本發(fā)明涉及數(shù)據(jù)處理領(lǐng)域，更具體地說，本發(fā)明涉及基于labview技術(shù)的圖像實(shí)時(shí)采集處理系統(tǒng)及方法。

背景技術(shù)：

1、labview是用于圖像處理的平臺(tái)，通過圖像采集設(shè)備獲取實(shí)時(shí)圖像數(shù)據(jù)，并進(jìn)行處理、分析和顯示。

2、現(xiàn)有的圖像采集設(shè)備為了更好地保障采集效果，圖像采集設(shè)備具有自我調(diào)節(jié)參數(shù)的能力，并且labview也具有控制圖像采集設(shè)備的功能，所以這就存在圖像采集設(shè)備是遵從自身的自我調(diào)節(jié)控制參數(shù)設(shè)置還是依據(jù)labview的控制。統(tǒng)稱為“閉環(huán)控制”問題。在這種情況下，容易導(dǎo)致以下幾個(gè)問題：參數(shù)調(diào)節(jié)的不一致性，通信延遲和沖突，系統(tǒng)性能下降，難以調(diào)試和維護(hù)。閉環(huán)控制問題可能導(dǎo)致參數(shù)調(diào)節(jié)的不一致性、通信延遲和沖突、系統(tǒng)性能下降以及難以調(diào)試和維護(hù)等問題，影響系統(tǒng)的穩(wěn)定性、準(zhǔn)確性和性能。因此，必須及時(shí)識(shí)別和理解潛在的閉環(huán)控制問題，確保labview與圖像采集設(shè)備之間的協(xié)作順暢，以實(shí)現(xiàn)系統(tǒng)的高效運(yùn)行和優(yōu)化性能。

3、為了解決上述問題，現(xiàn)提供一種技術(shù)方案。

技術(shù)實(shí)現(xiàn)思路

1、為了克服現(xiàn)有技術(shù)的上述缺陷，本發(fā)明的實(shí)施例提供基于labview技術(shù)的圖像實(shí)時(shí)采集處理系統(tǒng)及方法，通過速度和一致性分析labview發(fā)送的參數(shù)指令和圖像采集設(shè)備返回的參數(shù)調(diào)節(jié)結(jié)果，評(píng)估閉環(huán)控制穩(wěn)定性和風(fēng)險(xiǎn)，利用參數(shù)調(diào)節(jié)響應(yīng)程度指數(shù)和一致性指數(shù)計(jì)算閉環(huán)控制穩(wěn)定系數(shù)，最終確定閉環(huán)控制風(fēng)險(xiǎn)等級(jí)。通過分析閉環(huán)控制穩(wěn)定系數(shù)和風(fēng)險(xiǎn)分類，結(jié)合時(shí)間序列和卡爾曼濾波，識(shí)別風(fēng)險(xiǎn)模式。利用多維特征構(gòu)建，評(píng)估風(fēng)險(xiǎn)持續(xù)性和相似度，并通過聚類確定持續(xù)性風(fēng)險(xiǎn)，有助于排除單次事件的偶然性，確保對(duì)labview和圖像采集設(shè)備之間閉環(huán)風(fēng)險(xiǎn)問題的準(zhǔn)確評(píng)估，以解決上述背景技術(shù)中提出的問題。

2、為實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：步驟s1，依據(jù)通信協(xié)議和相應(yīng)的驅(qū)動(dòng)程序?qū)abview和圖像采集設(shè)備連接；

3、步驟s2，分析labview發(fā)送的參數(shù)指令和圖像采集設(shè)備返回的參數(shù)調(diào)節(jié)結(jié)果之間的速度以及一致性結(jié)果，明確labview和圖像采集設(shè)備之間的閉環(huán)控制穩(wěn)定情況，識(shí)別潛在的閉環(huán)控制隱匿問題并分類；

