ВИМІРЮВАННЯ ЛІНІЙНОЇ ШВИДКОСТІ З ВИКОРИСТАННЯМ МОБІЛЬНОЇ РОБОТИЗОВАНОЇ ПЛАТФОРМИ З КОМП’ЮТЕРНИМ ЗОРОМ
DOI:
https://doi.org/10.20998/2413-4295.2023.03.05Ключові слова:
тяговий електропривод, двигун постійного струму, пробуксовка коліс, комп'ютерний зір, робототехнічна платформа, датчик швидкості, одноплатний комп'ютерАнотація
Представлено підхід до інтеграції алгоритмів комп’ютерного зору в систему керування тяговими електроприводами залізничного транспорту. Він демонструє використання алгоритмів комп’ютерного зору для обчислення лінійної швидкості як альтернативи звичайним датчикам, таким як одометри коліс, GPS, DGPS та інерційні датчики, які можуть виявитися неефективними на слизькій поверхні та на низьких швидкостях. Як наслідок, ця стаття зосереджена на використанні лінійної швидкості як зворотного зв’язку в системі керування для підвищення енергоефективності під час старту та зупинки та запобігання пробуксовці коліс. Система керування електроприводом була успішно впроваджена та випробувана на робототехнічній платформі, розробленій для моделювання динамічної поведінки в реальних сценаріях залізничного транспорту. У статті детально описано процес розробки цієї робототехнічної платформи, яка використовується для імітації динамічних умов реального світу на залізничному транспорті. Запропонований алгоритм керування оцінкою швидкості оцінено на спеціально розробленому випробувальному стенді, що виявило його здатність прогнозувати швидкість з відносно високим ступенем точності. Крім того, представлений алгоритм оптичного потоку для оцінки швидкості, який оцінюється за допомогою спеціально розробленої випробувальної установки, що вказує на сильну кореляцію між прогнозованою швидкістю транспортного засобу та вимірюваннями точних оптичних кодерів. Дослідження також визначає оптимальний розмір вікна функції для оцінки швидкості оптичного потоку в реальному часі. Таким чином, цей підхід демонструє значний потенціал для точної оцінки швидкості. Поточні експерименти проводяться в різних реальних умовах, а майбутні дослідження спрямовані на розробку надійної автономної системи вимірювання швидкості. Інтеграція сучасних цифрових технологій комп’ютерного зору не тільки покращує тягові характеристики електроприводів, але й розширює можливості тягових електроприводів, щоб відповідати суворим вимогам промислового обладнання.
Посилання
Klepikov V. O frikcionnyh avtokolebaniyah v elektroprividah [About frictional selfoscillations in electric drives]. Elektrichestvo, 4, 1986, pp. 59-62.
Klepikov V. Dinamika elektromehanicheskih system s nelinejnym treniem: monografija [Dynamics of electromechanical systems with nonlinear friction: monograph], Kharkiv: NTU “KhPI”, 2014. 408 p.
Kyrylenko Y., Kutovyi Yu., Obruch I., Kunchenko T. Neural Network Control of a Frequency-Regulated Electric Drive of a Main Electric Locomotive. IEEE Problems of Automated Electrodrive. Theory and Practice (PAEP), 2020, doi: 10.1109/PAEP49887.2020.9240880.
Kutovyi Yu., Kyrylenko Y., Obruch I., Kunchenko T. Application of Intelligent Control Systems in Electric Drives of Rail Vehicles. 2021 IEEE 2nd KhPI Week on Advanced Technology (KhPIWeek), 2021, pp. 709-713, doi: 10.1109/KhPIWeek53812.2021.9570026.
Georgiev A., Allen P. K. Localization methods for a mobile robot in urban environments. IEEE Transactions On Robotics And Automation, 2004, Vol.20, № 5, pp. 851-864, doi: 10.1109/TRO.2004.829506.
Panzieri S., Pascucci F., Ulivi G. An outdoor navigation system using GPS and inertial platform. IEEE-ASME TRANSACTIONS ON MECHATRONICS, 2002, Vol. 7, 2, pp. 134-142, doi: 10.1109/TMECH.2002.1011250.
Lobo J., Dias J. Vision and inertial sensor cooperation using gravity as a vertical reference. IEEE Transactions On Pattern Analysis And Machine Intelligence, 2003, Vol. 25, 12, pp. 1597-1608, doi: 10.1109/TPAMI.2003.1251152.
De Jong K. Genetic Algorithms: A 10 Year Perspective. The First Int. Conf. on Genetic Algorithms: Proceedings. 1985. Р. 167 - 177.
Reinhard K. An Introduction into Theory and Algorithms in Computer Vision. 2014.
Howse J., Minichino J. Learning OpenCV 4 Computer Vision with Python 3. 3rd Edition. 2020.
Horn B. K. P, Schunck B. G. Determining Optical flow. Artificial Inteligence, 1981, 17, pp. 185-203, doi: 10.1016/0004-3702(81)90024-2.
Lucas B. D., Kanade T. An iterative image registration technique with an application to stereo vision. Proc. Imaging Understanding Workshop, 1981, pp. 121-130.
Barron J. L., Fleet D. J., and Beauchemin S. S. Performance of optical flow techniques. International Journal of Computer Vision, 1994, Vol. 12, 1, pp. 43-77, doi: 10.1007/BF01420984.
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2023 Богдан Воробйов , Сергій Сенченко , Ярослав Кириленко, Ярослав Ліхно , Лю Хань , Юрій Кутовий
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
Журнал публікує статті згідно з ліцензією Creative Commons Attribution International CC-BY.
