卷筒紙膠印機(jī)中的供墨控制

卷筒紙膠印機(jī)中的供墨控制克里斯托弗?英格倫安塔納斯?維瑞卡斯摘要：在卷筒紙膠印機(jī)中，自動(dòng)、健全的供墨控制是這項(xiàng)工作的目標(biāo)。為了實(shí)現(xiàn)這一目標(biāo)，集成控制器和多神經(jīng)模型控制器相結(jié)合。建立了基于通信的印刷過(guò)程模型，并且無(wú)需用戶(hù)交互即可自動(dòng)更新。多模型控制器要優(yōu)于集成控制器，因?yàn)樗倪^(guò)程是在模型的訓(xùn)練區(qū)域運(yùn)行。但是，如果在輸入空間的一個(gè)新的部分開(kāi)始運(yùn)行操作，多模型控制器會(huì)遇到一些普遍問(wèn)題。根據(jù)目標(biāo)數(shù)量的油墨，發(fā)達(dá)的控制結(jié)構(gòu)已經(jīng)成功的用在了卷筒紙膠印機(jī)的自動(dòng)供墨控制中。使用先進(jìn)的工具導(dǎo)致更高的印刷質(zhì)量和更低的油墨和紙張的浪費(fèi)。關(guān)鍵詞：供墨控制；彩色打?。欢嗄Ｐ?；集成控制器；神經(jīng)網(wǎng)絡(luò)1、介紹彩色圖像，例如出現(xiàn)在相機(jī)和電腦顯示器上的，是由三種基本顏色組成：紅(R),綠(G),藍(lán)(B)⑴。RGB三種基元符合人類(lèi)眼睛中的三種顏色傳感的基本視錐細(xì)胞。紅綠藍(lán)是一個(gè)附加的色系，這意味著來(lái)自三種基本來(lái)源的光的光譜被添加到復(fù)制某一顏色的光譜。當(dāng)三種基元等份混合，灰色的陰影便形成了。強(qiáng)度越低，顏色看起來(lái)越暗。白色襯底，例如紙張，通常用于印刷。白紙具有近似于所有波長(zhǎng)可見(jiàn)光譜的反射系數(shù)。當(dāng)白紙?jiān)诠饩€下時(shí)，觀察者所看到的顏色近似的與光源想匹配。為了達(dá)到印刷中的顏色，對(duì)比添加劑系統(tǒng)，減色系統(tǒng)用于油墨吸收部分的光。油墨的類(lèi)型決定了哪一部分光譜發(fā)生吸收。通常用于四色印刷的基本顏色是藍(lán)綠色(C)，紅色(M)，黃色(Y)，黑色(K)，CMYK。CMK疊印產(chǎn)生黑色。然而，由于經(jīng)濟(jì)原因，黑色油墨經(jīng)常代替CMK疊印。此外，黑色油墨通常用于提高彩色圖片的質(zhì)量。由于彩色圖像通常是在RGB顏色空間里獲得,而印刷是使用CMKY原色，因此印刷涉及到所謂的分色過(guò)程，在此過(guò)程中，RGB圖像轉(zhuǎn)換成CMYK色彩空間［2，3］。印刷彩色圖片用的是不同大小的CMYK四基色圓點(diǎn)。圖1的左邊展示了一個(gè)彩色打印的例子。觀察者在小面積的彩色打印中所看到的顏色陰影是在半色調(diào)過(guò)程中確定的，在這個(gè)過(guò)程中創(chuàng)建了不同大小(色調(diào)值)的圓點(diǎn)。點(diǎn)越大，顏色越暗。觀察者在一個(gè)小區(qū)域的印刷圖像中所看到的色調(diào)是由該區(qū)域油墨四基色的比例確定的。估計(jì)點(diǎn)的尺寸后，點(diǎn)在計(jì)算機(jī)-印版（CTP）工藝中被轉(zhuǎn)移到印版上。每種印刷顏色都有一個(gè)單獨(dú)的版。CTP把點(diǎn)轉(zhuǎn)印在薄的鋁板上。該鋁板安裝在印刷機(jī)輸墨系統(tǒng)的印版滾筒上。圖1的右邊是輸墨系統(tǒng)的說(shuō)明。由于印版上空白的區(qū)域和印刷的區(qū)域在同一個(gè)平面上。它們通過(guò)親水和親墨相互區(qū)分。在印刷過(guò)程中，一層薄薄的水膜（潤(rùn)版液）被施加到相應(yīng)油墨應(yīng)用的版上。油墨圖像從印版轉(zhuǎn)印到膠皮滾筒再轉(zhuǎn)印到紙上。為了在印刷過(guò)程中達(dá)到理想的顏色，印刷機(jī)操作者在手動(dòng)運(yùn)作中取樣。取出的樣品與合格的樣品對(duì)比，并作出了很大的努力來(lái)彌補(bǔ)印刷中顏色偏差檢測(cè)。由于網(wǎng)點(diǎn)的大小是固定的，在印刷中唯一可能改變顏色的就是在輸墨系統(tǒng)的供墨中調(diào)節(jié)點(diǎn)的密度。每個(gè)操作員都是基于那些在特定印刷機(jī)的工作者的經(jīng)驗(yàn)進(jìn)行供墨調(diào)整。打印結(jié)果的感覺(jué)是非常主觀的，因此可能會(huì)出現(xiàn)很大依賴(lài)于操作者控制過(guò)程的變化。利用自動(dòng)控制系統(tǒng)可以消除不一致的采樣和主觀色彩補(bǔ)償由操作員，因此你可以通過(guò)生產(chǎn)期待一個(gè)更一致的打印質(zhì)量。因此，打印質(zhì)量變化的減少會(huì)降低紙張和油墨的浪費(fèi)。用自動(dòng)控制系統(tǒng)的優(yōu)點(diǎn)是它的速度，連續(xù)采樣，在控制動(dòng)作的一致性，和耐磨性。工作者的時(shí)間也從服務(wù)效益及印刷設(shè)備的維修中釋放了。在卷筒紙膠印報(bào)紙印刷機(jī)供墨的自動(dòng)控制中已經(jīng)有一些成功的嘗試。在⑷中，一個(gè)知識(shí)庫(kù)，建立由經(jīng)驗(yàn)豐富的運(yùn)營(yíng)商，是用來(lái)幫助一個(gè)新手操作調(diào)整油墨飼料以彌補(bǔ)印刷油墨密度偏差。