4、步驟s3，通過時(shí)間序列分析和特征提取，對(duì)閉環(huán)控制穩(wěn)定性和風(fēng)險(xiǎn)動(dòng)態(tài)特征進(jìn)行評(píng)估，利用聚類分析找出持續(xù)性風(fēng)險(xiǎn)，確定labview和圖像采集設(shè)備閉環(huán)問題的風(fēng)險(xiǎn)等級(jí)。

5、在一個(gè)優(yōu)選的實(shí)施方式中，步驟s2包括以下內(nèi)容：

6、在labview和圖像采集設(shè)備連接過后，依據(jù)收集到的labview和圖像采集設(shè)備之間的交互數(shù)據(jù)，計(jì)算分析得到參數(shù)調(diào)節(jié)響應(yīng)程度指數(shù)和一致性指數(shù)。

7、在一個(gè)優(yōu)選的實(shí)施方式中，參數(shù)調(diào)節(jié)響應(yīng)程度指數(shù)的獲取過程為：

8、步驟s2-1，設(shè)定目標(biāo)值，表示希望圖像采集設(shè)備調(diào)節(jié)到的參數(shù)，在發(fā)送指令后，圖像采集設(shè)備將實(shí)際參數(shù)值返回給labview平臺(tái)，這個(gè)值就是實(shí)際值；

9、步驟s2-2，計(jì)算目標(biāo)值和實(shí)際值之間的差異，計(jì)算公式為：e(t)＝setpoint-processvariable；

10、其中，setpoint和processvariable分別表示目標(biāo)值和實(shí)際值；

11、步驟s2-3，計(jì)算控制器輸出，計(jì)算公式為：

12、

13、其中：

14、cs(t)表示控制器的輸出；

15、e(t)表示目標(biāo)值和實(shí)際值之間差異；

16、表示目標(biāo)值和實(shí)際值差異的累計(jì)值；

17、表示目標(biāo)值和實(shí)際值差異的變化率；

18、kp、ki和kd分別表示比例、積分和微分部分的系數(shù)；

19、步驟s2-4，獲取參數(shù)調(diào)節(jié)響應(yīng)程度指數(shù)，計(jì)算公式為：

20、其中：

21、rta表示參數(shù)調(diào)節(jié)響應(yīng)程度指數(shù)；

22、ts和tf分別是發(fā)送指令和接收結(jié)果的時(shí)間戳；

23、cs(t)表示當(dāng)前時(shí)刻的控制器的輸出值；

24、cs(t-δt)表示上一時(shí)刻的控制器的輸出值。

25、在一個(gè)優(yōu)選的實(shí)施方式中，數(shù)據(jù)一致程度的獲取過程為：

26、步驟s2-21，將labview發(fā)送的參數(shù)指令和圖像采集設(shè)備返回的參數(shù)調(diào)節(jié)結(jié)果表示為兩個(gè)時(shí)間序列數(shù)據(jù)，分別記為x(t)和y(t)，其中t表示時(shí)間；

27、步驟s2-22，計(jì)算x(t)和y(t)之間的協(xié)方差矩陣，考慮到時(shí)間序列數(shù)據(jù)的動(dòng)態(tài)性和非線性特性：

28、其中，μx和μy分別表示x(t)和y(t)的均值，t表示時(shí)間序列的長度；

29、步驟s2-23，基于信息論的復(fù)雜度量方法，對(duì)x(t)和y(t)的動(dòng)態(tài)變化特征進(jìn)行復(fù)雜度計(jì)算：

30、

31、其中，σx(t)和σy(t)分別表示x(t)和y(t)的標(biāo)準(zhǔn)差；

32、步驟s2-24，使用皮爾遜相關(guān)系數(shù)分析方法計(jì)算x(t)和y(t)之間的相關(guān)性ρ；

33、步驟s2-25，結(jié)合相關(guān)性分析、協(xié)方差分析和復(fù)雜度分析的結(jié)果，得到一致性指數(shù)，計(jì)算公式為：

