英语原文共 8 页，剩余内容已隐藏，支付完成后下载完整资料
废物管理
期刊主页：www。 Elsevier.com/Locate/Wasman
基于机器视觉的有色金属报废车辆分离系统的分类算法及运行参数优化研究
a湖北汽车零部件先进技术重点实验室，武汉理工大学，武汉430070，PR中国
b湖北汽车零部件技术协同创新中心，武汉理工大学，武汉430070，PR中国
c教育部冶金设备与控制技术重点实验室，武汉科技大学，武汉430081，PR中国
articleinfo
文章历史：
收到2019年4月22日
修订2019年5月20日
接受2019年8月28日
关键词：
报废车辆机器视觉分离效率
响应面方法FLUENT数值模拟
abstract
近年来，我国报废汽车数量显著增加。传统的主要依靠手工排序的方法已经很难满足要求了。为了解决分离有色金属的低智能和低效率问题，建立了一种基于机器视觉的分离有色金属与ELV的系统，并研究了分类算法和操作参数对系统分离效率的影响。采用主成分分析/支持向量机(PCA-SVM)算法，将特征数量减少到三个，识别准确率为96.64%，计算速度足够高。采用响应面法和FLUENT数值模拟，通过评价铜与铝的分离距离，研究了操作参数的影响。结果表明，分离距离随输送带(V)速度的增加而减小，随喷嘴气压(P)和分离高度(H)的增加而增大。随着喷嘴(a)角度的增加，初始增加后分离距离减小，在喷嘴角度40°时达到最大值。本研究的最优运行参数为v=1.4m/s，P=0.6MPa，H=0.6m，=40°。利用所提出的最优分类算法和上述操作参数，系统的分离精度和纯度均大于85。
copy;2019年Elsevier有限公司保留所有权利。
- 导言
根据不完全统计，2016年中国汽车产销量均为2800万辆，较2015年增长14％(张和陈，2018a，b)。据准确预测，到2030年，报废汽车的数量将超过2700万辆(张和陈，2018a，b)。作为第二种原料，ELV具有极高的回收价值(Mallampati等人，2018年)。处理不当不仅会对环境造成二次污染，而且会造成巨大的资源浪费(罗莎和特尔齐，2018年)。自1990年以来，中国铜和铝的消费量迅速增加(Yue等人，2012年)。在ELV中使用的铜和铝含量正在增加(Nakamura等人，2012年)；因此，回收利用可以大大缓解铜和铝的短缺。
uArr;相应作者：武汉理工大学汽车零部件先进技术湖北重点实验室，武汉430070，PR中国。
电子邮件地址：志留胡@whut.edu.cn(Z.Hu)。
有色金属的初始分离方法主要依赖于人工分选，其缺点是效率低，工作环境恶劣，人工成本增加(斯宾塞，2005年)。由于ELV的数量迅速增加，这些方法目前无法满足ELV回收企业的要求。目前急需一种分离效率高，成本低，生产效率高的自动分选装置。到目前为止，已经提出了几种实现有色金属自动分离的方法，但它们都存在缺点。涡流分离(ECS)仅在所选材料的尺寸较小且均匀时才表现出良好的性能(史密斯等人，2019年；Dholu等人，2017年；阮和徐，2012年)。基于电磁传感器的分离方法类似于ECS；然而，需要额外的分离执行器(Mesina等人，2003年).激光诱导击穿光谱(LIBS)可以快速识别和分离不同的金属，但加工成本较高(Werheit等人。，2011年；Merk等人，2015年).高光谱技术产生更好的效果
https://doi.org/10.1016/j.wasman.2019.08.0430956-053X/copy;2019Elsevier有限公司保留所有权利。
分类结果表明，由于高光谱图像比标准RGB图像包含更高的维数数据，但计算速度较慢(Picon，2012年).