在［5］中，開(kāi)發(fā)決策支持系統(tǒng)是用于墻面的凹版印刷業(yè)。系統(tǒng)測(cè)量數(shù)量的打印特性，包括顏色。如果漂移是任何參數(shù)的檢測(cè)系統(tǒng)，指導(dǎo)操作者對(duì)過(guò)程變量進(jìn)行適當(dāng)?shù)恼{(diào)整。在⑹中，在線供墨控制系統(tǒng)的開(kāi)發(fā)可以帶動(dòng)印刷油墨密度達(dá)到期望的目標(biāo)密度水平。在上述所有作品中，供墨控制是基于控制在一個(gè)堅(jiān)實(shí)的印刷面積測(cè)量油墨的密度，如圖2所示的頂部。然而，印刷圖片是由點(diǎn)。因?yàn)椴粌H油墨密度，而且大小的圓點(diǎn)可能在印刷過(guò)程中油墨密度沒(méi)有變化，控制印刷過(guò)程中提供足夠的信息。墨量，將油墨密度和網(wǎng)點(diǎn)大小，而應(yīng)使用。因此，我們控制油墨估計(jì)在雙灰色欄的印刷量，在圖2的底部。雙灰色欄包括兩部分，一部分是用黑墨水，其他部分用藍(lán)綠、紅和黃色油墨印刷。1.1油墨量的評(píng)估印刷質(zhì)量是印刷行業(yè)中一個(gè)廣泛的概念。色差，顏色配準(zhǔn)，點(diǎn)的大小和形狀，是常見(jiàn)的表征打印質(zhì)量的參數(shù)。在這項(xiàng)工作中，打印質(zhì)量被定義為樣品的顏色和

參考平面之間的視差（距離）。我們使用L*a*b*色空間⑺大致均勻的評(píng)價(jià)差異。因此，在RGB圖像的CCD相機(jī)記錄顏色雙灰色欄轉(zhuǎn)換成對(duì)應(yīng)的L*a*b*值。然而，L*a*b*值對(duì)那些通常想知道藍(lán)綠，紅，黃，黑色墨水量偏差的印刷機(jī)操作者來(lái)說(shuō)是不容易評(píng)估的。我們?cè)冖讨刑岢隽嗽u(píng)估從雙灰墨量技術(shù)L*a*b*組件?；诩夹g(shù)變革的L*a*b*值記錄從雙灰桿兩部分為C，M,Y含量對(duì)神經(jīng)網(wǎng)絡(luò)，和K的墨水。神經(jīng)網(wǎng)絡(luò)是利用色塊印刷與恒定的油墨密度和不同的色調(diào)值訓(xùn)練（覆蓋面積的百分比由墨水）預(yù)測(cè)油墨印在紙上的金額。如果用于打印測(cè)試片的油墨密度相等時(shí)，保持用于神經(jīng)網(wǎng)絡(luò)訓(xùn)練的印刷油墨的補(bǔ)丁，估計(jì)在測(cè)試補(bǔ)丁印刷量的0和100之間變化。如果測(cè)試補(bǔ)丁的油墨密度超過(guò)一個(gè)用來(lái)打印訓(xùn)練補(bǔ)丁，墨水量可能超過(guò)100（與100%的油墨覆蓋面積）。在這項(xiàng)工作中，一定量的油墨（估計(jì)在上面討論的方式）是控制器具有保持目標(biāo)信號(hào)。Jink-keysInkingsys怕mBlanketcylinder1Dampeningrollers'nkfountainroierPlatecylinderDistributorPaPerPathrollersInkrollersBlariketJink-keysInkingsys怕mBlanketcylinder1Dampeningrollers'nkfountainroierPlatecylinderDistributorPaPerPathrollersInkrollersBlariketcylinder圖1左：點(diǎn)創(chuàng)建一個(gè)彩色打印的一個(gè)例子。右：輸墨系統(tǒng)圖2上部：全色調(diào)的目標(biāo)區(qū)域。底部：雙灰條2、印刷過(guò)程變量及解決途徑印刷機(jī)操作者樣本打印整個(gè)工作運(yùn)行。從批準(zhǔn)的樣本打印顏色偏差檢測(cè)，供墨或者是增加或減少通過(guò)調(diào)整墨鍵。墨鍵位于墨盤(pán)底部（圖1,右）。對(duì)媒體認(rèn)為，有36個(gè)墨鍵每種顏色和一側(cè)的網(wǎng)站。墨鍵在一個(gè)約4厘米寬的墨區(qū)調(diào)節(jié)供墨（見(jiàn)圖3）。模型從過(guò)程模型來(lái)模擬復(fù)雜的直接和逆過(guò)程的行為的能力，一般用在工業(yè)控制系統(tǒng)?；诙嗄Ｐ涂刂破饔捎谄涮釂J的穩(wěn)定性和提咼造型表現(xiàn)能力，已被證明在許多工業(yè)控制應(yīng)用程序中是有效的［9-11］。我們最近提出了一種自動(dòng)采集數(shù)據(jù)和基于神經(jīng)網(wǎng)絡(luò)的印刷機(jī)模型［12］。基于這種方法，我們已經(jīng)開(kāi)發(fā)了一個(gè)基于多模型的供墨控制技術(shù)，具有控制卷筒紙膠印機(jī)供墨的良好性能［13］。有許多不同復(fù)雜的，專(zhuān)業(yè)的，一般的模型，從事于控制印刷過(guò)程。受過(guò)訓(xùn)練的專(zhuān)業(yè)數(shù)據(jù)集的專(zhuān)業(yè)模型，當(dāng)訓(xùn)練數(shù)據(jù)的聯(lián)盟的一般模型集用于訓(xùn)練專(zhuān)業(yè)的模型。