【技术实现步骤摘要】
本专利技术涉及印刷机技术，尤其涉及基于多传感器融合的油墨质量在线监测方法及系统。
技术介绍
1、油墨是印刷行业中不可或缺的重要材料，其质量的稳定性和一致性直接影响印刷产品的质量和生产效率。传统的油墨质量检测主要依赖于离线检测方法，如抽样检测和实验室分析，存在检测效率低、实时性差和样本代表性不足等问题，难以满足现代印刷工业对油墨质量控制的要求。
2、近年来，随着传感技术和信息技术的发展，在线质量监测方法得到了广泛应用。通过在生产线上安装各种传感器，实时采集生产过程中的关键参数，并结合数据分析和建模方法，实现产品质量的在线监测和预测。在油墨生产领域，一些研究者和企业开始探索基于多传感器融合的油墨质量在线监测方法。
3、现有技术仍存在以下不足：一是传感器选择和布置不够优化，难以全面反映油墨质量特性；二是数据融合算法较为简单，未充分利用多传感器信息，质量评估准确性有待提高；三是缺乏有效的质量预测和工艺控制机制，难以实现油墨质量的预测性控制。
技术实现思路
1、本专利技术实施例提供基于多传感器融合的油墨质量在线监测方法及系统，能够解决现有技术中的问题。
2、本专利技术实施例的第一方面，
3、提供基于多传感器融合的油墨质量在线监测方法，包括：
4、获取油墨生产过程中多个传感器采集的实时数据，并将所述实时数据通过工业以太网传输至数据处理单元；所述数据处理单元采用卡尔曼滤波算法对接收到的所述实时数据进行滤波处理，去除实时数据中的噪声和异常
5、采用支持向量机算法建立油墨质量预测模型，通过对大量历史油墨生产数据和对应的油墨质量检测结果进行训练，得到油墨质量预测模型，将所述融合后的油墨质量特征数据输入至训练好的油墨质量预测模型中，得到油墨质量预测结果；
6、若所述油墨质量预测结果满足预设条件，则判定油墨质量合格；若所述油墨质量预测结果不满足预设条件，则判定油墨质量不合格，向油墨生产设备发送预设格式的反馈信号，通过油墨生产设备的pid控制器调节油墨生产工艺参数，并将调节后的油墨生产工艺参数反馈至数据处理单元，进行下一次油墨质量预测，直到油墨质量预测结果满足预设条件，完成油墨质量在线监测和动态调控的闭环控制。
7、在一种可选的实施方式中，
8、采用自适应权重的多传感器数据融合算法，计算所述实时数据对应的传感权重，结合所述实时数据得到融合后的油墨质量特征数据包括：
9、计算每个传感器采集的实时数据的信噪比，得到表征各传感器数据质量的信噪比数据；
10、计算不同传感器采集的实时数据之间的互相关系数；
11、基于所述信噪比数据和所述互相关系数，构建传感器数据质量评估矩阵，所述传感器数据质量评估矩阵的对角线元素为各传感器数据的信噪比，非对角线元素为不同传感器数据之间的互相关系数；
12、利用所述传感器数据质量评估矩阵，计算每个传感器数据的自适应权重，得到归一化的传感器数据自适应权重向量；
13、将所述传感器数据自适应权重向量与多个传感器采集的实时数据进行加权融合，得到融合后的油墨质量特征数据。
14、在一种可选的实施方式中，
15、采用支持向量机算法建立油墨质量预测模型，通过对大量历史油墨生产数据和对应的油墨质量检测结果进行训练，得到油墨质量预测模型，将所述融合后的油墨质量特征数据输入至训练好的油墨质量预测模型中，得到油墨质量预测结果包括：
16、收集油墨生产过程中的历史生产数据和对应的油墨质量检测结果，对所述历史生产数据和油墨质量检测结果进行预处理，得到训练样本集；
17、采用支持向量机算法对所述训练样本集进行训练，通过构建最优化目标函数并求解最优化问题，得到油墨质量预测模型；
18、获取油墨生产过程中多传感器采集的实时数据，对所述实时数据进行滤波处理和特征融合，得到融合后的油墨质量特征数据；
19、将所述融合后的油墨质量特征数据输入至所述油墨质量预测模型中，通过模型预测得到实时的油墨质量预测结果。
20、在一种可选的实施方式中，
21、构建最优化目标函数并求解最优化问题包括：
22、min(1/2*||w||2+c*sum(ξi))；
23、s.t.yi*(w·k(xi)+b)≥1-ξi,ξi≥0；
24、其中，w为超平面的法向量，b为超平面的偏置项，c为惩罚系数，ξi为松弛变量，用于允许部分样本分类错误；
25、通过拉格朗日乘子法和对偶技巧，将上述最优化问题转化为如下的对偶问题：
