CN105372990A - 血细胞计数同步控制方法及应用 - Google Patents
血细胞计数同步控制方法及应用 Download PDFInfo
- Publication number
- CN105372990A CN105372990A CN201510787015.1A CN201510787015A CN105372990A CN 105372990 A CN105372990 A CN 105372990A CN 201510787015 A CN201510787015 A CN 201510787015A CN 105372990 A CN105372990 A CN 105372990A
- Authority
- CN
- China
- Prior art keywords
- control
- fuzzy
- blood
- area
- cell
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明公开了一种血细胞计数同步控制方法及其应用。方法包括:自动送样步骤;同步控制步骤;血细胞识别步骤;所述同步控制装步骤采用模糊PID控制。识别细胞,进一步包括以下子步骤:全部扫描过Fn个连通区域后,统计出形状因子大于0.83的连通区域且面积达到设定的标准的最小面积标准T的个数,并计算这些连通区域的总面积,求得标准细胞面积的期望值;重新比对参与标准细胞面积期望S的连通区域,对大于S面积1.5倍以上的连通区域面积予以删除,随后重新计算标准面积S。本发明能够检测结果的准确性,消除人工操作对检测结果的影响,不仅具有重要的学术价值,而且有着广阔的前景,创造可观的社会经济效益。
Description
技术领域
本发明涉及生物检测技术领域,特别涉及一种血细胞计数同步控制方法及应用。
背景技术
在血站或医院都会用到血细胞计数仪,用来检测献血者或患者全血中红细胞、血小板、白细胞的各项参数,在血站,检测结果用以判断是否可以采集血小板;在医院,检测结果是临床医生决定治疗方案的重要依据。血细胞计数仪是否吸取足量、不含空气或气泡的血样是决定检测结果准确性的重要依据。在操作过程中,特别是样本比较多时、新上岗人员使用时,会因为样本试管摆放位置不当导致血细胞计数仪取样针不到位、吸样不足,或吸入空气,影响血液检测结果的准确性。
伴随着国家信息化建设的逐年推进和计算机技术的日益成熟,计算机与医学这两个不同的学科也在互相渗透,象征着生物医学在新时代的背景下向着多元化,智能化,自动化的趋势发展。一个国家的的繁荣强大离不开医学的支撑,它是人民群众的生命生活质量的重要的保证,同时也是一个国家综合实力的一种体现。
医学的发展总是伴随的基础学科的发展,尤其在19世纪,伴随着当时自然科学学科的迅速兴起,医学也由传统医学转入始发展现代医学。细胞学兴起于19世纪初,细胞病理学由德国病理学家菲尔肖提出,他主张通过细胞的异变,形态等角度分析可能存在的病理现象。他学说的基本原理包括:细胞来自细胞;机体是细胞的总和;疾病可用细胞病理来说明等。历经多年的发展创新,各种可视化技术的进步,医学影像已经成为了临床医学中重要的载体,细胞的医学影像在临床分析的重要作用,也得到了广泛的重视与共识,在广大的医学研究机构或医院中发挥了重要作用。
使用计算机图像技术对图像进行处理的技术称为数字图像处理技术。数字图像处理技术很好的可以解决很多传统图像处理方法在执行时遇到的速度慢、效率低、传输困难的问题,它起源于早期使用的数字传输实验,历经几十年的发展,成为了现在的一个综合学科。相比较通用的数字图像数字技术而言,医学图像与普通图像处理相比,医学图像处理的难度和要求都更高。
一、医学图像涉及的往往是人体的组织,因此成分复杂,对图像处理的精度要求高。
二、医学影象有灰度的的不均勻性,在相同的组织内,灰度变化的趋势也不具有固定的变化模式,这些因素更增加了医学图像处理的难度和潜力。
由于数字图像在医学上的交叉应用的使用价值很高,特别是在一些细胞数量大、诊断误差要求极高的医学图像切片应用里,如血液中的红细胞识别,各个器官中发生癌变的细胞识别等。前景十分广阔,如能借助图形图像处理,模式识别等技术对其加以实现,就能使广大医务人员从繁琐的切片分析中解脱出来,能很大的提高医院机关的运行效率,由过去的单纯依靠人工识别转化为算法智能上的实现,减少人眼判断时的误差。
发明内容
本发明所要解决的技术问题在于,提供了一种血细胞计数同步控制方法及应用。本发明可以根据设备位置,自动送样,固定高度,固定距离,达到标准吸样位置后自动启动血细胞计数仪吸样、检测,不需要过多的人工干预操作。本发明全自动血细胞计数仪针对现有技术中血细胞计数人工识别的缺陷,利用图像识别技术结合显微图像的特点进行血液中细胞数的判别计数。通过一系列对样本图片的预处理,进一步然后采用标记处理和统计修正等方法,从预处理和判断重叠细胞两方面入手。最终实现利用血液中红细胞快速的计数,同时设计友善的人机交互界面。
为解决上述技术问题,本发明提供了一种血细胞计数同步控制方法,包括:自动送样步骤;同步控制步骤;血细胞识别步骤;所述同步控制装步骤采用模糊PID控制。
所述血细胞识别步骤,用于识别血液样品中的血细胞;
所述同步控制步骤,用于控制所述自动送样装置和血细胞识别装置同步;
所述自动送样步骤,用于运送血细胞样品;
所述血细胞识别步骤,采用的识别方法如下:
(1)读入细胞图像,转化图像到HIS空间;
(2)直方图均衡化;
(3)图像平滑、分割、边缘修正;
(4)特征提取;
(5)识别细胞。
所述步骤(5)识别细胞,进一步包括以下子步骤:
(51)全部扫描过Fn个连通区域后,统计出形状因子大于0.83的连通区域且面积达到设定的标准的最小面积标准T的个数,并计算这些连通区域的总面积,求得标准细胞面积的期望值;
(52)重新比对参与标准细胞面积期望S的连通区域,对大于S面积1.5倍以上的连通区域面积予以删除,随后重新计算标准面积S;
标准细胞面积期望S的公式如下:
其中X为形状因子大于0.83且排除为干扰点后的连通区域的个数,AFx为Fi至Fx个形状因子大于0.83的连通区域的面积。
所述同步控制装步骤用模糊PID控制,所述模糊PID控制的模糊规则表为:
Δkp的模糊规则表:
Δki的模糊规则表:
Δkd的模糊规则表:
所述同步控制步骤采用模糊PID控制,所述模糊PID控制的模糊控制量查询表为:
Δkp的模糊控制量查询表:
Δki的模糊控制量查询表:
Δkd的模糊控制量查询表:
所述血细胞计数同步控制方法使用时,血样试管置于送样器试管支架中,按开始键,送样器按设计推进和升降距离同步升降、推进,到达指定位置,手臂触动检测启动键,吸样,15秒后,送样器自动归位,准备下一样本检测。
为解决上述技术问题,本发明还提供了一种如前述任一项所述血细胞计数同步控制方法在血细胞计数仪制备中的应用。
为解决上述技术问题,本发明另提供了一种如前述任一项所述血细胞计数同步控制方法在血细胞计数仪使用中的应用。
为解决上述技术问题,本发明又提供了一种血细胞计数仪,包括:
血细胞识别装置、同步控制装置和自动送样装置;
所述同步控制装进一步设有模糊PID控制模块;
所述血细胞识别装置,分别与所述输入装置和同步控制装置相连,用于识别血液样品中的血细胞:
所述同步控制装置,分别与所述自动送样装置和血细胞识别装置相连,用于控制所述自动送样装置和血细胞识别装置同步;
所述自动送样装置,分别与所述自动控制装置和所述血细胞识别装置相连,用于运送血细胞样品。
所述血细胞识别装置,采用的识别方法如下:
(1)读入细胞图像,转化图像到HIS空间;
(2)直方图均衡化;
(3)图像平滑、分割、边缘修正;
(4)特征提取;
(5)识别细胞;
所述自动送样装置进一步包括:底座、上下升降轨道、纵深推进轨道和带试管架的启动手臂;
所述底座为防静电电木板。
本发明有益的技术效果在于:本发明全自动血细胞计数仪能够将待检测血样按设计要求自动送到血细胞计数仪吸样精确位置,确保吸取足够的标本血量,确保检测结果的准确性,消除人工操作对检测结果的影响。本发明细胞的计数不仅具有重要的学术价值,而且有着广阔的前景,创造可观的社会经济效益。
附图说明
图1为本发明实施例所述PID控制器结构图;
图2为本发明实施例所述模糊控制器的基本结构图;
图3为本发明实施例所述模糊PID控制器完成的具体任务示意图。
具体实施方式
以下将结合实施例来详细说明本发明的实施方式,借此对本发明如何应用技术手段来解决技术问题,并达成技术效果的实现过程能充分理解并据以实施。
需要说明的是,为节省说明书撰写篇幅,避免不必要的重复和浪费,在不冲突的情况下,本申请中的实施方式及实施方式中的特征可以相互组合。
本发明一实施方式中,血细胞计数同步控制方法,包括:自动送样步骤;同步控制步骤;血细胞识别步骤;所述同步控制装步骤采用模糊PID控制。
所述血细胞识别步骤,用于识别血液样品中的血细胞;
所述同步控制步骤,用于控制所述自动送样装置和血细胞识别装置同步;
所述自动送样步骤,用于运送血细胞样品;
所述血细胞识别步骤,采用的识别方法如下:
(1)读入细胞图像,转化图像到HIS空间;
(2)直方图均衡化;
(3)图像平滑、分割、边缘修正;
(4)特征提取;
(5)识别细胞。
所述步骤(5)识别细胞,进一步包括以下子步骤:
(51)全部扫描过Fn个连通区域后,统计出形状因子大于0.83的连通区域且面积达到设定的标准的最小面积标准T的个数,并计算这些连通区域的总面积,求得标准细胞面积的期望值;
(52)重新比对参与标准细胞面积期望S的连通区域,对大于S面积1.5倍以上的连通区域面积予以删除,随后重新计算标准面积S;
标准细胞面积期望S的公式如下:
其中X为形状因子大于0.83且排除为干扰点后的连通区域的个数,AFx为Fi至Fx个形状因子大于0.83的连通区域的面积。
所述同步控制装步骤用模糊PID控制,所述模糊PID控制的模糊规则表为:
Δkp的模糊规则表:
Δki的模糊规则表:
Δkd的模糊规则表:
所述同步控制步骤采用模糊PID控制,所述模糊PID控制的模糊控制量查询表为:
Δkp的模糊控制量查询表:
Δki的模糊控制量查询表:
Δkd的模糊控制量查询表:
所述血细胞计数同步控制方法使用时,血样试管置于送样器试管支架中,按开始键,送样器按设计推进和升降距离同步升降、推进,到达指定位置,手臂触动检测启动键,吸样,15秒后,送样器自动归位,准备下一样本检测。
本发明再一实施方式提供了一种如前述任一项所述血细胞计数同步控制方法在血细胞计数仪制备中的应用。
本发明另一实施方式提供了一种如前述任一项所述血细胞计数同步控制方法在血细胞计数仪使用中的应用。
本发明又一实施方式中,血细胞计数仪,包括:
血细胞识别装置、同步控制装置和自动送样装置;
所述同步控制装进一步设有模糊PID控制模块;
所述血细胞识别装置,分别与所述输入装置和同步控制装置相连,用于识别血液样品中的血细胞;
所述同步控制装置,分别与所述自动送样装置和血细胞识别装置相连,用于控制所述自动送样装置和血细胞识别装置同步;
所述自动送样装置,分别与所述自动控制装置和所述血细胞识别装置相连,用于运送血细胞样品。
所述血细胞识别装置,采用的识别方法如下:
(1)读入细胞图像,转化图像到HIS空间;