一個(gè)委員會(huì)專(zhuān)業(yè)模型也納入到多個(gè)模型的建立。該模型的建立從歷史過(guò)程數(shù)據(jù)和自動(dòng)更新，當(dāng)這種需要檢測(cè)。在一個(gè)墨區(qū)收集的數(shù)據(jù)被稱(chēng)為專(zhuān)門(mén)的數(shù)據(jù)，從而用于訓(xùn)練專(zhuān)業(yè)的模型。建立了兩種模型的逆模型，在墨鍵開(kāi)口價(jià)值構(gòu)成模型的輸出，和直接模式，在油墨的印刷量就是輸出。根據(jù)建模任務(wù)，逆或直接，不同工藝參數(shù)組合的應(yīng)用。這些工序常用來(lái)模仿以下油墨（C,M,Y,K）:X］每小時(shí)復(fù)制品的印刷速度。x2墨斗輥的速度X3油墨溫度。墨盤(pán)中油墨的溫度。溫度影響著油墨的粘度，溫度越咼，粘度越低，油墨通過(guò)輸墨系統(tǒng)越容易。X4,5,6對(duì)于目前的油墨需求評(píng)估，分別與墨區(qū)相鄰的左右兩邊。油墨的需求等于被油墨覆蓋在相應(yīng)的墨區(qū)面積的百分比。X78,9對(duì)于目前的墨鍵開(kāi)口，分別于墨區(qū)相鄰的左右兩邊?？刂颇康男盘?hào)分散在紙上。x10墨水的一個(gè)特定的顏色從雙灰條中估計(jì)。在直接建模中，x10(t+1)是模型輸出。然而，對(duì)于逆建模，在建模的任務(wù)是預(yù)測(cè)墨鍵開(kāi)口，x10(t+1)的值作為輸入?yún)?shù)，而參數(shù)x7(t+1)構(gòu)成的模型輸出。變量X7和X］0是從目前使用的時(shí)間(t)和未來(lái)的時(shí)間(t+1)。實(shí)驗(yàn)研究表明，沒(méi)有進(jìn)一步的性能增益，利用以前的時(shí)間步驟來(lái)實(shí)現(xiàn)，例如(t-1)或(t-2)。變量x4,5,6描述當(dāng)前油墨的需求(X4)與相鄰的兩個(gè)墨區(qū)(x5,x6)。由于在印刷機(jī)中的相鄰區(qū)域之間的油墨流動(dòng)，變量x4,5,6的意思，取代x4；5；6,在模型。為簡(jiǎn)單起見(jiàn)，我們表示變量納入正、逆模型：vd二［x(t),x(t),x(t),x (t),x(t+1),x(t),x(t),x(t),x(t)］1 2 3 4,5,6 7 7 8 9 10Vi二［x(t),x(t),x(t),x (t),x(t),x(t),x(t),x(t+1),x(t)］1 2 3 4,5,6 7 8 9 10 10需要指出的是，這些變量是用來(lái)訓(xùn)練模型的。當(dāng)模型用于控制，變量x7(t+1)是由逆模型的輸出代替u(t+1)，x10(t+1)是由油墨ydes所取代。還請(qǐng)注意，墨鍵開(kāi)度值范圍在［0,100］內(nèi)變化。必要的建模獲取數(shù)據(jù)，卷筒紙膠印報(bào)紙印刷機(jī)配備了一個(gè)在線新聞監(jiān)測(cè)系統(tǒng)。在［13］種詳細(xì)描述了監(jiān)控系統(tǒng)?；谌斯ど窠?jīng)網(wǎng)絡(luò)的建模方法已經(jīng)采用了這項(xiàng)工作。人工神經(jīng)網(wǎng)絡(luò)，證明自己是強(qiáng)大的工具，過(guò)程和系統(tǒng)建模。然而，像其他的非線性模型，基于神經(jīng)網(wǎng)絡(luò)模型的泛化數(shù)據(jù)時(shí)可能遇到的訓(xùn)練區(qū)域外需要處理的問(wèn)題。這種情況在印刷行業(yè)遇到意外，因?yàn)樾碌墓ぷ骺赡軙?huì)出現(xiàn)。為了應(yīng)對(duì)這個(gè)問(wèn)題，我們補(bǔ)充的積分控制器在這項(xiàng)工作中基于多模型控制的配置。集成控制器被稱(chēng)為簡(jiǎn)單。通常情況下，他們只有一個(gè)參數(shù)，只使用誤差信號(hào)來(lái)估計(jì)新的控制信號(hào)。能夠在所有時(shí)間的過(guò)程控制，我們建議建立一個(gè)混合控制系統(tǒng)由積分控制器和基于多模型控制器。3、方法3.1印刷過(guò)程建模由于印刷機(jī)的磨損，其過(guò)程可分為緩慢變化。此外，根據(jù)打印作業(yè)的過(guò)程中，停留在輸入變量空間的預(yù)定部分的時(shí)間可能會(huì)有明顯的不同，從幾分鐘到幾天。如果過(guò)程開(kāi)始于輸入變量空間的一個(gè)新區(qū)域的操作，不同的訓(xùn)練區(qū)，模型的性能會(huì)顯著惡化。為了處理這種情況，我們最近提出了一種自適應(yīng)的數(shù)據(jù)挖掘和建模方法［12］。數(shù)據(jù)挖掘工具監(jiān)測(cè)過(guò)程數(shù)據(jù)和保持最新的數(shù)據(jù)集的一個(gè)合理的大小表征的過(guò)程。自適應(yīng)建模的目的是建立最優(yōu)復(fù)雜度模型。從一個(gè)線性模型，一些日益復(fù)雜的非線性模型（MLP越來(lái)越多的隱藏單位）建立；然后，用最低的泛化誤差模型選擇建模的過(guò)程中。過(guò)程運(yùn)行期間，需要更新模型的自動(dòng)檢測(cè)和模型訓(xùn)練。在這項(xiàng)工作中，我們使用這種技術(shù)來(lái)創(chuàng)建和更新過(guò)程模型。