备的厂家其有功标准大概都在0.05以下，设备体积较大，不利于现场操作，这与电网功率测量技术相关，传统交流功率测量中经常基于同步采样技术采样电网中的电流和电压，即，利用电流和电压的同点采样值相乘与累加获得交流电网中的交流电能。实际电网的功率测量中，通常是把高电压和大电流转变成低电压与小电流，电网中存在的各种非线性及高频率干扰却影响了测量功率的准确度，比如电流互感器，当一次侧通入电流时，由于激磁的影响以及铁心材料的非线性特征使得互感器二次侧电流与一次侧电流不成比例[8];A/D转换前电流与电压经过各种元件在相位上将产生一定的滞后，幅值上也会有所下降;信号通过A/D通道也会产生随机干扰和高次谐波，由于电网中的电压与电流随负载大小，性质而有所不同，通常测量电参量的做法是用单片机与AD转换器组合实现[9]，因此实际得到的功率会不很理想，所以必须采取有效办法消除干扰，提高电网功率的测量精度，故本文提出在同步采样的基础上利用自适应采样技术和软件自学习补偿算法来消除干扰、相移、非线性等不利因素，结合DSP技术来提高功率的测量精度，实际证明方法显著。
1 软件同步采样电路
同步采样电路以高效DSP处理器作为内核实现电流电压数据的采集与处理[10,11,12]，同步采样采用软件实现，它无需额外硬件电路和大量的迭代运算，精度较高，其实现方式为：在被测信号周期T必须是采样间隔ST整数倍的前提下，先测出交流信号周期T，然后用该周期除以一周期内的采样点数N得到采样间隔，从而实现同步采样。图1为软件同步采样电路系统结构图，以采集A相电压和电流为例。
输入电压ua和输入电流ai分别通过分压器和电流互感器实现分压和分流，考虑到测量电流不能直接进行A/D转换，在经过RC低通滤波后加入电压跟随器，利用电压跟随器的高输入阻抗，低输出阻抗的特性，隔离输入与输出，使测量电路从系统中吸收较少的能量，放大后送入到自适应采样电路，自适应采样电路由FPGA和软件配合实现，变换好的测量电压将直接供给串行A/D转换器，模拟量变成数字量后经过光电耦合器送入DSP单元，实现电压电流的数字化。每一路输入电流和输入电压都进行隔离。测量采样频率时，将降压隔离、滤波后的电参量(以A相电压为例)，经过零比较器整形成方波，通过光电耦合送到DSP的输入接口中，通过定时器对该方波进行定时计数，读取定时间隔的计数值∆N，从中计算出频率f:
f=(N2-N1)/T=∆N/T(T为交流信号周期)
2 功率电能测量中误差产生的机制
假设A相输入电压为ua，输入电流为ai，电流滞后电压Φ角度，电网频率f固定，放大器为理想放大器，且不考虑噪声，非线性因素和干扰，U和I为有效值，则有，，对应的向量形式分别为：
经RC低通滤波后的电压为U2·：
放大后A相电压值为U'：
则前向通道的传递函数G(jw)为：
其中:uΦ=-arctan(wCR);
,k为放大倍数。
根据式(1)、(2)、(3)、(4)可得
故同步采样电路转换后的电网功率设为P'：
而电网实际功率设为P:
理论上，只要选择相同的电阻电容及同型号的运算放大器并进行幅值补偿的情况下就可以真正实现uΦ=iΦ，但实际上使用相同的电阻电容和同型号的运算放大器，也不能使得uΦ=iΦ，原因是由于采样过程通道中的非线性及高频干扰等因素的影响，以及电阻、电容和运算放大器等半导体元器件随温度变化的特性;导致实际的电压、电流、相位如下：
其中:fu(n T,t)与fi(n T,t)分别为电压和电流通道非线性及高频干扰的影响量，t是通道的温度值，∆Φ是相位误差。这样一来，测量功率与实际电网功率存在误差，用数学式表达即为P=P'+∆p，∆p为功率误差值。以往一些系统通过增加硬件来补偿两个通道的相位差，利用各种硬件和软件定量补偿，取得了一定的效果，但效果并不太理想[2,3,4,5,6,7]。
3 自适应技术消除功率误差的工作原理
由于通道传递函数不一致和各通道的非线性及高频干扰的影响，变换后的电压电流存在较小的相位值和非线性分量，传输通道对信号幅度也会产生衰减，因此所求的功率会偏小。故对于相位与幅值采用不同的自适应方法来消除各种随机和高频干扰，消除功率误差，提高电网功率的准确度。
3.1 自适应滤波和LMS算法
放大后的电压与电流信号在电压和电流通道中夹杂着较大的非线性，随机信号和高频噪声，对功率精度有着很大影响。
3.1.1 移动平均滤波器消除高频噪声
