卷筒纸胶印机中的供墨控制

卷筒纸胶印机中的供墨控制克里斯托弗•英格伦安塔纳斯•维瑞卡斯摘要：在卷筒纸胶印机中，自动、健全的供墨控制是这项工作的目标。为了实现这一目标，集成控制器和多神经模型控制器相结合。建立了基于通信的印刷过程模型，并且无需用户交互即可自动更新。多模型控制器要优于集成控制器，因为它的过程是在模型的训练区域运行。但是，如果在输入空间的一个新的部分开始运行操作，多模型控制器会遇到一些普遍问题。根据目标数量的油墨，发达的控制结构已经成功的用在了卷筒纸胶印机的自动供墨控制中。使用先进的工具导致更高的印刷质量和更低的油墨和纸张的浪费。关键词：供墨控制；彩色打印；多模型；集成控制器；神经网络1、介绍彩色图像，例如出现在相机和电脑显示器上的，是由三种基本颜色组成：红(R),绿(G),蓝(B)⑴。RGB三种基元符合人类眼睛中的三种颜色传感的基本视锥细胞。红绿蓝是一个附加的色系，这意味着来自三种基本来源的光的光谱被添加到复制某一颜色的光谱。当三种基元等份混合，灰色的阴影便形成了。强度越低，颜色看起来越暗。白色衬底，例如纸张，通常用于印刷。白纸具有近似于所有波长可见光谱的反射系数。当白纸在光线下时，观察者所看到的颜色近似的与光源想匹配。为了达到印刷中的颜色，对比添加剂系统，减色系统用于油墨吸收部分的光。油墨的类型决定了哪一部分光谱发生吸收。通常用于四色印刷的基本颜色是蓝绿色(C)，红色(M)，黄色(Y)，黑色(K)，CMYK。CMK叠印产生黑色。然而，由于经济原因，黑色油墨经常代替CMK叠印。此外，黑色油墨通常用于提高彩色图片的质量。由于彩色图像通常是在RGB颜色空间里获得,而印刷是使用CMKY原色，因此印刷涉及到所谓的分色过程，在此过程中，RGB图像转换成CMYK色彩空间［2，3］。印刷彩色图片用的是不同大小的CMYK四基色圆点。图1的左边展示了一个彩色打印的例子。观察者在小面积的彩色打印中所看到的颜色阴影是在半色调过程中确定的，在这个过程中创建了不同大小(色调值)的圆点。点越大，颜色越暗。观察者在一个小区域的印刷图像中所看到的色调是由该区域油墨四基色的比例确定的。估计点的尺寸后，点在计算机-印版（CTP）工艺中被转移到印版上。每种印刷颜色都有一个单独的版。CTP把点转印在薄的铝板上。该铝板安装在印刷机输墨系统的印版滚筒上。图1的右边是输墨系统的说明。由于印版上空白的区域和印刷的区域在同一个平面上。它们通过亲水和亲墨相互区分。在印刷过程中，一层薄薄的水膜（润版液）被施加到相应油墨应用的版上。油墨图像从印版转印到胶皮滚筒再转印到纸上。为了在印刷过程中达到理想的颜色，印刷机操作者在手动运作中取样。取出的样品与合格的样品对比，并作出了很大的努力来弥补印刷中颜色偏差检测。由于网点的大小是固定的，在印刷中唯一可能改变颜色的就是在输墨系统的供墨中调节点的密度。每个操作员都是基于那些在特定印刷机的工作者的经验进行供墨调整。打印结果的感觉是非常主观的，因此可能会出现很大依赖于操作者控制过程的变化。利用自动控制系统可以消除不一致的采样和主观色彩补偿由操作员，因此你可以通过生产期待一个更一致的打印质量。因此，打印质量变化的减少会降低纸张和油墨的浪费。用自动控制系统的优点是它的速度，连续采样，在控制动作的一致性，和耐磨性。工作者的时间也从服务效益及印刷设备的维修中释放了。在卷筒纸胶印报纸印刷机供墨的自动控制中已经有一些成功的尝试。在⑷中，一个知识库，建立由经验丰富的运营商，是用来帮助一个新手操作调整油墨饲料以弥补印刷油墨密度偏差。在［5］中，开发决策支持系统是用于墙面的凹版印刷业。系统测量数量的打印特性，包括颜色。如果漂移是任何参数的检测系统，指导操作者对过程变量进行适当的调整。在⑹中，在线供墨控制系统的开发可以带动印刷油墨密度达到期望的目标密度水平。