四種類(lèi)型的模型被用于這項(xiàng)工作的印刷過(guò)程建模：-每個(gè)墨鍵/特定區(qū)域的模型。這些模型被稱(chēng)為專(zhuān)業(yè)，因?yàn)樗麄冇刑囟ǖ闹R(shí)邊某墨鍵/區(qū)。每一個(gè)專(zhuān)業(yè)的模型是用從一個(gè)特定的墨區(qū)的數(shù)據(jù)訓(xùn)練。-專(zhuān)業(yè)模型委員會(huì)。專(zhuān)業(yè)的模型執(zhí)行類(lèi)似的功能集中到一個(gè)委員會(huì)。在［14］中，我們開(kāi)發(fā)了一個(gè)模型，委員會(huì)成員的數(shù)量和成員的聚集權(quán)重的數(shù)據(jù)依賴(lài)建筑委員會(huì)法。我們使用這種方法制作委員會(huì)模式。-非線性通用模型，是利用各墨區(qū)的數(shù)據(jù)建立的。一般的模型比專(zhuān)業(yè)的模型使用了更多的數(shù)據(jù)，因此它一般比專(zhuān)門(mén)的模型更好。-線性模型的建立是使用來(lái)自所有墨區(qū)數(shù)據(jù)。專(zhuān)業(yè)模型和模型的建模精度最高委員會(huì)提供。然而，由于有限的訓(xùn)練數(shù)據(jù)集，該模型可能會(huì)遇到的推廣問(wèn)題。在這種情況下，一般的模型來(lái)代替，這是使用更多的數(shù)據(jù)點(diǎn)比專(zhuān)門(mén)建造的。由于模型的復(fù)雜性是自動(dòng)確定的，一般的模型可以是線性或非線性。如果一個(gè)非線性模型的自動(dòng)選擇，線性模型也是建立。線性模型具有最低的建模精度，但具有最好的泛化能力。3.2墨鍵控制在控制組態(tài)開(kāi)發(fā),采樣時(shí)間約為100秒，即所需要的時(shí)間來(lái)遍歷相機(jī)一次紙，以每36雙灰色條圖像并隨后返回到初始位置。3.2.1基于多模型控制器的設(shè)計(jì)詳細(xì)描述了基于多模型的設(shè)計(jì)，我們以前開(kāi)發(fā)的供墨控制可以在［13］中。在這里，我們只提供一個(gè)簡(jiǎn)要的技術(shù)總結(jié)。圖4說(shuō)明了基于配置的多個(gè)模型，其中表示我是直接逆模型和DM模型。納入控制結(jié)構(gòu)模型：Sing 每個(gè)墨鍵/特定區(qū)域的模型Com 專(zhuān)業(yè)模型委員會(huì)LGen 非線性通用模型NLGen 線性模型控制組態(tài)功能如下。u是一個(gè)逆模型的輸出控制信號(hào)。我們認(rèn)為逆模型的輸出是正態(tài)分布的模型輸出和標(biāo)準(zhǔn)偏差O給出的平均。一個(gè)大的標(biāo)準(zhǔn)偏差的預(yù)測(cè)控制信號(hào)表示模型的不確定性。圖4基于多模型控制的配置通過(guò)從反向輸出的抽樣分布，如［15］建議，我們產(chǎn)生一組控制樣品U=［u1，u2,……uD］，使用的是直接評(píng)價(jià)模型(見(jiàn)圖4)。樣品D的數(shù)目由模型確定的標(biāo)準(zhǔn)偏差o。a越大，樣品越大。逆模型u和正模型y的輸出通過(guò)以下給出：u(t+1)=f(vi;oi) ⑴y(t+1)=fd(vd;qd) ⑵e是在模型參數(shù)向量和f函數(shù)可以是線性的或非線性的?？刂菩盘?hào)ui1，ui2， ,uiD的逆模型(i=1，?，4)被用來(lái)計(jì)算輸出的直接模型y11，y21，…y41， ，y4D。輸出y^的確定是由：

y（t+1）二fd3；od）ij iij （3）在這里，i=1,?4，指的是一個(gè)模型。所選模型，最大限度地減少誤差eij,直接模型yi.（t+1）和目標(biāo)（油墨所需量）ydes之間的的輸出異:ej二Ilyj（t+1）—yTL他們發(fā)現(xiàn)所有的e^指標(biāo)p,q,upq發(fā)給媒體的控制信號(hào)如下：p,q=argmineij.ij⑷控制信號(hào)的選擇，upq，記為umm（t+1）。如果對(duì)于一個(gè)給定的V,ep>0,pq工3,線性模型是用來(lái)避免使用非線性模型所帶來(lái)的大的預(yù)測(cè)誤差。3.2.2強(qiáng)大的供墨控制圖5說(shuō)明了的情況下，神經(jīng)網(wǎng)絡(luò)控制器進(jìn)入泛化問(wèn)題。左邊的圖顯示了墨鍵控制信號(hào)（上圖）和一定量的墨水隨著墨水的目標(biāo)量的實(shí)線表示（下）。最初的控制器運(yùn)行過(guò)程的多模型。在樣本數(shù)7和9,墨量改變的目標(biāo)。因此，基于多模型控制器調(diào)整的墨鍵開(kāi)度以獲得所需量的墨水?？梢钥闯觯I調(diào)整不使過(guò)程輸出到所需的水平。在樣本數(shù)21和22,從多模型控制動(dòng)作的控制器手動(dòng)重寫(xiě)和期望的目標(biāo)水平達(dá)。圖5的右側(cè)顯示了問(wèn)題的來(lái)源。-4 -2 0 2 4 6第一主成分-4 -2 0 2 4 6第一主成分口an°aAAAAAAa20 30樣品數(shù)里oaDoaAAAAAAa20 30樣品數(shù)里黒墨重□D□O□10 20 30樣品數(shù)重40，訂陽(yáng)10 20 30樣品數(shù)重40圖5左（上）：墨鍵開(kāi)口（下）：測(cè)量和目標(biāo)（實(shí)線）的墨水量右：輸入數(shù)據(jù)投影到空間的第一和第二主成分圖5的右側(cè)顯示訓(xùn)練數(shù)據(jù)，用*表示，從目前的就業(yè)數(shù)據(jù)，由△和□表示，投射到第一和第二主成分的訓(xùn)練數(shù)據(jù)。我們清楚地看到，由□表示數(shù)據(jù)是從訓(xùn)練數(shù)據(jù)中分離。很明顯，可以預(yù)計(jì)，基于多模型控制器，只有當(dāng)模型訓(xùn)練成功。然