(2)直方图均衡化;
(3)图像平滑、分割、边缘修正;
(4)特征提取;
(5)识别细胞;
所述自动送样装置进一步包括:底座、上下升降轨道、纵深推进轨道和带试管架的启动手臂;
所述底座为防静电电木板。
本发明再一实施方式中,全自动血细胞计数仪包括:血细胞识别装置、同步控制装置、自动送样装置、输入输出装置和结果显示装置。
本发明的血细胞识别统装置采用的识别方法如下:
1、读入细胞图像,转化图像到HIS空间;
2、直方图均衡化;
3、图像平滑、分割、边缘修正;
4、特征提取;
5、识别细胞。
HSI模型是由孟塞尔提出的,它较RGB模式更符合人眼观察物体彩色的***面上时,所有点的颜色都为黑色而在顶部时所有点的颜色都为白色,此时在圆柱地面和顶面的H、S分量的没有意义。
RGB空间到HSI空间的转化。
由于人眼对血细胞的识别感知的过程带有明显的色彩感知成分,所以在处理图像的过程中选择将图像由RGB空间映射至HSI空间,更符合人类在辨识有色目标时的习惯与特点,本发明中,转换的过程如下:
对于任何处在[0,1]区间的RGB值,其值所对应的HSI模型中的H、S、I分量的转化公式为:
直方图均衡。
先将图像灰度化。灰度化之后图像的灰度值的分布情况可以有直方图反映出,它可以看作是图像的灰度级函数,它的横坐标与纵坐标分别表示图像灰度值与灰度出现的频度。它的本质是以累计分布函数变换法为基础的直方图修正法直方图均衡化的变换函数为:
式中:ω是积分变量,而就是r的累积积分函数。
这里,累积积分函数看作是r的函数,并且函数单调地从0增加到1,所以这个变换函数满足T(r)在0≤r≤1单值单调增加。在0≤r≤1内有0≤T(r)≤1的两个条件。
对式中的r求导,则
由上述的结果可知,在变换后的变量s的定义域内的概率密度是均与分布的。因此,使用r的累积分布函数作为变换函数,可使原图像变换为一张灰度值分布符合均匀概率密度的新图像,能够使像素取值的动态范围得到扩展。对于离散的图像,则使用频率来代替概率。
图像平滑
图像平滑是指通过一系列方法,如分析低频成分、主干部分或抑制图像噪声和干扰高频成分,使图像亮度平缓渐变,减小突变梯度,改善图像质量的处理方法。例如高斯噪声,即图像的每一点的噪声幅度的n维分布服从高斯分布,因此也被称为正态分布。对于随机变量X,其概率密度函数记为N(μ,σ2),其中μ,σ2为分布的参数,分别为高斯分布的期望和方差。其概率密度函数的公式为:
本发明中使用的图像平滑的方法包括:插值方法,线性平滑方法,卷积法。在具体情况下,选择图像平滑的处理方法要根据图像噪声类别的区别对待,才能达到理想的效果。
图像分割:
本发明采用最大类间差法分割。最大类间差法,有时也称之为大津算法,通常是被人图像瓜分中阈值获取的最佳算法,该算法的特点是:(1)计算容易,算法效率高(2)不受图像亮度和比拟度的波及。(3)性能最为稳定。因为最大类间差法的这些优点,其在数字图像处理上获得了普遍的利用。它的算法原理基于图像的阈值分割,寻找图像中能将图像分成背景和前景两局部的每个灰度值特性,当背景和前景之间的类间方差越大,即是意味着构成图像的两局部的差异也越大,当局部前景错分为背景或局部背景错分为前景都会导致图像的两局部差异变小。使用类间方差最大好处是总是将图像分割时选择错误而阈值的概率降到最小。
设灰度图像灰度级是L,则灰度范围为[0,L-1],利用最大类间差法算法计算图像的最佳阈值为:
t=Max[w0(t)·(u0(t)-u)2+w1(t)·(u1(t)-u)2]
其中的变量为:当分割的阈值为t时,w0为背景比例,μ0为背景均值,w1为前景比例,μ1为前景均值,μ为整幅图像的灰度均值。图像分割后对图像内部进行填充。
细胞边界修正
通过预处理后的图片需要进行必要的修正,又需要兼顾到细胞内部细微孔洞的消除。修正的主要做法是通过选取适合的开闭运算,因为在预处理中提到过闭运算的本身的特点适合对图像的边缘做出修正。
若选择到合理的模板大小和次数,能很好的减少细胞边界的模糊对后面步骤可能会出现的干扰。对于开运算和闭运算在选择次数上和模板参数的选择是对细胞边界修正过程来说是至关重要的,从实验得到结果的效果来分析,选择适当的次数和模板大小能够很好的达到修正边界的预期效果。
细胞的特征提取
(1)轮廓提取
在识别细胞时,很重要的一点就是要对目标的轮廓进行提取。因为二值图像中不同区域中都具有不同像素值,但对于相同的区域里的像素值是相同的。因而轮廓算法的实现步骤为:顺序扫描图像中每一点,若图像中该点的8个近邻都是黑色像素时,说明该点为内部点,删除该点,然后继续扫描下一个点,当图像中所有的点都扫描完毕时即获得了图像轮廓的提取,此时获得的轮廓包含独立细胞与重叠细胞共同组成的闭连通区域。
(2)获取细胞的特征
在获得目标的轮廓之后可以计算出一些后续算法所需要细胞的主要形态学上的特征。这之中包括圆心,周长,面积,形状等,在这里我们通过计算出这些特征来为最后的计数统计来做好前期的数据准备,算法进行至此步骤的时实际上已经可以通过近似计算出连通区域的个数来解决一些简单的独立细胞的识别问题。但是这种做法在面对一些大面积粘连,重叠或者重合的细胞还是无法判断,会造成统计出来的数值大大的小于实际数值,但是还不需要直接对这种情况做出判断,只需尽可能减少获得特征数据的误差,方便后面的计算。
提取连通区域的特征
此处需要通过查询来提取出每个连通分量的周长,面积和质点,此时获得的数据已经可以提交给细胞识别算法处理。
连通区域的面积算法流程如下:
(1)若连通区域的总个数为,遍历1-n个连通区域;
(2)每对一个连通区域进行遍历时逐行,逐列遍历,记录下同行两个像素值不为0的像素P(x1,y1),P(x2,y2)之间的像素个数并相加,另此时的总和为N。
