基于非周期正弦条纹的直线电机动子位置测量

为了从目标拍摄源上提高直线电机动子位置检测的精度和抗干扰性,构造了一种非周期正弦条纹图像,并引入一种基于梯度法的图像亚像素测量方法,实现对动子位置的高精度测量。首先,改变正弦条纹的条纹周期,得到一系列非周期正弦条纹,并生成非周期正弦条纹图像;其次,采用图像的Pnatt熵优选出具有强鲁棒性的非周期正弦条纹图像;最后采用基于Barron算子的梯度法计算相邻目标图像的亚像素位移,结合标定系统物像标定系数,获得直线电机动子的实际位移。仿真和实验结果表明,对比于非周期栅栏图像,本文构造的非周期正弦条纹图像具有较强的鲁棒性,且测量精度达到0.02pixel。

基于E-SPCM的直线电机动子位置高精度测量方法研究

针对直线电机动子位置测量,引入一种基于扩展采样相位相关法(E-SPCM)的亚像素位移图像检测方法,以提高测量精度和抗干扰性。首先建立了直线电机位置检测系统,通过高速相机实时采集条纹图像序列;其次对条纹图像进行边缘特征提取,利用相位相关得到相邻条纹图像的互功率谱,即动子位置的整像素位移;进而对整像素邻域的互功率谱进行上采样相位相关计算,实现高精度的亚像素位移测量,进一步由系统标定得到实际位移值。对比传统相位相关算法,所采用的方法能够提高测量精度且有很好的噪声抑制性能,最后搭建了实验检测平台,验证了算法的有效性。

直线电机动子位置的快速精密测量方法

为了从目标图像上提高直线电机动子位置测量的精度、抗干扰性和实时性,引入了一种基于相关峰精确内插(FICP)的图像位移测量方法,并采用深度学习算法优选出具有强鲁棒性的栅栏图像。首先,控制栅栏条纹的宽度标准差和平均灰度梯度,生成一系列栅栏条纹图像。其次,结合线性调频Z变换和FICP算法计算相邻目标图像的位移值。然后,用位移估计值的均值误差作为评价指标,用深度神经网络建立栅栏图像质量优选模型,筛选出具有强鲁棒性的非周期栅栏图像。最后,利用线扫描相机获取运动过程中的一维栅栏图像信号,并根据棋盘标靶法确定系统的标定系数,得到实际位移值。仿真和实验结果表明,优选出的非周期栅栏图像能有效提高测量精度,证明了本方法的正确性。