而，數(shù)據(jù)都被收集重新培訓(xùn)模型。在此期間，我們建議使用一個(gè)集成控制器。雖然精度較低，積分控制器可以處理過(guò)程中暫時(shí)。我們建議使用預(yù)測(cè)的墨量y和測(cè)量墨量在時(shí)間t之間的差異，ymes(t)檢測(cè)到這些情況。強(qiáng)力的油墨進(jìn)給控制器的示意圖如圖6所示?？刂菩盘?hào)u(t+1)由控制器的估計(jì)被確定為：u(t+1)=uu(t+1)=umm(t+1)ifmesuic(t+1)otherwiseQ)其中umm(t+1)是墨鍵開(kāi)度的控制器和uic的多模型預(yù)測(cè)(t+1)是墨鍵開(kāi)度的預(yù)測(cè)集成控制器。使用這種方法的過(guò)程控制可以通過(guò)整合或基于多模型控制器。圖6提出的控制結(jié)構(gòu)圖6提出的控制結(jié)構(gòu)3.2.3積分控制器的設(shè)計(jì)通過(guò)積分控制器產(chǎn)生的控制信號(hào)估計(jì)：Uic(t+1)=U(t)+K(ydes-ymes(t)) (6)其中u(t)是在時(shí)間步t墨鍵開(kāi)口，K為積分因子，ydes是油墨所需量，ymes(t)是一定量的油墨在當(dāng)前的時(shí)間。應(yīng)該指出的是，墨鍵開(kāi)口的離散信號(hào)的范圍是［0,100］。4、實(shí)驗(yàn)研究在實(shí)驗(yàn)過(guò)程中進(jìn)行正常生產(chǎn)印刷廠。實(shí)驗(yàn)的目的是調(diào)查三點(diǎn)：1、 尋找積分控制器參數(shù)的適當(dāng)?shù)闹礙；2、 比較兩個(gè)控制配置；3、 證明的魯棒控制系統(tǒng)的效益。4.1選擇參數(shù)K找到合適的K值，參數(shù)是變化的0.2和2.5之間。在圖7中，我們提出了不同的參數(shù)k值的控制輸出信號(hào)三例。頂部的圖表顯示控制信號(hào)而降低圖提出了測(cè)量和所需的油墨量（實(shí)線）。在實(shí)驗(yàn)過(guò)程中油墨所需量是恒定的。控制器從樣品4的運(yùn)行過(guò)程中，其中的固體線出現(xiàn)?？梢钥闯?，大K,大的控制作用。結(jié)果發(fā)現(xiàn)，K=0.7是一個(gè)不錯(cuò)的選擇，因?yàn)樵谶@個(gè)值，平均而言，控制器是相當(dāng)快的,對(duì)噪聲不太敏感。在圖7中可以看到，在K=0.2的上升時(shí)間是很長(zhǎng)的。在K=1.4的控制信號(hào)和輸出信號(hào)是很聒噪的。Blackinkkeyopening Blackinkkeyopening Blackinkkeyopening3030一??????■亠????/ *A201人 人205 10 15 20 25 30 5 10 15 20 25 30 5 10 15 20 25 30Samplenumber Samplenumber SamplenumberAmountofblackink Amountofblackink Amountofblackink60」60亠*占*1.*?，*,**,*AiA .*1 , * 占 *A 占50**A i* ** * . k ▲A50?*** t ▲,▲ , ',5 10 15 20 25 30 5 10 15 20 25 30 5 10 15 20 25 30Samplenumber Samplenumber Samplenumber圖7控制信號(hào)（頂部）和測(cè)得的墨水量隨著所需量（實(shí)線）不同的K值油墨（底部）。左,中，右圖，分別為K=0.2，0.7，和1.4。4.2比較控制器該控制器已被使用的相同的油墨區(qū)相同的打印工作。我們開(kāi)始通過(guò)保存初始設(shè)置新聞使用一個(gè)控制器啟動(dòng)實(shí)驗(yàn)。然后我們恢復(fù)印刷機(jī)的設(shè)置并繼續(xù)同樣的實(shí)驗(yàn)與其他控制器。兩個(gè)問(wèn)題進(jìn)行了研究：上升時(shí)間和對(duì)噪聲的敏感性。4.2.1上升時(shí)間一個(gè)短的上升時(shí)間是希望減少紙張的浪費(fèi)。在圖8中，我們目前的反應(yīng)從兩個(gè)控制器操作在同一墨鍵兩不同顏色。每種顏色，左邊的圖顯示的結(jié)果從積分控制器，而右圖目前從基于控制器的多個(gè)模型的結(jié)果。頂部的圖表顯示的墨鍵控制信號(hào)和底圖提出了測(cè)量和目標(biāo)（實(shí)線）的墨水量?？刂破魇褂脧臉颖緮?shù)3,其中固體線出現(xiàn)。圖中，ID是油墨的需求。可以看出，積分控制器需要更多的樣本來(lái)驅(qū)動(dòng)輸出到所期望的目標(biāo)水平?；诳刂破骷煽刂破飨啾染哂懈痰纳仙龝r(shí)間的多個(gè)模型。圖9顯示了兩個(gè)控制實(shí)例。給出的結(jié)果的情況下，油墨的目標(biāo)金額低于初始印刷墨量。再次，對(duì)于這兩個(gè)例子中，控制器驅(qū)動(dòng)的油墨量多模型所需的水平比積分控制器的速度。可以通過(guò)增加K然而價(jià)值作出積分控制器的速度，較大的K值使過(guò)程輸出太吵。事實(shí)上，K自適應(yīng)值的要求。的逆模型的輸出如下分析說(shuō)明的逆模型得到