(3)若第i行没有一个不为0的像素则结束程序,此时的N值为所求面积。
在全部扫描过Fn个连通区域后,统计出形状因子大于0.83的连通区域且面积达到设定的标准的最小面积标准T的个数,并计算这些连通区域的的总面积,就可以求得标准细胞面积得期望,从而避免将已经产生重叠现象和干扰点被进入通的闭连通区域面积带入计算平均细胞面积之中造成误差。在获得了标准细胞面积S的面积之后还需要进一步反馈验证,即重新比对参与标准细胞面积期望S的连通区域,对大于S面积1.5倍以上的连通区域面积予以删除,随后重新计算标准面积S。标准细胞面积期望S的公式如下:
其中X为形状因子大于0.83且排除为干扰点可能性后的连通区域的个数,AFx为Fi至Fx个形状因子大于0.83的连通区域的面积。
通过这样方法选取后计算出来的面积作为标准细胞面积的好处有:
(1)由于形状因子的限制排除了那些因重叠面积增大的细胞参与到平均面积S的计算值中,保证了标准细胞面积的准确性。
(2)因为形状因子与图像中独立细胞的大小无关,只与血细胞的形状有关,这样就很好的适应了不同比例尺寸图片中血细胞大小不一的问题。大大提高***了对图像的自适应能力。
(3)可以更准确的帮助区分重叠细胞。
(4)引入了连通区域面积计算反馈验证算法,避免了实际情况中可能出现的多细胞重叠但形状因子却不发生改变的情况。
对于重叠的细胞其形状因子发生很大变化,对于形状因子小于0.83的连通区域,可以判定为连通区域中的细胞发生了不同程度的重叠现象。此时通过判定重叠细胞的面积与标准细胞面积的比值来估计重叠程度。对于比值在1至1.5之间可以认为它们发生了两个的重叠,对于比值在1.5值2.5之间的可以认为它们发生了3个细胞的重叠,以此类推。通过这样区别对待独立与重叠细胞的方法,多次扫描图像中的闭连通区域,可以很好的统计出图像中的血细胞个数。
本发明的一种同步控制装置:
本法明采用永磁同步电机,其同步控制装置采用PID控制。PID控制策略是应用在许多工业领域一种控制方法,它结合了三个基本控制要素,即对过去、现在和未来的控制,图1对常规PID控制原理进行了准确的描述。
控制***的组成主体为控制器和控制对象。PID控制器基于线性组合控制原理,将给定值r(t)和输出值y(t)相比较,得到一个控制偏差,最终再将偏差的比例、积分和微分进行线性组合,得到控制***所需要的调节量,实现对被控对象的控制,因此称为PID控制器。控制算法如下所示:
(公式1)
其中,e(t)=r(t)y(t)
Kp——比例系数
Ki——积分时间常数
在本实施例的实际应用中,控制***是不连续的,所以传统的PID控制是不能直接使用的,它需要将控制过程离散化处理,得到不連续的数字量,这种控制形式即数字PID控制。随着计算机控制技术的发展,该种控制器的能力已得到大幅度提高,特别是在运算能力和实现速度上,均可实现良好性能的数字PID控制。在进行数字PID控制之前,本事实力将控制***进行高散化运算,步骤如下:
u(t)=u(kT)
e(t)=e(kT)
公式2中T为采样周期,K是抽样数,为了确保足够的精度,采样周期T必须足够短,以便将一系列kT的采样时刻点进行近似区间积分,相邻采样点之间的增量来代替差分。
将公式2代入公式1即可得出经过离散处理之后的数字PID表达式:
(公式3)
或
(公式4)
其中:
u(k)——第k次采样的计算机輸出值;
e(k-1)——第k-1次采样得到的偏差;
Ki——积分系数,
Kd——微分系数,
由于执行机制对计算机的输出值u(k)进行直接控制,即u(k)的值与目标位置之间一对应。因此,公式2与公式3为位置式PID处理模式。根掘方程公式2或公式3可以看出,u(k)的每个输出都与过去状态相关联,故计算时要将之前所有的e(k)的进行叠加,计算量非常大。此外,由于输出值u(k)对应于受控对象的现场输出,一旦监控器呈现异常,u(k)将受影响致使控被控对象出现明显波动。在某些情况下,这种现象可能造成重大事故。因此,本发明又提供了一种增量式PID控制算法。
增量式PID控制算法得到的输出是增量Δu(k),当将被控对象的增量为控制参数时,适合采用增量式PID控制方法。根据递推原理:
(公式5)
公式4与公式5作差即获得增量形式的PID表达形式
u(k)=Kp[e(k)e(k1)]+Kie(k)+Kd[e(k)2e(k1)+e(k2)]
=Kpe(k)+K;e(k)+Kd[e(k)e(k1)](公式6)
其中,e(k)=(k)e(k1)。
根据公式6表达,控制量Δu(k)为此次被控对象需要的增量,通过计算机计算输出所得。在本实施例中,控制量输出采用的表达式为u(k)=u(k-1)+Δu(k)。
在算法上对原来的位置式PID进行改进,得到的优势是非常明显的:因为输出的是被控量的增量,故減少了误动作带来的负面影响。必要时也可以通过逻辑判断的方法来消除影响。改进后的控制方式在控制模式切换的时候冲击很小,可以实现无就动切换。一旦电脑发生误动作,增量式的控制方式可以对控制***的信息进行保存,保证***的抗干扰能力,且在算法上不需要积累,实现容易。控制增量Δu(k)的值取决于上一次信息的采样,因此,采取部分加权的形式进行相关操作会提高***的控制特性。
为了保证整体能够拥有良好运行效果,需恰当选择响应比例系数、积分系数与微分系数,因为这些参数决定了控制***的多项性能,其具体的影响表现如下所示:
1)比例系数Kp影响被控对象的响应速度和控制精度。Kp值增大,控制***反应速度就会变快,控制精度提高,但也容易产生超调现象,致使***出现不稳定。当kp太小,控制整体的调节准确性就会偏小,造成***响应过程变长,进一步拉长整定时间,严重妨碍整体的控制性能。