对于高频噪声，软件上通过采用移动平均滤波器，即非递归的FIR滤波器来消除，滤波器的输出为：
其中:x(n)为输入的电压电流信号。
3.1.2 自适应FIR滤波器消除随机信号
滤波后的电信号由于含有一定的随机信号，考虑到易实现性和实时性，采用基于最小均方(LMS)算法的自适应滤波器，滤出这部分干扰[10]。图2为一典型的自适应滤波器的方框图，ib为自适应权值系数(i=0,…,N-1)，上级标准测量值y(n)作为给定信号，s(n)为移动平均滤波后的信号。当s(n)发生变化时，FIR滤波器自动跟踪上次输入信号的变化，然后自动调整滤波器的参数使得误差信号e(n)均方值达到最小，最终实现滤波，实现自适应过程[13]。
LMS算法如下：
(1)自适应权值系数的初始化：bk=0,(k=0,…,N-1)
(2)求出自适应滤波器的输出：
(3)计算误差估计e(n)：e(n)=y(n)-y*(n)当有e(n)均方值≤ε(ε由软件设定)，算法结束，认为随机信号已基本消除，取此时的y*(n)作为后续的电信号，否则执行第四步。
(4)更新权值系数：根据最速下降法，“下一时刻”权值系数b(k+1)应等于“现时刻”权值系数b(k)加上一个负均方误差梯度-∇(n)的比例项µ(自适应收敛系数)，有
(5)返回第二步
具体操作时利用DSP处理器的LMS指令以及ST||MPY指令，计算当前自适应滤波输出的同时并更新滤波器的每个系数[10]，实现程序如下：
ST A,*AR4+;存储更新后的滤波器系数
LMS*AR4,*AR5;B=累加滤波后的输出，同时更新滤波器的系数
实际上噪声与随机信号无法真正消除，利用算法滤波后消除了电压和电流中的非线性、高频干扰和各种漂移对功率精度的影响，即，消除了式(9)中fu(n T,t)与fi(n T,t)这两项干扰量，这样使得电压和电流可近似成为：
3.2 幅度的自适应补偿
由于传输通道的影响，变化后的电压和电流信号幅度将会产生衰减，所求功率精度大大降低。虽然通过低通滤波，自适应滤波已排除了大部分不利因素，但还是无法满足电网功率测量的精度要求，因此提出根据不同的环境和时间通过自学习补偿算法实现自适应补偿，消除掉通道对幅度值产生的测量影响。
自学习补偿算法的原理是：先通过与较高一级的计量标准仪器进行比较，获得被检电能表的数据信息，然后通过内部设定的一个校准程序对被检电能表的准确度进行调整，经过计算得到的一系列的修正参数作为一个修正表存在一个内部的闪速存储器中，而且这个修正表可以随时被数字信号处理器所读取，经过自学习后，式(14)中系数αu与αI被归一化为1，电网的电压和电流可以近似表示为：
3.3 相位自适应采样克服相位失真
采样电压和电流信号时一般都采用同步整周期采样，即，先测量出交流信号的周期T，再用T除以一个周期内的采样点数，其中T是采样间隔ST整数倍。如图3所示(以A相为例)，假设t0时刻是电压电流信号的同步采样时刻，利用t0时刻虚线与电压和电流曲线相交点的对应幅值相乘再累加，便可求得测量功率P，实际上信号在传输通道过程中会产生相位失真使得所求功率精度不高。为此提出在同步整周期采样的基础上，在采样时刻附近选取一个参考相作为基准，根据每个通道每相的延迟，局部调整采样时间，如图3所示，把t0作为采样的参考相，在1t时刻采样电压信号Ui，而在t2时刻采样电流信号Ii，使得Φu=Φi+wn(t2-t1)成立，即∆Φ=wn∆t。只要通过调整电压电流采样的时刻1t与t2时刻,便可以求出实际功率，这样一周期内逐点相乘累加的功率和实际被测功率理论上就完全相等了。
系数可以通过一个标准的功率表自适应调整，求出标准功率与实测功率在各种情况下的差值，从而得出各种情况下的Φu-Φi的相位差值，再将该相位差值转换成高频脉冲数，当脉冲数计数到设定值，才进行采样，即在同步采样的基础上实时调整电压和电流的采样时刻。图4示出了自适应采样时序图，调整电压电流采样的时刻分别为1t与t2时刻,从而，求出实际功率。
通过上述的LMS滤波,相位自适应,幅度的自学习等措施，大大降低了功率误差值，此时的功率可以表达为：
从而大大改善了电网功率的测量准确度。
4 应用实例