的墨鍵調(diào)整步長(zhǎng)的適應(yīng)性。在圖10和11,我們目前的逆過(guò)程模型的仿真結(jié)果為青色的顏色。在模擬中的油墨溫度，印刷速度，墨斗輥的速度，以及油墨的目標(biāo)量（設(shè)置為42）保持不變。油墨的電流量是在左、右側(cè)的人物提出的模擬設(shè)置分別為34和50。油墨溫度的模擬設(shè)置在圖10和11中分別為24°C和23°C。在圖10和11中，說(shuō)明預(yù)測(cè)墨鍵開(kāi)度調(diào)整（△墨鍵）所需的驅(qū)動(dòng)電流量的墨水到目標(biāo)水平作為油墨的需求和當(dāng)前的墨鍵開(kāi)啟功能。圖像中的灰度顯示的墨鍵改變大小。我們清楚地看到，大小是不同的工藝狀態(tài)不同，即不同的電流和不同的油墨墨鍵開(kāi)口要求?？梢钥闯?，在圖10和11中，預(yù)計(jì)油墨的關(guān)鍵變化的幅度是較低的溫差較大。因此，仿真結(jié)果說(shuō)明墨鍵調(diào)整可從逆模型的適應(yīng)性。然而，對(duì)于集成的控制器，計(jì)算出墨鍵調(diào)整信號(hào)與墨量的電流誤差。在圖10和11中，明顯預(yù)測(cè)錯(cuò)誤的例子被包圍了（例如，環(huán)繞正△墨鍵值盡管油墨的電流量大于目標(biāo)）。MagentainkkeyopeningMagentainkkeyopeningAmountofmagentaink,ID:38%CyaninkkeyopeningAmountofmagentaink,ID:38%452 4 6 8 10SamplenumberAmountofcyanink,ID:25%504540353040MagentainkkeyopeningMagentainkkeyopeningAmountofmagentaink,ID:38%CyaninkkeyopeningAmountofmagentaink,ID:38%452 4 6 8 10SamplenumberAmountofcyanink,ID:25%504540353040505 10 15Samplenumber453530SamplenumberAmountofcyan泊k,ID:25%圖8積分控制器（第一列和第三列）和基于控制器的多模型（第二和第四列）的結(jié)果Magentainkkeyopening YellowinkkeyopeningMagentainkkeyopening5 10 15SamplenumberAmountofmagentaink,ID:29%50Yellowinkkeyopening30Ai嚴(yán) A…Magentainkkeyopening YellowinkkeyopeningMagentainkkeyopening5 10 15SamplenumberAmountofmagentaink,ID:29%50Yellowinkkeyopening30Ai嚴(yán) A…AAA40355 10 15SamplenumberSamplenumber SamplenumberAmountofmagentaink,ID:29%Amountofyellowink,ID:29%5 10 15 2 4 6 8 10Samplenumber Samplenumber圖9積分控制器（第一列和第三列）和基于控制器的多模型（第二和第四列）的結(jié)果AInkkeypueEapyu一40%10 20 30 40 50InkkeyopeningpueEQpMU-543240%10 20 30 40 50Inkkeyopening4%6%pueEapyu一40%10 20 30 40 50InkkeyopeningpueEQpMU-543240%10 20 30 40 50Inkkeyopening4%6%圖10△的墨鍵開(kāi)度所需的驅(qū)動(dòng)電流量的墨水到目標(biāo)水平作為油墨的需求和當(dāng)前的墨鍵開(kāi)啟功能。油墨溫度24°C。油墨的電流量等于34（左）和50（右）△Inkkey8%16%102030 40Inkkeyopening50-6240%10 20 30 40Inkkeyopening508%16%102030 40Inkkeyopening50-6240%10 20 30 40Inkkeyopening50圖11△的墨鍵開(kāi)度所需的驅(qū)動(dòng)電流量的墨水到目標(biāo)水平作為油墨的需求和當(dāng)前的墨鍵開(kāi)

