基于神经网络的印刷油墨质量检测与控制技术研究

论文摘要

研究印刷适性有许多方面需从油墨的性质着手,即研究油墨印刷适性。油墨作为印刷过程中不可缺少的重要原材料之一,它的性能好坏,对印刷质量的影响很大。因此,如何对印刷油墨质量进行检测与控制具有重要的理论意义和实际应用价值。本文介绍了油墨物理特性评价指标,并给出了指标范围及等级划分。根据印刷油墨质量检测的特点,将BP神经网络应用在油墨物理特性的检测中并进行了仿真研究。仿真结果表明,该方法能准确、快速地检测出样本的质量等级。文章还介绍了神经网络PID(proportion,integral and differential)算法的控制原理,通过仿真研究,对比分析了传统PID与神经网络PID的控制特性。仿真实验结果表明,该算法在粘度控制中取得了满意的控制效果。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 本文研究的背景和意义
• 1.1.1 本文研究的背景
• 1.1.2 本文研究的意义
• 1.2 神经网络的研究现状
• 1.3 本文的主要研究内容和方法
• 第二章 神经网络基本理论
• 2.1 神经网络的基本概念
• 2.1.1 神经网络的应用
• 2.1.2 人工神经元模型
• 2.1.3 人工神经网络模型
• 2.1.4 神经网络的学习方式
• 2.2 BP 神经网络
• 2.2.1 BP 神经网络
• 2.2.2 BP 网络的前馈计算
• 2.2.3 BP 网络学习算法的计算步骤
• 2.2.4 BP 学习算法的优缺点
• 2.3 神经网络控制
• 2.3.1 控制理论的发展与面临的挑战
• 2.3.2 神经网络控制的基本思想
• 2.4 本章小结
• 第三章 BP 神经网络在油墨物理特性检测中的应用
• 3.1 油墨物理特性评价
• 3.1.1 油墨物理特性评价指标
• 3.1.2 油墨物理特性评价指标范围及等级划分
• 3.2 模型结构的确定
• 3.2.1 输入、输出层神经元数的确定
• 3.2.2 隐层数目的确定
• 3.2.3 隐层神经元数的确定
• 3.3 学习样本的确定及获取
• 3.3.1 神经网络学习样本的选择原则
• 3.3.2 学习样本的选取方法（正交实验设计法）
• 3.3.3 神经网络学习样本的确定
• 3.4 本章小结
• 第四章 油墨粘度控制的研究
• 4.1 PID 控制算法及其发展
• 4.1.1 传统 PID 控制算法
• 4.1.2 改进型 PID 控制概述
• 4.2 基于BP 神经网络的PID 控制算法
• 4.3 油墨粘度控制系统
• 4.3.1 油墨粘度控制仪的设计
• 4.4 本章小结
• 第五章 仿真研究
• 5.1 油墨检测部分的仿真研究
• 5.2 油墨粘度控制部分的仿真研究
• 5.2.1 实验前提
• 5.2.2 仿真实验
• 5.3 本章小结
• 第六章 发展与展望
• 致谢
• 参考文献
• 附录A
• 附录B:作者在攻读硕士学位期间发表的论文