34、其中，con一致性指數(shù)，ρ表示相關(guān)系數(shù)，cov(x(t),y(t))表示協(xié)方差，c(x(t))和c(x(t))表示數(shù)據(jù)的復(fù)雜度度量值。

35、在一個(gè)優(yōu)選的實(shí)施方式中，將參數(shù)調(diào)節(jié)響應(yīng)程度指數(shù)和一致性指數(shù)通過無量綱化且歸一化處理計(jì)算得到閉環(huán)控制穩(wěn)定系數(shù)，將閉環(huán)控制穩(wěn)定系數(shù)和穩(wěn)定第一閾值、穩(wěn)定第二閾值分別進(jìn)行比較；若閉環(huán)控制穩(wěn)定系數(shù)小于穩(wěn)定第一閾值，生成高風(fēng)險(xiǎn)信號(hào)；若穩(wěn)定第一閾值小于或等于閉環(huán)控制穩(wěn)定系數(shù)且小于穩(wěn)定第二閾值，生成中風(fēng)險(xiǎn)信號(hào)；閉環(huán)控制穩(wěn)定系數(shù)大于或等于穩(wěn)定第二閾值，生成低風(fēng)險(xiǎn)信號(hào)。

36、在一個(gè)優(yōu)選的實(shí)施方式中，步驟s3包括以下內(nèi)容：

37、步驟s3-1，收集歷次閉環(huán)控制穩(wěn)定系數(shù)和相應(yīng)的風(fēng)險(xiǎn)分類結(jié)果，對(duì)每一次的閉環(huán)控制穩(wěn)定系數(shù)進(jìn)行歸一化處理；

38、步驟s3-2，對(duì)歷次風(fēng)險(xiǎn)分類結(jié)果進(jìn)行時(shí)間序列分析，將每個(gè)時(shí)間段內(nèi)的風(fēng)險(xiǎn)分類標(biāo)簽轉(zhuǎn)換成數(shù)值表示，形成一個(gè)時(shí)間序列；

39、利用滑動(dòng)窗口技術(shù)，采用卡爾曼濾波器算法計(jì)算每種風(fēng)險(xiǎn)分類在不同時(shí)間窗口內(nèi)的出現(xiàn)頻率和持續(xù)時(shí)間；

40、步驟s3-3，利用時(shí)間序列分析方法，將歷次風(fēng)險(xiǎn)分類結(jié)果轉(zhuǎn)化成一個(gè)高維度的時(shí)間序列矩陣；

41、使用相位空間重構(gòu)，對(duì)時(shí)間序列矩陣進(jìn)行深度挖掘，提取其中的時(shí)間動(dòng)態(tài)特征；

42、基于提取的時(shí)間動(dòng)態(tài)特征，構(gòu)建一個(gè)多維時(shí)序特征空間，將各種特征之間的距離加權(quán)求和作為距離度量，衡量不同時(shí)間段內(nèi)風(fēng)險(xiǎn)分類的相似度和持續(xù)性；

43、利用k聚類分析方法，對(duì)時(shí)間動(dòng)態(tài)特征進(jìn)行聚類和分類，計(jì)算每個(gè)聚類的風(fēng)險(xiǎn)積累指標(biāo)；

44、步驟s3-4，對(duì)每個(gè)聚類得到的風(fēng)險(xiǎn)積累指標(biāo)進(jìn)行統(tǒng)計(jì)和分析，找出風(fēng)險(xiǎn)積累指標(biāo)最高的聚類，即持續(xù)性風(fēng)險(xiǎn)的候選集合。

45、在一個(gè)優(yōu)選的實(shí)施方式中，步驟s3-5，提取持續(xù)性風(fēng)險(xiǎn)的候選集合，將風(fēng)險(xiǎn)分類對(duì)應(yīng)的數(shù)值求平均，對(duì)平均值小數(shù)點(diǎn)后一位的數(shù)值，進(jìn)行四舍五入取整操作，按照取整的數(shù)值再轉(zhuǎn)換為風(fēng)險(xiǎn)分類標(biāo)簽，依據(jù)風(fēng)險(xiǎn)分類標(biāo)簽確定labview和圖像采集設(shè)備之間的閉環(huán)問題的風(fēng)險(xiǎn)等級(jí)。