目前国内现场校验仪由于使用了较多的硬件抗干扰与补偿措施，因而体积较大，不便于携带，可操作性较差，更重要的是电能计量精度误差很难达到0.05%，而本系统中提出的自适应采样、软件自适应滤波及软件幅度补偿与自学习算法，利用高性能DSP作为内核的技术，已成功应用在电能表现场校验仪中，具有现场测量电压、电流、频率、相位、有功功率、无功功率、功率因数等功能，精度误差能达到0.05%，重量仅为1.6 kg，体积仅为当前国内外同类设备的四分之一。表1为校验仪实际测试结果，表2与表3为通过比较法获得的数据。校验仪现已投入批量生产并通过河南省科技厅的技术产品鉴定，受到了用户的好评。
5 结论
自适应测量 篇8
关键词：自由曲面,伺服随动,自适应,跟踪测量
0 引言
自由曲面零件在现代工业中得到了越来越广泛的应用,对该类零件的精度检验和反求都离不开对自由曲面结构形状的测量。传统的三坐标测量机由于价格昂贵、测量效率低、接触式测头易造成测量误差,且无法与加工中心集成为一体等缺点,已越来越不能满足当前自由曲面高精度的测量需要[1]。目前流行的激光非接触自由曲面测量系统虽可实现快速测量、曲面重构和数控加工的一体化,但由于激光传感器的线性范围小,尚不能兼具大量程和高精度的优点[2,3,4]。
为克服激光位移传感器不能实现大量程自由曲面测量的缺点,提出了一种基于闭环运动控制技术的自适应跟踪测量方法,即根据自由曲面的特征将自由曲面划分成一定间距的截面,针对各个截面曲线曲率变化自动调整Z轴(纵向)的位置,保证被测点始终位于激光测头的线性度较高的测量范围内,而被测点Z向坐标由激光位移传感器和用于检测Z轴调整量的光栅位移传感器的输出共同确定。该测量方法还可以根据截面曲线曲率变化情况自动调整采样点间距,即在曲率变化大的部分,缩小采样间距,以提高测量精度;在曲率变化小的部分,适当放大采样间距,以提高测量效率。
1 测量原理及系统构建
测量系统整体结构如图1所示。将被测物置于可做X向和Y向精密移动的平台上,Z向伺服随动机构上装有用于测量的激光位移传感器和检测Z向调整量的光栅位移传感器。实测时,首先按根据自由曲面特征设计的路径规划,驱动测量平台沿Y向运动进行扫描测量,得到一截面曲线,然后驱动测量平台沿X向移动一个间距,完成下一截面曲线的扫描测量,如此循环即可得到整个曲面的三维坐标值。不同规格的激光位移传感器,其线性测量范围不同。在对截面曲线进行测量时,首先根据激光位移传感器的输出判断传感器是否工作在其线性范围内,如果在,即以此输出和当前激光测头的所在位置确定被测点的Z向坐标,如果不在,则控制伺服电动机的运动,在Z轴方向上作上下调整,使激光测头回到线性范围内,从而保证测量的精度。在测量平台沿Y向移动时,根据前面几个测量点Z向坐标值的变化情况来判定截面曲线的曲率大小,调整Y向移动间距以实现大曲率部分密集采样、小曲率部分适当分散采样,从而提高测量精度和效率。
2 系统硬件组成
整个系统的硬件组成如图2所示。在该系统中,运动控制模块采用PCI-7344运动控制卡;伺服随动机构为由PK566-B高精度五相步进电机驱动的精密滚珠丝杠线性机构;激光测头采用LG5B65NU激光位移传感器;光栅尺采用LB382光栅位移传感器;数据采集模块由PCI-6023E数据采集卡和CA204A—PCI光栅细分数据采集卡组成,分别完成对激光位移传感器和光栅位移传感器的数据采集。
3 系统软件设计
系统软件设计采用LabVIEW8.0开发平台。系统工作时,首先初始化以配置XY精密移动平台扫描速度、数据采集卡采样频率等参数,然后控制XY精密移动平台沿被测曲面四周运动以确定一个合适的包容矩形,完成曲面边界的确定,边界确定以后即可进行曲面三维坐标测量,并将所得数据进行曲面重构。整个软件系统的设计流程如图3所示。
3.1 曲面边界确定
在确定曲面边界时,先预设一个较大的包容矩形并在其四周作快速扫描,扫描过程中,若Z向坐标值发生明显跃变时逐渐缩小扫描步距,在跃变处作精密扫描,由此可确定边界信息。
3.2 测量平台运动控制
在LabVIEW中有专用于运动控制的工具包NI-Motion,该工具包提供了两种运动控制方法,即位置控制和速度控制,而在位置控制中又分为绝对位置控制和相对位置控制。在控制XY精密移动平台实现曲面扫描时,选用的是相对位置控制型控制方法。图4为基于相对位置控制型控制方法的单轴运动控制程序框图。
3.3 激光位移传感器线性度的标定测试
采用万能工具显微镜对激光位移传感器的线性度进行了测试,测试数据如表1所示。