机器视觉是一种合适的分离大型和不均匀大小的有色金属废料的技术。此外，基于机器视觉的分离系统具有成本低、生产效率高（计算速度高)的特点）。来自ELV的有色金属主要包括铜和铝，其余的成分可以忽略不计。基于机器视觉，该分离系统可以根据铜和铝的不同颜色从混合有色金属中识别铝。然后，高速气体被喷射以改变铝屑的轨迹，从而分离它们。目前，基于机器视觉的分离器主要用于形状和尺寸相似的作物和食品中的应用。这些研究的重点是利用人工神经网络(ANN)和偏最小二乘回归(PLSR)等算法提高识别精度)(多尼斯-Gonzalez和Guyer，2016年；Teimouri等人，2018年).对利用机器视觉分离有色金属的研究较少，所有研究都集中在分离系统的结构和操作原理上(Kutila等人，2006年).对系统分离效率的改进方法的相关研究尚未发现。
本研究设计并开发了一种基于机器视觉的分离系统。对分类算法和操作参数进行优化，提高系统的分离效率。采用主成分分析(PCA)和支持向量机(SVM)、k近邻(KNN)和决策树三种分类器对分类算法进行优化。采用响应面法和数值模拟，通过评价铝与铜的分离距离，确定操作参数对分离效率的影响，因为分离效率随分离距离的增加而增加。最后，利用本研究得到的最优条件，由企业进行实际生产实验，验证了分离系统的实用性。本研究对于提高分离效率，扩大基于机器视觉的分离系统对回收行业ELVs的适用性具有重要意义。
-
材料和方法
- 实验材料
本研究使用的材料是来自ELV回收企业的有色金属废料。在开发的生产线上，ELV的车身经过一系列的工艺，包括破碎、滚筒筛分、磁选、空气分离和涡流分离。留下了主要包括铝和铜的混合有色金属废料。采用分辨率为100万的工业电荷耦合器件(CCD)相机捕捉图像，将碎片放置在传送带上，并打开恒定发光二极管(LED)光源，以确保一致的照明。此后，594个铜和铝屑图像样本
用于提取特征、训练和测试。
基于机器视觉的分离系统平台如图所示无花果。1(c)。该系统由振动进料机构、废料输送机构、目视检查机构、供气机构、射流执行器和可编程逻辑控制器(PLC)机柜组成。振动上料机构晃动输送带上有色金属屑，防止重叠。在传送带的驱动下，废料通过目视检查区域。工业计算机识别有色金属废料的类型和位置，并通过串口将结果传送给PLC。该PLC控制电磁阀的开关，以设置气体喷射的持续时间和所需喷嘴的位置。因此，该分离系统可以实现铝和铜的分离。结构示意图见无花果。1(d)。
-
- 特征提取
提取11个颜色特征和5个纹理特征来区分铝和铜。对于颜色特征，RGB空间平面、HSL空间平面和YUV空间平面的平均值，包括R—，g—b—h—,—S，——和V—除了R—-g—和R—b—都被提取出来了。基于灰度共生矩阵(GLCM)提取五个纹理特征，即对比度(CON)、相关性(COR)、角第二矩(ASM)、逆异矩(IDM)和熵(ENT)。
—
-
- 响应面的实验设计
运行参数主要包括输送带速度(v)，喷嘴气压(P)，分离高度(H)，喷嘴角度(a)，如图所示.响应面法通过分析各种因素对因变量的影响来进行改进和优化(Gunst等人，2006年).这种方法可以在保持信息完整性的同时，显著减少实验次数；从而最小化所需的时间和实验成本(Celik等人，2019年)。因此，采用响应面法研究了操作参数对分离距离的影响。
四个运行参数的取值范围为v=1.4-2m/s，P=0.3-0.6MPa，H=0.3-0.6m，=30°-45°。
这些范围是根据实验条件设定的。实验按中心复合设计设计，实验方案中心有6个重复实验。
-
- 数值模拟
由于实验过程中难以准确调整喷嘴角度和分离高度，采用FLUENT动态网格数值模拟模拟了不同操作参数下铝废料的运动轨迹。铝废料的着陆位置由其轨迹决定。抛料位置（废料离开传送带前的位置）与铝废料落地位置的水平距离为(d1)。抛掷位置与废铜落地位置的水平距离(d2)可以用。。。
图1(a)提供图像样本。在整个ELV分离过程中，有色金属废料经历了两个筛分过程。筛孔的尺寸分别为20mm和80mm。在那里-
因此，有色金属废料的尺寸从20毫米到80毫米不等。其中，铝屑分为棒，正方形，三角形，圆形四类，如图所示图1(b)。
(a)
(c)
(b)
工业计算机
供气系统
plc
CCD摄像机
喷嘴歧管电磁阀
伺服马达
(d)
无花果。1.(a)有色金属废料样品，(b)不同形状和尺寸的铝废料，(c)分离系统的平台，(d)分离系统的结构。
从统计结果中发现，铝屑的尺寸一般在40-60mm范围内。特别是，尺寸范围为40-60毫米的铝屑约占铝屑总量的70。大多数铝屑在厚度和形状上与5mm方形块废料相似。因此，在优化操作参数时，选择尺寸为50~505m
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[259477]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