26、max(sum(αi)-(1/2)*sum(αi*yi*k(xi)))；
27、sum(αi*yi)＝0,0≤αi≤c；
28、其中，αi为拉格朗日乘子，k(xi)为核函数，xi表示第i个样本，yi表示第i个样本对应的油墨质量预测结果。
29、在一种可选的实施方式中，
30、通过油墨生产设备的pid控制器调节油墨生产工艺参数，并将调节后的油墨生产工艺参数反馈至数据处理单元包括：
31、建立油墨粘度与油墨温度和油墨成分配比之间的数学模型，所述数学模型表征了油墨粘度与油墨温度和油墨成分配比之间的定量关系；
32、根据所述数学模型，设计油墨温度控制回路和油墨成分配比控制回路；
33、所述油墨温度控制回路通过温度传感器测量油墨温度，并由温度pid控制器根据温度设定值和实际值的偏差控制加热/制冷装置调节油墨温度；
34、所述油墨成分配比控制回路通过在线测量设备实时测量油墨成分配比，并由成分配比pid控制器根据成分配比设定值和实际值的偏差控制油墨组分的添加量。
35、在一种可选的实施方式中，
36、所述方法还包括：
37、根据所述数学模型，计算当前油墨粘度值与目标粘度值的偏差，将所述粘度偏差代入所述数学模型，计算油墨温度和油墨成分配比的调节量，将所述温度调节量和成分配比调节量分别传递给所述温度pid控制器和成分配比pid控制器；
38、所述温度pid控制器和成分配比pid控制器根据各自的调节量，协同控制所述加热/制冷装置和油墨组分添加装置，同步调节油墨温度和油墨成分配比，使油墨粘度稳定在目标范围内。
39、本申请实施例的第二方面，
40、提供基于多传感器融合的油墨质量在线监测系统，包括：
41、第一单元，用于获取油墨生产过程中多个传感器采集的实时数据，并将所述实时数据通过工业以太网传输至数据处理单元；所述数据处理单元采用卡尔曼滤波算法对接收到的所述实时数据进行滤波处理，去除实时数据中的噪声和异常值，得到滤波后的实时数据，采用自适应权重的多传感本文档来自技高网...
【技术保护点】
1.基于多传感器融合的油墨质量在线监测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，采用自适应权重的多传感器数据融合算法，计算所述实时数据对应的传感权重，结合所述实时数据得到融合后的油墨质量特征数据包括：
3.根据权利要求1所述的方法，其特征在于，采用支持向量机算法建立油墨质量预测模型，通过对大量历史油墨生产数据和对应的油墨质量检测结果进行训练，得到油墨质量预测模型，将所述融合后的油墨质量特征数据输入至训练好的油墨质量预测模型中，得到油墨质量预测结果包括：
4.根据权利要求3所述的方法，其特征在于，构建最优化目标函数并求解最优化问题包括：
5.根据权利要求1所述的方法，其特征在于，通过油墨生产设备的PID控制器调节油墨生产工艺参数，并将调节后的油墨生产工艺参数反馈至数据处理单元包括：
6.根据权利要求1所述的方法，其特征在于，所述方法还包括：
7.基于多传感器融合的油墨质量在线监测系统，用于实现前述权利要求1-6中任一项所述的方法，其特征在于，包括：
8.一种电子设备，其特征
9.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至6中任意一项所述的方法。
...【技术特征摘要】
1.基于多传感器融合的油墨质量在线监测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，采用自适应权重的多传感器数据融合算法，计算所述实时数据对应的传感权重，结合所述实时数据得到融合后的油墨质量特征数据包括：
3.根据权利要求1所述的方法，其特征在于，采用支持向量机算法建立油墨质量预测模型，通过对大量历史油墨生产数据和对应的油墨质量检测结果进行训练，得到油墨质量预测模型，将所述融合后的油墨质量特征数据输入至训练好的油墨质量预测模型中，得到油墨质量预测结果包括：
4.根据权利要求3所述的方法，其特征在于，构建最优化目标函数...
【专利技术属性】
技术研发人员：刘国方，孙宪贵，高长利，吴茜，
申请(专利权)人：浙江美格机械股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。