采用最小二乘法对以上数据进行线性度计算,当传感器输出值在0~4V之间时,拟合直线为y=-0.2348+0.1352x,非线性误差为1.11%;当传感器输出值在4~7V之间时,其拟合直线为y=-0.296 03+0.138 89x,非线性误差为0.1%;而当传感器输出值在7~10V之间时,拟合直线为y=-2.2193+0.172 01x,非线性误差为1.3%。可见,当激光测头输出信号为4~7V时,也就是当激光测头与被测物体距离约为32~51mm范围内时,激光位移传感器具有较好的线性度。
3.4 数据采集及曲面重构
为了保证被测点始终在激光位移传感器的线性测量范围内,从而降低测量误差,系统采用跟踪式的闭环测量方法,如图5所示。
在数据采集中,激光位移传感器的信号采集采用PCI-6023采集卡(与LabVIEW兼容)实现,可以调用DAQmx Read.vi来采集数据;光栅位移传感器的信号采集利用CA204A-PCI光栅细分数据采集卡实现,该数据采集卡与LabVIEW不兼容,为此软件设计时可通过调用动态链接库(DLL)的方式来获取数据。图6为所设计的跟踪测量和数据采集程序框图。
4 测量实例
对实验室的一只白色机械式鼠标进行了测量。在测量过程中,根据激光位移传感器的输出实时调整Z轴位置,使被测点和激光测头的距离保持在较好的线性测量范围内。
在曲面重构时,LabVIEW提供了简单易用的三维曲面显示控件,即3D-Surdace控件,只需将各测量点的数据合成为一个二维数组并输入到控件的Z通道上,即可在控件中重构被测曲面。图7为利用该系统测量鼠标后得到的三维曲面效果图。
5 结论
本系统利用激光位移传感器在一定测量范围内具有较高非接触测量精度的特点,集成光栅位移和伺服机构,利用闭环运动控制技术实现自适应跟踪测量,为大量程自由曲面的高精度测量提供一种新的技术方法。采用LabVIEW作为系统的软件开发平台,提高了数据采集和曲面重构的效率,实现了自由曲面的快速测量。
参考文献
[1]赵吉宾,刘伟军,孙玉文.自由曲面测量点云数据的建模方法研究[J].仪器仪表学报,2006,27(9):1044-1047.
[2]Son S,Park H,Lee K H.Automated Laser ScanningSystemfor Reverse Engineering and Inspection[J].International Journal of Machine Tools and Manu-facture,2002,42(8):889-897.
[3]李剑.基于激光测量的自由曲面数字制造基础技术[D].杭州:浙江大学,2001.
自适应测量 篇9
为了提高测量精度,本文对已有文献中的一些相关系数公式做了分析,发现相关峰值分布的锐性将直接关联到测量精度。在此基础上本文确定了相关系数计算公式,并提出了一些保证测量精度的措施。
如何提高处理速度是一个关键问题。本文提出了基于卡尔曼滤波器预测的自适应十字模式搜索算法(Adaptive Rood Pattern Search,ARPS)[4],该算法可分为两部分:一部分是根据得到的预测状态为后续搜索确定一个好的开端;第二部分是在第一部分的基础之上对局部区域进行精确搜索。该算法已应用于数字相关测量中,相对于传统的逐点搜索法和十字搜索法,明显地改善了计算复杂度,提高了收敛速度。
1 数字相关值的计算原理
数字相关法是一个二维位移场的测量问题,其核心思想是搜寻参考图像和变形后图像中区域的最大相关值,由此可得到平面场中的位移。相关系数的计算[5]如下:
式(1)表示在前后两帧图像上选取大小为m×n的区域,计算相关系数C(u,v)的值。式中:f(xi,yj)和g(xi,yj)为2帧图像所选子区域的灰度值;f和g为子区域m×n上f(xi,yj)和g(xi,yj)像素灰度的平均值。对于整像素位移,可以通过寻找参考图像和变形后图像相关函数的最大值得到;对于亚像素级位移,是通过相关函数值做拟合[6]的最大值获得。这样可以改善搜索精度。
2 自适应十字搜索模式算法
为了快速寻找相关系数的最大值点,降低处理复杂度,本文改善了自适应十字搜索模式算法。
2.1 算法简述
在检测目标的小运动向量时,因为只有少数搜索窗口中心的点需要检测,搜索点紧凑的小步长搜索模式要比搜索点稀疏的大步长搜索模式更合适。然而,当搜索一个大运动向量时,小步长搜索模式容易陷入局部极值点,并导致错误的估计,而此时大步长搜索模式有快速检测的优点。因此,搜索算法的速度和准确性取决于搜索模式的步长和目标的运动幅度,而根据得到的预测目标运动行为采用不同的搜索模式是比较可取的。这可以归结为两个问题:如何预先得到目标的运动状态和如何进行最优搜索。