啟功能。油墨溫度23°C.油墨的電流量等于34（左）和50（右）圖12說(shuō)明了在圖10和圖11右側(cè)所示模型預(yù)測(cè)的不確定性（相對(duì)單位）?？梢钥闯觯撃Ｐ褪菍?duì)錯(cuò)誤的預(yù)測(cè)而不確定的。應(yīng)該牢記的是，在這項(xiàng)工作中，是通過(guò)大量的控制信號(hào)不確定的預(yù)測(cè)問(wèn)題研究。4.2.2噪聲控制及輸出信號(hào)它是理想的產(chǎn)生與低打印顏色變化的不同副本之間的可能。我們以往的研究表明，平均而言，在墨水量測(cè)噪聲水平約為2單位［12］。平均而言，較大的根均方誤差（RMSE）值觀察到的積分控制器基于控制器的多模型比。圖8和9中的表1總結(jié)了在圖示例的輸出信號(hào)的均方根誤差?？刂破鲬?yīng)具有明顯的多模型的優(yōu)勢(shì)。從長(zhǎng)期的實(shí)驗(yàn)中得到的結(jié)果進(jìn)行了討論。

PUPEOP上U-2°340%pueE(DpMu--240%-2105020 30 40Inkkeyopening%86%1020 30 40Inkkeyopening50PUPEOP上U-2°340%pueE(DpMu--240%-2105020 30 40Inkkeyopening%86%1020 30 40Inkkeyopening50圖12圖10（左）和圖11（右）中右側(cè)所示的預(yù)測(cè)的不確定性表1對(duì)實(shí)驗(yàn)結(jié)果示于圖8和圖9的墨量的均方根誤差。其中集成控制器IC站，基于多模型控制器的MM,C，M，Y代表相應(yīng)的顏色ControllerFig,8(M)Fig.8(C)Fig.9(M)Fig.9(￥)IC3.793.702,9JMM1J2L97L65].944.3強(qiáng)大的墨量控制印刷過(guò)程中可能會(huì)開(kāi)始在輸入變量空間的一個(gè)新區(qū)域的操作，不同的訓(xùn)練區(qū)，正如先前討論的，如圖5所示。因此，我們使用強(qiáng)大的方法來(lái)給墨控制，其中集成控制器和多模型為基礎(chǔ)的控制器組合。圖13給出了一個(gè)例子說(shuō)明所提出的方法的好處。在圖13的左前圖顯示墨鍵控制信號(hào)。目標(biāo)，由實(shí)線表示，測(cè)得的墨水量（△‘?）中圖所示。模型的預(yù)測(cè)誤差和誤差閾值是在底部圖。圖像呈現(xiàn)在圖13的右側(cè)顯示輸入的數(shù)據(jù)投影到第一和第二主成分的計(jì)算使用的訓(xùn)練數(shù)據(jù)。我們區(qū)分三個(gè)區(qū)域在控制序列。首先，基于多模型控制器的運(yùn)行過(guò)程。在墨量的預(yù)測(cè)誤差超過(guò)閾值的點(diǎn)，^=6,積分控制器接管控制（通過(guò)?表明樣品）。積分控制器油墨的目標(biāo)量和模型的預(yù)測(cè)誤差帶來(lái)的過(guò)程是低了。正如從圖13可以看出，從而在高的預(yù)測(cè)誤差的數(shù)據(jù)，通過(guò)?顯示，出現(xiàn)在訓(xùn)練數(shù)據(jù)的主體的邊緣，所指示的*。這就解釋了為什么基于控制器與這些數(shù)據(jù)點(diǎn)的多模型問(wèn)題。50- -丿I人AAAAAA八人人00Q△△AAj&AAAAAA,A.AAA.A5 10 15 20 25 30Amounlofblackink70. A△八△A、小人△人心犬5 10 15 20 25 30Amounlofblackink70. A△八△A、小人△人心犬. A Aacr. 八“a八小“ 入八厶AAAAaaaAAAbu u ……一5 W15 20 25 30Modelpredictionerror10；^AAAAA仏込AL5 W 15 20Samplenumber25 30-u①u(mài)odEOOEdoE￡P(guān)UCJ4-4-262Q20 2 41stprincipialcomponent圖13左上：墨鍵開(kāi)口。左中：測(cè)量和目標(biāo)（實(shí)線）的墨水量。左下：預(yù)測(cè)值與實(shí)測(cè)值之間

的墨水量和誤差閾值的誤差（虛線）。右：數(shù)據(jù)投影到第一和第二主成分的計(jì)算使用的訓(xùn)練

數(shù)據(jù)」otepo]」」otepo]」陽(yáng)nbw匚EWE-OOH圖14為集成控制器和魯棒控制器油墨飼料長(zhǎng)期試驗(yàn)結(jié)果。*表示的自適應(yīng)增益的模型4.4長(zhǎng)期試驗(yàn)證明的控制配置效益提出我們進(jìn)行了大量不同的集成控制器的長(zhǎng)期實(shí)驗(yàn)和魯棒油墨進(jìn)給控制器（RIFC）。結(jié)合K=0.1,0.2,0.4,0.7的控制器，并給出的自適應(yīng)K：ifymesifymes(t)—y(t)0.1 otherwise（7）已經(jīng)在實(shí)驗(yàn)中的應(yīng)用。積分控制器的自適應(yīng)增益來(lái)降低上升時(shí)間和過(guò)程輸出的標(biāo)準(zhǔn)偏差。