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。

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0.02 pixel。