对于第一个问题,由于运动目标具有连续性和方向性,因此可以根据以前的运动状态预测出下一时刻的目标运动状态。本文采用了成熟的卡尔曼滤波器对目标的运动行为进行预测。在得到目标的运动行为类型之后,首先采用一种可调节十字臂大小(搜索步长)的自适应十字搜索模式,根据卡尔曼滤波器预测的运动行为动态调节十字臂的大小,为后续的固定步长搜索确定一个较好的搜索起点,然后采用固定步长的搜索模式就可以快速完成局部的精确搜索。需要注意的是,ARPS在匹配开始时只被用一次,其目标是要为后续的搜索找到一个良好的开端,以避免不必要的中间搜索和陷入局部极值点的风险;固定步长的搜索模式会被反复使用,直到找到最终的运动向量。
2.2 目标运动状态的预测
在视频序列处理中,考虑到目标运动的连续性和方向性,本文采用了卡尔曼滤波器对目标的运动向量进行快速而准确的预测。卡尔曼滤波器作为一种递归估计算法,其状态的每一次更新估计都由前一次估计和新的输入数据计算得到,因此只需存储前一次估计,便于用计算机对信号实时处理。下面公式为离散卡尔曼滤波原理的5个方程[7]。
式中:X(k|k-1)是根据k-1时刻的状态变量预测得到的第k时刻的状态变量;X(k-1|k-1)为k-1时刻的最优估计值;U(k-1)为系统的输入向量;P(k|k-1)为一帧预测估计协方差矩阵;Q为过程噪声协方差;R为测量噪声协方差;Kg为卡尔曼增益;Z(k)为k时刻的观测向量;H为观测矩阵。
令状态向量X(k)=[x(k)y(k)x′(k)y′(k)]T,其中x(k),y(k)分别是目标中心在x,y轴上的位置分量;x′(k),y′(k)分别是x,y轴上的速度分量。观测向量Z(k)=[xc(k)yc(k)]T,其中,xc(k),yc(k)分别是目标中心在x,y轴上的观测值。
令状态转移矩阵A和观测矩阵H分别为:
式中:τ为帧间间隔时间;输入向量U(k-1)可以忽略掉,R,Q为常数。在递归运算开始进行以前,必须先求出上一帧预测协方差矩阵P(k|k-1)的初始值,可设P(k|k-1)的初始值为单位矩阵。
2.3 最优搜索方式
(1)自适应步长模式-对应于初始搜索。十字模式[8]的形状是对称的,在四个方向上都有搜索点,如图1所示。
ARP主要的结构是十字模式,步长是指顶点到中心点的距离。十字形的选择是基于现实世界视频序列中对运动特征的观察,运动向量在水平和垂直方向的分布,要比其他方向多[9],因为大多数的摄影机是在这些方向运动。ARPS包括了水平和垂直方向,因此它能够快速检测这些方向的运动,并且能直接跳入相关系数最大值点所在区域。此外,任何运动向量都可分解为水平分量和垂直分量。对于一个运动物体,它可能朝着任何方向运动,十字形模式至少能检测运动物体的主要趋势,这是在初始搜索阶段所期望的结果。此外,ARP形状的对称性不仅使硬件的实现更容易,而且增加了算法的鲁棒性。除了十字模式的4个顶点外,ARPS算法中还加入了预测点,这样做可以提高初始阶段准确检测的概率。在该算法中,ARPS的步长为Γ,
式中:MVpredicted(x)和MVpredicted(y)分别是预测运动向量的水平和垂直方向值。当预测点在水平或垂直方向时,预测点会和十字模式中的一个顶点重合。
本文中的自适应模式由一个十字形(4个顶点)和一个预测搜索点组成。当预测运动向量为零时,ARP在初始阶段只有一个搜索点;当预测运动向量不为零时,ARP在初始阶段要搜索4个或5个点。
(2)固定步长模式(对应于局部精确搜索)。在最初搜索时采用上文所述的ARP,自适应十字模式把搜索中心设置在最有可能是相关系数最大值点的区域,因此有效地减少了不必要的路径搜索。固定步长模式将继续使用十字模式,这将进一步减少计算量。接下来就可以使用步长固定、紧凑的小步长搜索模式去搜寻相关系数最大值点。在使用固定步长的模式时,在当前一步运算中相关系数最大的点将被设置为下一步迭代搜索的中心,直到最大值出现在固定步长模式的中心位置。
2.4 算法综述
由卡尔曼滤波器预测得到当前帧图像中目标可能出现的位置,并按照如下步骤进行搜索:
(1)计算模板和当前图像中与模板相同位置的块的相关系数,即中心点。If Ccenter>T(T为相关系数阀值,T∈(0,1),可根据不同的应用调节);