Cyaninkkeyopening Magentainkkeyopening BlackinkkeyopeningSamplenumber Samplenumber SamplenumberAmountofcyanink Amountofmagentaink AmountofblackinkCyaninkkeyopening Magentainkkeyopening BlackinkkeyopeningSamplenumber Samplenumber SamplenumberAmountofcyanink Amountofmagentaink Amountofblackink5050A，60—* A40-AAAA-a-A……m匸404A△J3030401’,'0 10 20 30 0 10 20 30 0 10 20 30Samplenumber Samplenumber Samplenumber圖15從積分控制器的自適應(yīng)增益得到的控制信號(hào)（頂部）和測(cè)量信號(hào)（底部）與所需的的油墨量（實(shí)線）圖14總結(jié)了實(shí)驗(yàn)的結(jié)果通過(guò)對(duì)過(guò)程輸出的平均均方根誤差。在圖14中，K=0.1,表明積分控制器的自適應(yīng)增益。在長(zhǎng)期的實(shí)驗(yàn)中的控制器用于多個(gè)產(chǎn)品，不同的墨區(qū)。該控制器已被使用的時(shí)間超過(guò)誤差棒顯示。正如從圖14可以看出，在RIFC提供了最好的性能，甚至在造紙廢水中還原過(guò)程的輸出結(jié)果誤差小排量。在圖15和16中我們分別探討幾個(gè)“控制曲線”從積分控制器和RIFC獲得?？梢钥闯觯e分控制器消除固定誤差問(wèn)題，由于增益太小（K=0.1）。然而，如果增益增加，輸出信號(hào)變得嘈雜。強(qiáng)大的供墨控制器管理，保持輸出及油墨的目標(biāo)量。5、結(jié)論與討論提出了在卷筒紙膠印機(jī)的油墨進(jìn)給控制一個(gè)強(qiáng)大的技術(shù)。該技術(shù)結(jié)合了積分控制器和基于多模型控制器的神經(jīng)。我們?cè)陂L(zhǎng)期的實(shí)驗(yàn)表明，基于控制器的性能要明顯優(yōu)于集成控制器通過(guò)較低的上升時(shí)間和低噪聲的輸出信號(hào)的多個(gè)模型。然而，當(dāng)過(guò)程開(kāi)始于輸入空間的一個(gè)新的部分操作，多神經(jīng)網(wǎng)絡(luò)模型可能會(huì)遇到的推廣問(wèn)題。自動(dòng)檢測(cè)這種情況與積分控制器暫時(shí)接管控制的過(guò)程。我們的實(shí)驗(yàn)結(jié)果顯示，根據(jù)油墨的目標(biāo)量所提出的技術(shù)是能夠自動(dòng)控制在報(bào)紙印刷機(jī)供墨。雖然從RIFC得到改善，只有20%左右，如果相比于集成控制器與自適應(yīng)增益這可以，從長(zhǎng)遠(yuǎn)來(lái)看，將節(jié)省大量的形式減少紙張和油墨的浪費(fèi)。

% 10 20 3050AmountofblackinkSamplenumberAmountofcyanink5040300 10 20 30Samplenumber°010 20 30Samplenumber% 10 20 3050AmountofblackinkSamplenumberAmountofcyanink5040300 10 20 30Samplenumber°010 20 30SamplenumberAmountofmagentaink010 20 30Samplenumber0 10 20 30Samplenumber圖16從RIFC獲得的控制信號(hào)（頂部）和測(cè)量信號(hào)（底部）

與所需的的油墨量（實(shí)線）致謝我們非常感謝來(lái)自瑞典知識(shí)基金會(huì)，港口Holmen紙業(yè)，斯道拉恩索，和瑞典VTAB組的財(cái)務(wù)支持。參考文獻(xiàn)SharmaGTrussellHJ(1997)Digitalcolorimaging.IEEETransImageProcess6:901-932BralasubramanianR(1999)OptimizationofthespectralNeuge-bauermodelforprintercharacterization.JElectronImaging8:156-166PappasT(1997)Model-basedhalftoningofcolorimages.IEEETransImageProcess6:1014-1024AlmutawaS,MoonYB(1999)Thedevelopmentofaconnec-tionistexpertsystemforcompensationofcolordeviationinoffsetlithographicprinting.ArtifIntellEng13:427-434BrownN,JackssonM,BamforthP(2004)Machinevisioninconjunctionwithaknowledge-basedsystemforsemi-automaticcontrolofagravureprintingprocess.In:ProceedingsoftheIMECHEpartIjournalofsystems&controlengineering,vol218.ProfessionalEngineeringPublishing,pp583-593PopeB,SweeneyJ(2000)Performanceofanonlineclosed-loopcol