在上述所有作品中，供墨控制是基于控制在一个坚实的印刷面积测量油墨的密度，如图2所示的顶部。然而，印刷图片是由点。因为不仅油墨密度，而且大小的圆点可能在印刷过程中油墨密度没有变化，控制印刷过程中提供足够的信息。墨量，将油墨密度和网点大小，而应使用。因此，我们控制油墨估计在双灰色栏的印刷量，在图2的底部。双灰色栏包括两部分，一部分是用黑墨水，其他部分用蓝绿、红和黄色油墨印刷。1.1油墨量的评估印刷质量是印刷行业中一个广泛的概念。色差，颜色配准，点的大小和形状，是常见的表征打印质量的参数。在这项工作中，打印质量被定义为样品的颜色和

参考平面之间的视差（距离）。我们使用L*a*b*色空间⑺大致均匀的评价差异。因此，在RGB图像的CCD相机记录颜色双灰色栏转换成对应的L*a*b*值。然而，L*a*b*值对那些通常想知道蓝绿，红，黄，黑色墨水量偏差的印刷机操作者来说是不容易评估的。我们在⑻中提出了评估从双灰墨量技术L*a*b*组件。基于技术变革的L*a*b*值记录从双灰杆两部分为C，M,Y含量对神经网络，和K的墨水。神经网络是利用色块印刷与恒定的油墨密度和不同的色调值训练（覆盖面积的百分比由墨水）预测油墨印在纸上的金额。如果用于打印测试片的油墨密度相等时，保持用于神经网络训练的印刷油墨的补丁，估计在测试补丁印刷量的0和100之间变化。如果测试补丁的油墨密度超过一个用来打印训练补丁，墨水量可能超过100（与100%的油墨覆盖面积）。在这项工作中，一定量的油墨（估计在上面讨论的方式）是控制器具有保持目标信号。Jink-keysInkingsys怕mBlanketcylinder1Dampeningrollers'nkfountainroierPlatecylinderDistributorPaPerPathrollersInkrollersBlariketJink-keysInkingsys怕mBlanketcylinder1Dampeningrollers'nkfountainroierPlatecylinderDistributorPaPerPathrollersInkrollersBlariketcylinder图1左：点创建一个彩色打印的一个例子。右：输墨系统图2上部：全色调的目标区域。底部：双灰条2、印刷过程变量及解决途径印刷机操作者样本打印整个工作运行。从批准的样本打印颜色偏差检测，供墨或者是增加或减少通过调整墨键。墨键位于墨盘底部（图1,右）。对媒体认为，有36个墨键每种颜色和一侧的网站。墨键在一个约4厘米宽的墨区调节供墨（见图3）。模型从过程模型来模拟复杂的直接和逆过程的行为的能力，一般用在工业控制系统。基于多模型控制器由于其提咼的稳定性和提咼造型表现能力，已被证明在许多工业控制应用程序中是有效的［9-11］。我们最近提出了一种自动采集数据和基于神经网络的印刷机模型［12］。基于这种方法，我们已经开发了一个基于多模型的供墨控制技术，具有控制卷筒纸胶印机供墨的良好性能［13］。有许多不同复杂的，专业的，一般的模型，从事于控制印刷过程。受过训练的专业数据集的专业模型，当训练数据的联盟的一般模型集用于训练专业的模型。一个委员会专业模型也纳入到多个模型的建立。该模型的建立从历史过程数据和自动更新，当这种需要检测。在一个墨区收集的数据被称为专门的数据，从而用于训练专业的模型。建立了两种模型的逆模型，在墨键开口价值构成模型的输出，和直接模式，在油墨的印刷量就是输出。根据建模任务，逆或直接，不同工艺参数组合的应用。这些工序常用来模仿以下油墨（C,M,Y,K）:X］每小时复制品的印刷速度。x2墨斗辊的速度X3油墨温度。墨盘中油墨的温度。温度影响着油墨的粘度，温度越咼，粘度越低，油墨通过输墨系统越容易。X4,5,6对于目前的油墨需求评估，分别与墨区相邻的左右两边。