Γ=Max{MVpredicted(x),MVpredicted(y)}Go to步骤(2);
(2)计算十字模式的4个点和预测点的相关系数,比较已经计算的相关系数,找到相关系数的最大值点,把最大值点设置为中心点,Go to步骤(3);
(3)令Γ=3,计算十字模式的4个点,比较计算得到点的相关系数,找到相关系数最大点,If在本次计算中相关系数的最大值点是中心点,Go to步骤(4);
把本次计算中相关系数最大值点设置为中心点,Go to步骤(3);
(4)令Γ=1,计算十字模式的4个点,比较计算得到点的相关系数,找到相关系数的最大点,If在本次计算中相关系数的最大值点是中心点,Stop;
把本次计算中相关系数的最大值点设置为中心点,Go to步骤(4)。
3 仿真试验结果分析
为了验证本算法在数字相关测量中的应用,自适应十字模式搜索算法被用于视频序列的目标跟踪。背景静止的一段视频序列作为试验对象,只选取其中4帧作为比较对象,如图2所示。视频图像的大小为574×350像素,在第一帧图像中分割出运动目标作为模板,并将其所在位置传递给卡尔曼滤波器作为状态向量的初始值。可以发现在卡尔曼滤波器初始化后的最初几次预测并不可靠,与真实数据有一定的误差,此时算法得到的结果误差也会比较大,还要依靠计算复杂度比较高的逐点搜索。经过一段时间后误差逐渐减小并趋于稳定,本文算法的优势逐渐体现,并与传统十字搜索法进行比较,如图3所示。表1是传统搜索算法和本文算法在图2序列搜索目标的过程中平均匹配次数。试验结果表明,本文的方法与传统的方法相比,计算复杂度约减少3倍。
4 结语
本文提出的自适应十字模式搜索算法,综合采用了预测搜索起点、自适应搜索模式相结合等方法,具有形式简单、易于实现等优势,经大量试验仿真后,可知此算法在降低计算复杂度的同时,能很好地跟踪各种类型的运动目标。本文算法在数字相关测量及实时运动目标跟踪等领域具有一定的理论价值和应用前景。
摘要：近年来数字相关法发展迅速并被广泛应用于多个领域,而如何提高其收敛速度和结果的精度是该方法的重要研究方向之一。据此提出一种基于卡尔曼滤波器预测的自适应十字搜索模式算法,并将其应用于数字相关测量中,在不降低结果精度的同时,明显地改善了计算复杂度,提高了收敛速度,保证了实时处理和更进一步精确计算的要求。仿真试验表明,该算法应用在数字相关测量中可以有效对目标进行快速持续的跟踪检测。
关键词：数字相关法,卡尔曼滤波器,自适应十字搜索模式,收敛速度
参考文献
[1]PETERS W H,RANSON W F.Digital image techniques inexperimental stress analysis[J].Optical Engineering,1982,21:427-431.
[2]YANG Guo-biao.Research on equipment of digital specklecorrelation method[J].Modern Scientific Instruments,2007,6:306-309.
[3]GAO Jian-xin,ZhOU Xin-geng.Digital speckle correlationin the mechanical measurement[J].Journal of ExperimentalMechanics,1991,6:220-223.
[4]王莉莉,黄晓革,甘涛.一种自适应十字-方形运动估计快速算法[J].计算机应用研究,2009,26(2):540-542.
[5]赵士文,卢洛先,王昱.一种快速目标检测跟踪方法研究与实现[J].现代电子技术,2007,30(22):55-57.
[6]潘兵,续伯钦,陈丁,等.数字图像相关中亚像素位移测量的曲面拟合法[J].计量学报,2005,26(2):128-134.
[7]HAYKIN Simon.自适应滤波器原理[M].4版.北京:电子工业出版社,2003.
[8]YAO Nie,MA Kai-kuang.Adaptive rood pattern search forfast block-matching motion estimation[J].IEEE Trans.onImage Processing,2002,11(12):1442-1448.