2)积分参数Ki是用来減少静态控制***产生的误差,它具体影响的是偏差的消除快慢,将该系数调大时,该调节过程将大大缩短,若Ki的值太大时,这个过程初期的响应会产生积分饱和,导致响应过程中的超调。而当Ki取值过低时,则静态产生的的误差无法完全清除,无法保证***达到良好的控制效果。
3)微分系数Kd是对***动态特性的影响,偏差变化能够在运行的过程中得到抑制与预测。Kd值太大,造成抑制提前,延缓响应的进程,增加体系的整定时间,降低控制器对抗外界干扰能力。
模相控制器。模糊集合与相应控制理念的提出是为了研究一些投有固定表现形式、模糊不清的问题,经过模糊方式控制,使之清晰化,更具有条理性与可预知功能。之后,经过科学工作的继续深入研究,具有自适应功能的模糊控制器应运而生,它可以根据控制***的实时反馈效果进行控制规则的自我修整,最终达到良好的控制状态。本发明自组织模糊控制器,是在自适应模糊控制器的基础上又拥有了自主学习能力,完善了单纯模湖控制器的不足。
模糊控制的核心技术是模拟人的主观思维判断,这种智能技术演变为具体的模糊推理体系,其中模糊集的概念引入,语言变量的创建,使模糊控制方式成为一种完整的解决方案。模糊控制器的设计流程的第一步为确定***的具体函数,即根据实际情况确立输入輸出量。接着建立模糊控制规则,将具体的实际输入信息模糊化处理,映射到模糊语言変量区域。建立模糊控制查询表,根据输入情況获得模糊输出,再将其转化为具体的数值。
模糊控制器作为模糊控制***的核心部分,构成元素如图2所示,其包括三部分,具体为:
1、模糊化
模糊化,就是将清晰的数据进行处理,使其不再具体,实际的操作是将具体的***输入数据集合映射到相应的模糊论域。经过模糊处理后的集合是由具有某种界定含义的语言变量构成,这些对应于***输入输出的模糊集合有属于自己特性的隶属函数,隶属函数的种类选择根据的是现场调试的经验积累。
语言变量的表现形式取自人类通俗易懂的语言形容,根据直观的感受,将具体数据论域划分为级别不同的区域:例如反馈比预期值小很多表示为负大,字母表示为NB,小的比较多为负中(NM),小的较少为负小(Ns),与目标相近的为零(z),当输出较预期大时为Ps(正小),PM(正中),PB(正大)。区域的划分多少应根据以往控制经验来定,区间数量过多虽然会使精度提高,但是会造成巨大的设计工程量,且编程繁琐,数量过少虽然应用起来很简洁但是对于控制效果会造成不良的影响。至于究竟划分多少档位最为合适,需要设计人员不仅经验丰富,还要对控制过程及时的做出调整。模糊控制中隶属函数的选择是多种多样的,例如统计方式、专家法等,虽然对于同一个控制***会有多种不同的隶属度函数,但最终实现的目标是相同的,即获得稳定精确的控制性能。
2、知识库和模糊推理
数据库是知识库的一部分,由控制***变量模糊化后的模糊取值和与之对应的隶属函数的具体信息元素组成。输入的模糊化是将实际的输入量按制度进行量化,映射到符合要求的论域范围中。实际输入量经过转化得到的语言变量构成模糊控制器的输入空间,同样,输出量转化后得到的语言变量成为控制器的输出空间。模糊控制根据***的变量范围将其划分为不同的区域,每个区域根掘其自身的范围特点对应一个语言名称,该名称对区域明确的做出了界定,表明了区域划分的梱又。对应于一个单一的模糊集的模糊语言,其个数決定了控制的复杂度。这些语言的名字通常都有一定的意义,如负大、负小、正大、正小等。通常,模糊集合的分布是人为规定的,没有对称性的要求,集合的多少代表了控制的复杂程度。
3、解模糊化
模糊控制器输出的为模糊变量,即代表某一论域的语言名称,故不能直接用于现场控制的参数调节。模糊输出量转化为具体数值的过程为解模糊,模糊输出经由某种推理方法归结为一个应用于现场控制的参数数值,这代表着模糊控制器调节任务的结束。
模糊PID控制器结构:
模糊PID控制器是PID策略与模糊思想的互补策略。根据现场反馈信号的采集得到控制变量的偏差E与偏差变化率EC,这两个参数作为模糊PID控制器的输入。控制器完成的具体任务如图3所示,先将具体的数值输入进行模糊化处理,变为不同范围的语言名称。根据经验进行模細推理,得到模糊输出,最终将此輸出解模糊,使其转化为与之相对应的具体数値,这些数值将对***进行实时控制。
本发明模糊PID控制器的设计方法:
1)根据***控制的特征与最终实现目标确定控制器的变量组成,在多输入多输出的控制中,常用实际值与目标值的误差E与误差变化EC作为控制器输入,PID控制器的积分系数、徴分系数与比例系数作为输出。
2)设定量化等级、量化因子与比例因子,将***实际输入信号进行量化;
3)根掘现场操作经验设定输入输出变量的量化模糊子集,选择恰当的子集个数与语言变量,再选用与之相匹配的隶属度函数,
4)模糊控制规则的确定是模糊PID控制器建立的核心,它依靠的是现场操作人员的专业知识和控制经验,根据日常操作经验的积累得出一条条符合现场工艺的模糊语句,其控制规则的书写原则是以保证***良好控制性能为前提;
5)制作模糊査询表:根据模糊控制规则,将输入输出变量根据模糊控制规则在模糊控制表中进行一一对应起来,即根据输入变量査询与之相对应的输出量。
6)输出量的解模糊处理:解模糊即清晰化处理,是将输出区间的模湖集合映射为一个具体的数值,来解决实际应用的问题,这种将模糊输出区间转化为具体数值的过程叫做解模糊。
7)模糊PID控制器设计完成后仍需对其有效性和可靠性进行验证与调整,既可以在线进行观测,也可以使用离线仿真实验或计算机仿真,以此来检验控制器是否符合预期目标。