油墨的需求等于被油墨覆盖在相应的墨区面积的百分比。X78,9对于目前的墨键开口，分别于墨区相邻的左右两边。控制墨量的信号分散在纸上。x10墨水的一个特定的颜色从双灰条中估计。在直接建模中，x10(t+1)是模型输出。然而，对于逆建模，在建模的任务是预测墨键开口，x10(t+1)的值作为输入参数，而参数x7(t+1)构成的模型输出。变量X7和X］0是从目前使用的时间(t)和未来的时间(t+1)。实验研究表明，没有进一步的性能增益，利用以前的时间步骤来实现，例如(t-1)或(t-2)。变量x4,5,6描述当前油墨的需求(X4)与相邻的两个墨区(x5,x6)。由于在印刷机中的相邻区域之间的油墨流动，变量x4,5,6的意思，取代x4；5；6,在模型。为简单起见，我们表示变量纳入正、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，这些变量是用来训练模型的。当模型用于控制，变量x7(t+1)是由逆模型的输出代替u(t+1)，x10(t+1)是由油墨ydes所取代。还请注意，墨键开度值范围在［0,100］内变化。必要的建模获取数据，卷筒纸胶印报纸印刷机配备了一个在线新闻监测系统。在［13］种详细描述了监控系统。基于人工神经网络的建模方法已经采用了这项工作。人工神经网络，证明自己是强大的工具，过程和系统建模。然而，像其他的非线性模型，基于神经网络模型的泛化数据时可能遇到的训练区域外需要处理的问题。这种情况在印刷行业遇到意外，因为新的工作可能会出现。为了应对这个问题，我们补充的积分控制器在这项工作中基于多模型控制的配置。集成控制器被称为简单。通常情况下，他们只有一个参数，只使用误差信号来估计新的控制信号。能够在所有时间的过程控制，我们建议建立一个混合控制系统由积分控制器和基于多模型控制器。3、方法3.1印刷过程建模由于印刷机的磨损，其过程可分为缓慢变化。此外，根据打印作业的过程中，停留在输入变量空间的预定部分的时间可能会有明显的不同，从几分钟到几天。如果过程开始于输入变量空间的一个新区域的操作，不同的训练区，模型的性能会显著恶化。为了处理这种情况，我们最近提出了一种自适应的数据挖掘和建模方法［12］。数据挖掘工具监测过程数据和保持最新的数据集的一个合理的大小表征的过程。自适应建模的目的是建立最优复杂度模型。从一个线性模型，一些日益复杂的非线性模型（MLP越来越多的隐藏单位）建立；然后，用最低的泛化误差模型选择建模的过程中。过程运行期间，需要更新模型的自动检测和模型训练。在这项工作中，我们使用这种技术来创建和更新过程模型。四种类型的模型被用于这项工作的印刷过程建模：-每个墨键/特定区域的模型。这些模型被称为专业，因为他们有特定的知识边某墨键/区。每一个专业的模型是用从一个特定的墨区的数据训练。-专业模型委员会。专业的模型执行类似的功能集中到一个委员会。在［14］中，我们开发了一个模型，委员会成员的数量和成员的聚集权重的数据依赖建筑委员会法。我们使用这种方法制作委员会模式。-非线性通用模型，是利用各墨区的数据建立的。一般的模型比专业的模型使用了更多的数据，因此它一般比专门的模型更好。-线性模型的建立是使用来自所有墨区数据。专业模型和模型的建模精度最高委员会提供。然而，由于有限的训练数据集，该模型可能会遇到的推广问题。在这种情况下，一般的模型来代替，这是使用更多的数据点比专门建造的。由于模型的复杂性是自动确定的，一般的模型可以是线性或非线性。如果一个非线性模型的自动选择，线性模型也是建立。线性模型具有最低的建模精度，但具有最好的泛化能力。3.2墨键控制在控制组态开发,采样时间约为100秒，即所需要的时间来遍历相机一次纸，以每36双灰色条图像并随后返回到初始位置。