自适应测量 篇10
自由曲线由于其自由变化,无法用数学函数进行定义,是难以建立自由曲线曲面类零件的数学模型[1,2]。目前,自由曲线曲面逆向工程较为复杂,主要包括如下几个模块:样件的数据采集、数据处理、自由曲面模型重构以及精度评价等。逆向过程中采集到的数据点云质量好坏直接影响到重构生成的CAD模型质量,对产品的设计有一定的影响[3,4]。
国内外很多专家学者在逆向工程方法有所研究。如Qian X P和Huang Y B提出未知数学模型的工件动态拟合方法[5,6],引入卡尔曼滤波方法指导CMM测量获得的数据点的B-spline曲线曲面拟合,即有效地将CMM测量和数据拟合动态的结合为一整体,从而可以根据拟合的曲线曲面模型指导CMM测量数据点云,获得最佳测量点。该方法可以很大程度提升拟合模型的精度,而整个逆向过程数据冗余,计算慢,效率低,并且无法对拟合获得的CAD模型及时进行精度评价,只有通过将模型加工出来,再通过测量才能对模型误差的大小进行评价。若工件逆向过程无需对模型进行加工就可以对误差大小进行评价,并可以及时地对误差较大的位置进行修正,可有效地保证工件的逆向质量和提高逆向效率。因此,提出工件的测量、重构和精度评价为一体的逆向方法。数据点云的测量采用接触式CMM自适应获取,然后应用重构技术拟合接触式CMM采集到的数据点,对获得的重构模型进行精度评价,直至重构模型精度满足阀值要求。
1 基于CMM自适应测量的自由曲面重构
1.1 自适应测量
工件逆向过程中,原始数据点云的好坏对重构有着重要的影响。工件数据点云获得的方式较多。本文采用接触式CMM来对工件进行测量,测量过程中采用自适应方法获取其数据点云。该测量法对工件测量的数据点采集的数目和分布由扫描线的特性而定,即CMM通过对工件表面已测数据点进行分析,然后对工件表面的待测数据点进行预测其坐标和测量矢量,使得CMM自动对工件进行数据点的采集,并使CMM测量最少的数据点就可获取工件完整的表面信息。
五次Bézier曲线具有该样条曲线上任意位置点处具有三阶可导,故可利用该样条曲线的特性完成自由曲面扫面线上数据点的拟合(图1)。其中,Pi-5,Pi-4,Pi-3,Pi-2,Pi-1,Pi是应用CMM自适应测量获得的6个数据点,Pi+1为下一个测量点,应用五次Bézier对已知的6个数据点进行拟合获得的曲线可用式(1)表示。
如图1所示,基于6个数据点拟合获得的曲线分布于yoz平面,则可将式(1)进行变形,如式(2)所示。
则上述曲线上任意点的曲率可用式(3)表示。
曲率半径和曲率的乘积为1,则曲率半径ρ可表示为:
根据Bézier曲线相关性质知,曲线的起点和终点即为其控制点,当t=1时,曲线端点Pi处的曲率半径ρ可以计算出。其中,ρ和采样步长S成反比。特征多边形的首、末边都与Bézier曲线相切,端点Pi处的法矢量为探针探测方向,切矢量为CMM采集工件的数据点方向。当CMM完成对下一个点Pi+1的测量后,重新形成6个数据点,即Pi-4、Pi-3、Pi-2、Pi-1、Pi,Pi+1,更新的6个数据点继续应用五次Bézier对其进行拟合和计算。图2为CMM采用自适应测量方法对样件侧面采集获得的数据点云。
由图2知,样件数据点云的分布具有一定规律,具体如下:根据样件的曲率大小指导CMM对其表面测量点数目的分布。若样件的曲率大,测量点的数目较多,否则,测量点的数目较少,无需所有位置处的测量点分布密度一致,可以用较少的测量点完成样件所有信息的表达。
1.2 曲面重构
由相关文献知,低阶B-spline比高阶B-spline在曲线曲面模型重构过程中具有平滑和光顺的优点,因此采用三次B-spline对CMM采集到的数据点进行重构[7]。为了使CMM扫描得到的型值点满足四边域网格条件,对CMM测量获得的扫描线应用非均匀B样条进行插值,然后重新在每条曲线上采集数据点,从而可获得均匀分布的型值点。
假设工件表面型值点在n+1条扫描线上,则曲面上的型值点的数目为(m+1)×(n+1)个,如图3所示,其中,u方向为任意2条扫描线之间的方向,v方向为任意1条扫描线的方向,若u方向、v方向的次数分别为k次和l次,并都为3次,则一张3×3次的非均匀B-spline的张量积曲面可表示为:
式中:B样条基Ni,k(u)(i=0,1,…,m)、Nj,l(v)(j=0,1,…,n)分别由节点矢量u和v按德布尔数学模型进行递推计算获取[8]。
曲线中非均匀节点矢量通过累积弦长法进行构造,该方法可以保证构造的节点矢量和型值点分布具有相同的规律,使得重构获得的曲线可较好地反应模型精度[9,10]。累积弦长参数化的表达式为:
式中:uj为节点;S为所有型值点共同组成的曲线总长;Li为任意两连续型值点之间的长度。
2 重构模型精度评价
采用CMM测量获得的工件表面数据点,将这些数据点进行拟合获得工件几何模型,再对比该重构获得模型和工件原有模型之间的误差,以此来评价基于重构算法拟合模型具有的精度。
假设pi(i=0,1,…,n)为基于CMM测量获得的工件实际点,pi*(i=0,1,…,n)为重构获得的模型上相对应的数据点,即重构模型具有的精度误差为:
本文获取检测点的方式为数据常用法:均匀分布法。该方法将自由曲面重构模型等均匀的划分成L×L个网格。检测点为每一个网格中心的位置点,并且模型具有的检测点数目N如式(8)所示,该值的大小和被检测的次数r和被扫描线的条数L成正比关系。检测次数r越大,检测精度越高,而然所需的时间也随着递增[11,12]。故本设置的检测次数为3次,精度也达到μm级。
图4为工件表面数据重构模型,该重构模型中n个黑色的数据点为L×L网格所对应的检测点。然而,以上n个检测点不可以直接应用于曲面的重构,否则无法确保重构获得模型的精度。
逆向工程中的一个重要环节是对重构模型的精度评价。若精度e满足重构阀值要求,则重构获得的模型为可靠;若精度e不满足重构阀值要求,则重构获得的模型为不可靠,需要应用CMM对模型进行重新测量,获得模型新数据点,并应用新检测点来重构模型,直到重构模型的精度满足要求。工件的整个逆向过程的主要流程如图5所示。
3 实验