46、基于labview技術(shù)的圖像實(shí)時(shí)采集處理系統(tǒng)，包括連接模塊、閉環(huán)穩(wěn)定模塊、風(fēng)險(xiǎn)度量模塊、排偶分析模塊；

47、連接模塊即根據(jù)通信協(xié)議和相應(yīng)的驅(qū)動(dòng)程序，配置和建立labview與圖像采集設(shè)備之間的通信連接；

48、閉環(huán)穩(wěn)定模塊分析labview發(fā)送的參數(shù)指令和圖像采集設(shè)備返回的參數(shù)調(diào)節(jié)結(jié)果之間的速度以及一致性結(jié)果，明確labview和圖像采集設(shè)備之間的閉環(huán)控制穩(wěn)定情況，將處理結(jié)果發(fā)送至風(fēng)險(xiǎn)度量模塊；

49、風(fēng)險(xiǎn)度量模塊識(shí)別潛在的閉環(huán)控制隱匿問題并分類，將分類結(jié)果發(fā)送至排偶分析模塊；

50、排偶分析模塊通過時(shí)間序列分析和特征提取，對(duì)閉環(huán)控制穩(wěn)定性和風(fēng)險(xiǎn)動(dòng)態(tài)特征進(jìn)行評(píng)估，結(jié)合利用聚類分析找出持續(xù)性風(fēng)險(xiǎn)，確定labview和圖像采集設(shè)備閉環(huán)問題的風(fēng)險(xiǎn)等級(jí)。

51、本發(fā)明基于labview技術(shù)的圖像實(shí)時(shí)采集處理系統(tǒng)及方法的技術(shù)效果和優(yōu)點(diǎn)：

52、1.本發(fā)明通過對(duì)labview發(fā)送的參數(shù)指令和圖像采集設(shè)備返回的參數(shù)調(diào)節(jié)結(jié)果進(jìn)行速度和一致性分析，評(píng)估閉環(huán)控制的穩(wěn)定性和風(fēng)險(xiǎn)，利用參數(shù)調(diào)節(jié)響應(yīng)程度指數(shù)和一致性指數(shù)，結(jié)合無量綱化處理計(jì)算閉環(huán)控制穩(wěn)定系數(shù)，最終根據(jù)穩(wěn)定系數(shù)的大小確定labview和圖像采集設(shè)備之間的閉環(huán)控制風(fēng)險(xiǎn)等級(jí)。

53、2.本發(fā)明通過量化歷次閉環(huán)控制穩(wěn)定系數(shù)和風(fēng)險(xiǎn)分類結(jié)果，采用時(shí)間序列分析和卡爾曼濾波器算法，識(shí)別風(fēng)險(xiǎn)的模式和持續(xù)性，以更準(zhǔn)確地評(píng)估風(fēng)險(xiǎn)的嚴(yán)重程度。接著，利用相位空間重構(gòu)和多維時(shí)序特征空間構(gòu)建，提取時(shí)間動(dòng)態(tài)特征，并通過距離度量評(píng)估不同時(shí)間段內(nèi)風(fēng)險(xiǎn)分類的相似度和持續(xù)性。借助k聚類分析方法，對(duì)風(fēng)險(xiǎn)積累指標(biāo)進(jìn)行聚類，確定持續(xù)性風(fēng)險(xiǎn)的候選集合。這樣的處理過程有助于排除單次事件的偶然性，通過多次分析和綜合評(píng)估，能夠更加準(zhǔn)確地判斷l(xiāng)abview和圖像采集設(shè)備之間的閉環(huán)風(fēng)險(xiǎn)問題，確保評(píng)估結(jié)果更具有穩(wěn)定性和可靠性。