传统的PID控制器控制性能良好,在控制领域得到了广泛的应用,但由于自身的限制使其无法应付实际通行过程产生的各类干扰和负载变化带来的影响,故在控制要求比较高的应用场合存在了一定局限性。本发明结合传统的PID控制和模糊控制技术,使得传统的PID控制器有了自适应能力,提高了在工业领域中的应用。本实施例就根据***控制要求,选取交又相合控制方式,并采用模湖PID控制器对第二电机进行速度补偿,最终实现两台电机的同步运行方式。
使用MATLAB,在主窗口中输fuzzy,根据***性质选定輸入输出变量,本发明电机同步控制***是两输入三输出体系,模糊输入空间是偏差e以及偏差变化率ec,比例、积分、微分的增量Δkp、Δki、Δkd为作为模糊输出空间。
确定素属度函数:根据经验设置输入输出变量的隶属度函数都为三角隶属函数,边界值则采用高斯隶属函数。
模糊语言值被定义为{NB,NM,NS,ZE,PS,PM,PB}。根据电机同步控制要求的同步精度,将偏差e和偏差变化量ec变换到论域{-3,-2,-1,0,1,2,3};模糊输出量Δkp量化论域为{-0.3,-0.2,-0.1,0,0.1,0.2,0.3},Δki量化论域为{-0.06,-0.04,-0.02,0,0.02,0.04,0.06},ΔKd的量化论域为{-0.3,-0.2,-0.1,0,0.1,0.2,0.3)。
模糊规则是由操作经验与专家知识总结所得,因此根据PID参数的作用,及结合实际中操作人员和调试人员在电机同步控制中对负載变化及出现扰动时的多年操作经验,建立如下模糊控制规则表:
表1-1Δkp的模糊规则表
表1-2Δki的模糊规则表
表1-3Δkd的模糊规则表
模糊控制量査询表的功能是:已知模糊量输入,通过表格的查询获得控制器的模糊输出。依据表1-1到表1-3建立模糊推理规则,采用重心法进行解模糊,得到的模糊控制量査询表用于PLC离线査询。
表2-1Δkp的模糊控制量查询表
表2-2Δki的模糊控制量查询表
表2-3Δkd的模糊控制量查询表
量化因子与比例因子的选择:
1、量化因子的确定
控制***中偏差e和偏差变化ec的模糊论域均为{a,b},实际误差e的变化范围为[-30,30],误差变化ec的变化范围为[-60,60],
Ke=(ba)/[30(30)]=6/60=0.1
Kec=(b)/[60(60)]=6/120=0.05
其中Ke为误差e的量化因子,Kec是误差变化ec的量化因子。
x=Keey=Kecec
其中当x为整数时,则模糊量E为x,当x为小数时则四舍五入为E,同理可将y处理为模糊输入量Ec。
在同步测试过程中,量化因子的大小影响控制***的动态特性。当Ke较大时,***可以快速的达到峰值,但是快速的调节带来严重的超调想象,且超调时间技长。Kec较大有利于***的稳定,减少超调时间,但是造成***响应缓慢。故需根据实际情况对量化因子进行调整,使***的同步控制达到最佳状态。
2、比例因子的确定
模糊控制器在输入模糊量E与EC后,经过PLC内部査表后的模糊输出量U,通过比例因子的作用将其变为具体的输出值u。
设U的模糊论域为[a,b],实际的输出范围为[umin,umax],则比例因子Ku为:
Ku=(umaxumin)/(ba)
Kkp=0.4/0.6=0.67
Kki=50/0.12=426.67
Kkd=0.2/0.6=0.33
最终得到的控制量u=KuU,其中比例因子的大小同样影响着控制***的动态响应效果,当比例因子过大会造成调节速度太过迅速,带来较大的波动;比例因子偏小会減缓***的响应过程,影响***稳定状态时的调节精度。故比例因子的大小影响着模糊控制器的调节效果。
在本发明的另一实施例中,提供了另一种同步控制装置:
本法明采用永磁同步电机,其同步控制装置采用PID控制。PID控制是一种基于误差反馈控制的方法,至今,PID控制器任然广泛应用于工业控制***。
本发明永磁同步电机的速度输出方程表示如下:
其中,
然后可以推导出永磁同步电机的速度自抗扰控制器算法为:
(1)跟踪微分器
上式中,是***给定速度,ω是的跟踪速度。
(2)扩张状态观测器
式中ω*是***的反馈信号,z21是ω*的跟踪信号,z22是***的未知扰动的观测值。
(3)非线性状态误差反馈控制律
扰动补偿的控制量为:
u(t)就是经过扰动补偿之后输入到电流环的控制量。
本发明全自动血细胞计数仪的自动送样装置由底座、上下升降轨道、纵深推进轨道、带试管架的启动手臂四部分组成。底座长度165mm,宽度85mm,高度30mm;纵深推进轨道长度120mm,宽度90mm,最大纵深推进距离为80mm;升降轴高度160mm,最大升降距离为80mm;带试管支架的启动手臂长度80mm,游离端为半圆形,宽度20mm,支架设置4孔,每孔直径15mm,深度45mm。底座为防静电电木板,带试管架的触动手臂由硬质坚固材料组成,升降轴由不锈钢材料。使用时,血样试管置于送样器试管支架中,按开始键,送样器按设计推进和升降距离同步升降、推进,到达指定位置,手臂触动检测启动键,吸样,15秒后,送样器自动归位,准备下一样本检测。
所有上述的首要实施这一知识产权,并没有设定限制其他形式的实施这种新产品和/或新方法。本领域技术人员将利用这一重要信息,上述内容修改,以实现类似的执行情况。但是,所有修改或改造基于本发明新产品属于保留的权利。
Claims (10)
1.一种血细胞计数同步控制方法,其特征在于,包括:自动送样步骤;同步控制步骤;血细胞识别步骤;所述同步控制装步骤采用模糊PID控制。
2.根据权利要求1所述血细胞计数同步控制方法,其特征在于,