3.1 算法验证
为了验证提出的重构技术的有效性。采用一个数学模型已知的马鞍面工件来验证重构算法是否可靠。其中,该马鞍面工件的数学模型方程为:
通过马鞍面的数学模型的表达式计算出其曲面上的n个数据组成的点云,如图6所示,然后利用这些数据点云进行曲面重构,并将重构后的曲面和已知马鞍面数学模型曲面进行对比,通过分析比较两者之间的误差来验证本文所提出算法的可行性,重构模型与原实体模型之间的误差如图7所示。
由图7可知,重构模型和原模型之间最大误差为μm级,故本文提出的接触式CMM自适应测量的实时重构法可以有效地保证自由曲面重构的精度和缩短逆向周期。
3.2 自由曲面逆向应用
如图8所示为某一复杂壳体类工件,该曲面为一复合曲面。利用CMM对壳体进行测量,并根据壳体表面曲率有无不连续对曲面进行划分,可划分为图中曲率连续的1号柱面和2号锥面,然后采用本文提出的逆向方法分别对1号、2号曲面进行测量和模型重构,分别如图9和图10所示。最后通过G1连续方式将这2个单曲面片进行拼接形成一完整的复合曲面,如图11所示。
4 结语
针对工件在传统逆向工程中的测量和重构是两大对立的问题,提出一种新型实时逆向重构法。该方法有效的将测量和重构结合为一体。CMM在对工件测量时可以基于其自身特性自适应的完成测量,并对获得的数据点云采用低阶B-spline进行重构,得到的重构模型立刻进行误差评价,直到误差大小满足精度阀值要求。最后,本文进行模型已知的工件逆向实验,并通过分析获得的实验结果表明,所提算法有效地提高工件逆向精度和缩短逆向周期。
摘要：逆向工程研究的重点是提高测量的速度和重构的精度。对自由曲面的测量提出应用接触式三坐标测量机进行自适应测量的实时重构方法。该方法通过不断的对已测曲面点的拟合来预测待测点的坐标和测量矢量,从而可以指导三坐标测量机自动完成整个曲面的测量,并借助非均匀B-spline拟合自由曲面模型,在线评价重构模型误差,直至误差大小满足精度阀值。实例验证表明,该方法可以有效地提高自有曲面逆向重构精度,整个逆向周期大大减少,精度较好。因此,所提出的算法可有效地提高自由曲面工件逆向重构精度,缩短逆向周期。
关键词：三坐标测量机,自适应测量,实时重构,逆向
参考文献
[1]Paulic M,Irgolic T,Balic J,et al.Reverse engineering of parts with optical scanning and additive manufacturing[J].Procedia Engineering,2014(69):795-803.
[2]Zhao X Y,Zhang C M,Xu L,et al.IGA-based point cloud fitting using B-spline surfaces for reverse engineering[J].Information Sciences,2013(245):276-289.
[3]Abdul A,Sanjay,Anjani K.Application of CAD and reverse engineering methodology for development of complex assemblies[J].Journal of Engineering,Design and Technology,2013,11(3):375-390.
[4]Lee R T,Shiou F J.Calculation of the unit normal vector using the cross-curve moving mask method for probe radius compensation of a freeform surface measurement[J].Measurement,2010(43):469-478.
[5]Huang Y B,Qian X P.Dynamic B-spline surface reconstruction:closing the sensing-and-modeling loop in 3D digitization[J].Computer Aided Design,2007,39(11):987-1002.
[6]Huang Y B,Qian X P.A Dynamic sensing-and-modeling approach to 3D point and area-sensor integration[J].ASME Transactions Journal of Manufacturing Science and Engineering,2007,129(6):623-635.
[7]Zhou M.A new approach of composite surface reconstruction based on reverse engineering[J].Procedia Engineering,2011(23):594-599.
[8]陆晓丽,洪荣晶,袁鸿.基于NURBS的齿轮盘铣刀后刀面插补点计算[J].机械设计与制造,2011(2):81-83.
[9]吴雪梅,文珈.基于三坐标测量数据的点云曲面重构[J].工程图学学报,2011,32(2):68-72.
[10]Qu J W,Li J X,Ke Y L.Measured data supplement and surface reconstruction in reverse engineering of sculpture surface[J].Journal of Mechanical Engineering,2002,38(9):110-113.
[11]Pedone P,Romano D.Designing small samples for form error estimation with coordinate measuring machines[J].Precision Engineering,2011(35):262-270.