所述血细胞识别步骤,用于识别血液样品中的血细胞;
所述同步控制步骤,用于控制所述自动送样装置和血细胞识别装置同步;
所述自动送样步骤,用于运送血细胞样品;
所述血细胞识别步骤,采用的识别方法如下:
(1)读入细胞图像,转化图像到HIS空间;
(2)直方图均衡化;
(3)图像平滑、分割、边缘修正;
(4)特征提取;
(5)识别细胞。
3.根据权利要求1或2所述血细胞计数同步控制方法,其特征在于,所述步骤(5)识别细胞,进一步包括以下子步骤:
(51)全部扫描过Fn个连通区域后,统计出形状因子大于0.83的连通区域且面积达到设定的标准的最小面积标准T的个数,并计算这些连通区域的总面积,求得标准细胞面积的期望值;
(52)重新比对参与标准细胞面积期望S的连通区域,对大于S面积1.5倍以上的连通区域面积予以删除,随后重新计算标准面积S;
标准细胞面积期望S的公式如下:
其中X为形状因子大于0.83且排除为干扰点后的连通区域的个数,AFx为Fi至Fx个形状因子大于0.83的连通区域的面积。
4.根据权利要求1~3中任一项所述血细胞计数同步控制方法,其特征在于,所述同步控制装步骤用模糊PID控制,所述模糊PID控制的模糊规则表为:
Δkp的模糊规则表:
Δki的模糊规则表:
Δkd的模糊规则表:
5.根据权利要求1~4中任一项所述血细胞计数同步控制方法,其特征在于,所述同步控制步骤采用模糊PID控制,所述模糊PID控制的模糊控制量查询表为:
Δkp的模糊控制量查询表:
Δki的模糊控制量查询表:
Δkd的模糊控制量查询表:
6.根据权利要求1~5中任一项所述血细胞计数同步控制方法,其特征在于,使用时,血样试管置于送样器试管支架中,按开始键,送样器按设计推进和升降距离同步升降、推进,到达指定位置,手臂触动检测启动键,吸样,15秒后,送样器自动归位,准备下一样本检测。
7.一种如权利要求1~6中任一项所述血细胞计数同步控制方法在血细胞计数仪制备中的应用。
8.一种如权利要求1~6中任一项所述血细胞计数同步控制方法在血细胞计数仪使用中的应用。
9.一种血细胞计数仪,其特征在于,包括:
血细胞识别装置、同步控制装置和自动送样装置;
所述同步控制装进一步设有模糊PID控制模块;
所述血细胞识别装置,分别与所述输入装置和同步控制装置相连,用于识别血液样品中的血细胞;
所述同步控制装置,分别与所述自动送样装置和血细胞识别装置相连,用于控制所述自动送样装置和血细胞识别装置同步;
所述自动送样装置,分别与所述自动控制装置和所述血细胞识别装置相连,用于运送血细胞样品。
10.根据权利要求9所述血细胞计数仪,其特征在于,所述血细胞识别装置,采用的识别方法如下:
(1)读入细胞图像,转化图像到HIS空间;
(2)直方图均衡化;
(3)图像平滑、分割、边缘修正;
(4)特征提取;
(5)识别细胞;
所述自动送样装置进一步包括:底座、上下升降轨道、纵深推进轨道和带试管架的启动手臂;
所述底座为防静电电木板。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510787015.1A CN105372990A (zh) | 2015-11-16 | 2015-11-16 | 血细胞计数同步控制方法及应用 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510787015.1A CN105372990A (zh) | 2015-11-16 | 2015-11-16 | 血细胞计数同步控制方法及应用 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105372990A true CN105372990A (zh) | 2016-03-02 |
Family
ID=55375285
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510787015.1A Pending CN105372990A (zh) | 2015-11-16 | 2015-11-16 | 血细胞计数同步控制方法及应用 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105372990A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114612333A (zh) * | 2022-03-17 | 2022-06-10 | 生态环境部长江流域生态环境监督管理局生态环境监测与科学研究中心 | 一种基于显微镜图像的微囊藻类细胞统计方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH01293401A (ja) * | 1988-05-20 | 1989-11-27 | Matsushita Electric Ind Co Ltd | ファジィ制御演算装置およびファジィ推論方法 |
CN1834659A (zh) * | 2005-03-17 | 2006-09-20 | 希森美康株式会社 | 试料分析装置和试料分析方法以及血液分析装置 |
CN1952819A (zh) * | 2005-10-17 | 2007-04-25 | 中国科学院沈阳计算技术研究所有限公司 | 数控机床模糊pid控制方法及实现装置 |
CN101526540A (zh) * | 2008-03-07 | 2009-09-09 | 希森美康株式会社 | 分析仪及其运送装置 |
CN204699118U (zh) * | 2015-04-17 | 2015-10-14 | 上海工程技术大学 | 血液净化仪四泵联动模糊pid控制*** |
-
2015
- 2015-11-16 CN CN201510787015.1A patent/CN105372990A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH01293401A (ja) * | 1988-05-20 | 1989-11-27 | Matsushita Electric Ind Co Ltd | ファジィ制御演算装置およびファジィ推論方法 |
CN1834659A (zh) * | 2005-03-17 | 2006-09-20 | 希森美康株式会社 | 试料分析装置和试料分析方法以及血液分析装置 |
CN1952819A (zh) * | 2005-10-17 | 2007-04-25 | 中国科学院沈阳计算技术研究所有限公司 | 数控机床模糊pid控制方法及实现装置 |
CN101526540A (zh) * | 2008-03-07 | 2009-09-09 | 希森美康株式会社 | 分析仪及其运送装置 |
CN204699118U (zh) * | 2015-04-17 | 2015-10-14 | 上海工程技术大学 | 血液净化仪四泵联动模糊pid控制*** |
Non-Patent Citations (4)
Title |
---|
庄源昌: "基于虚拟仪器的模糊PID控制***设计", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
曾光奇等: "模糊控制理论与控制应用", 《21世纪高等学校机械设计制造及其自动化专业系列教材》 * |
焦舟波: "模糊PID控制研究及其在水箱过程控制***中的应用", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
蔡远征: "血细胞识别统计***的架构研究", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114612333A (zh) * | 2022-03-17 | 2022-06-10 | 生态环境部长江流域生态环境监督管理局生态环境监测与科学研究中心 | 一种基于显微镜图像的微囊藻类细胞统计方法 |
CN114612333B (zh) * | 2022-03-17 | 2022-12-02 | 生态环境部长江流域生态环境监督管理局生态环境监测与科学研究中心 | 一种基于显微镜图像的微囊藻类细胞统计方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105334336A (zh) | 自动血细胞计数***及其控制方法 | |
CN103440368B (zh) | 一种多模型动态软测量建模方法 | |
CN103824054A (zh) | 一种基于级联深度神经网络的人脸属性识别方法 | |
CN110276966B (zh) | 交叉口信号控制时段划分方法 | |
CN107451230A (zh) | 一种问答方法以及问答*** | |
CN109472088A (zh) | 一种页岩气调产井生产压力动态预测方法 | |
CN107330412A (zh) | 一种基于深度稀疏表示的人脸年龄估计方法 | |
CN108682022A (zh) | 基于对抗迁移网络的视觉跟踪方法及*** | |
CN109948540A (zh) | 基于曲线插值和采样的时序qar参数特征提取方法 | |
CN106789149B (zh) | 采用改进型自组织特征神经网络聚类算法的入侵检测方法 | |
CN112130086A (zh) | 一种动力电池剩余寿命预测方法及*** | |
Natali et al. | Learning time-varying graphs from online data | |
CN110308658A (zh) | 一种pid参数整定方法、装置、***及可读存储介质 | |
CN110119583A (zh) | 一种基于复杂事件处理和Petri网的泡沫浮选建模方法及*** | |
CN105319381A (zh) | 一种全自动血细胞计数仪及其计数控制方法 | |
CN113084193A (zh) | 一种激光选区熔化技术原位质量综合评价方法 | |
CN106355574A (zh) | 一种基于深度学习的腹内脂肪分割方法 | |
CN108198268A (zh) | 一种生产设备数据标定方法 | |
CN110221540A (zh) | 基于Hammerstein模型的连续搅拌反应器***控制方法 | |
CN105372990A (zh) | 血细胞计数同步控制方法及应用 | |
CN105319382A (zh) | 血细胞计数方法及应用 | |
CN110378882A (zh) | 一种多层级深度特征融合的中医舌质颜色分类方法 | |
CN112257663B (zh) | 一种基于贝叶斯网络的设计意图识别方法及*** | |
CN105301268A (zh) | 一种全自动血细胞计数仪及其计数控制方法 | |
CN105894010A (zh) | 一种基于粗糙集和改进fcm算法的睑板腺功能测定方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160302 |