3.2.1基于多模型控制器的设计详细描述了基于多模型的设计，我们以前开发的供墨控制可以在［13］中。在这里，我们只提供一个简要的技术总结。图4说明了基于配置的多个模型，其中表示我是直接逆模型和DM模型。纳入控制结构模型：Sing 每个墨键/特定区域的模型Com 专业模型委员会LGen 非线性通用模型NLGen 线性模型控制组态功能如下。u是一个逆模型的输出控制信号。我们认为逆模型的输出是正态分布的模型输出和标准偏差O给出的平均。一个大的标准偏差的预测控制信号表示模型的不确定性。图4基于多模型控制的配置通过从反向输出的抽样分布，如［15］建议，我们产生一组控制样品U=［u1，u2,……uD］，使用的是直接评价模型(见图4)。样品D的数目由模型确定的标准偏差o。a越大，样品越大。逆模型u和正模型y的输出通过以下给出：u(t+1)=f(vi;oi) ⑴y(t+1)=fd(vd;qd) ⑵e是在模型参数向量和f函数可以是线性的或非线性的。控制信号ui1，ui2， ,uiD的逆模型(i=1，„，4)被用来计算输出的直接模型y11，y21，…y41， ，y4D。输出y^的确定是由：

y（t+1）二fd3；od）ij iij （3）在这里，i=1,„4，指的是一个模型。所选模型，最大限度地减少误差eij,直接模型yi.（t+1）和目标（油墨所需量）ydes之间的的输出异:ej二Ilyj（t+1）—yTL他们发现所有的e^指标p,q,upq发给媒体的控制信号如下：p,q=argmineij.ij⑷控制信号的选择，upq，记为umm（t+1）。如果对于一个给定的V,ep>0,pq工3,线性模型是用来避免使用非线性模型所带来的大的预测误差。3.2.2强大的供墨控制图5说明了的情况下，神经网络控制器进入泛化问题。左边的图显示了墨键控制信号（上图）和一定量的墨水随着墨水的目标量的实线表示（下）。最初的控制器运行过程的多模型。在样本数7和9,墨量改变的目标。因此，基于多模型控制器调整的墨键开度以获得所需量的墨水。可以看出，墨键调整不使过程输出到所需的水平。在样本数21和22,从多模型控制动作的控制器手动重写和期望的目标水平达。图5的右侧显示了问题的来源。-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样品数里oaDoaAAAAAAa20 30样品数里黒墨重□D□O□10 20 30样品数重40，訂阳10 20 30样品数重40图5左（上）：墨键开口（下）：测量和目标（实线）的墨水量右：输入数据投影到空间的第一和第二主成分图5的右侧显示训练数据，用*表示，从目前的就业数据，由△和□表示，投射到第一和第二主成分的训练数据。我们清楚地看到，由□表示数据是从训练数据中分离。很明显，可以预计，基于多模型控制器，只有当模型训练成功。然

而，数据都被收集重新培训模型。在此期间，我们建议使用一个集成控制器。虽然精度较低，积分控制器可以处理过程中暂时。我们建议使用预测的墨量y和测量墨量在时间t之间的差异，ymes(t)检测到这些情况。强力的油墨进给控制器的示意图如图6所示。控制信号u(t+1)由控制器的估计被确定为：u(t+1)=uu(t+1)=umm(t+1)ifmesuic(t+1)otherwiseQ)其中umm(t+1)是墨键开度的控制器和uic的多模型预测(t+1)是墨键开度的预测集成控制器。使用这种方法的过程控制可以通过整合或基于多模型控制器。图6提出的控制结构图6提出的控制结构3.2.3积分控制器的设计通过积分控制器产生的控制信号估计：Uic(t+1)=U(t)+K(ydes-ymes(t)) (6)其中u(t)是在时间步t墨键开口，K为积分因子，ydes是油墨所需量，ymes(t)是一定量的油墨在当前的时间。应该指出的是，墨键开口的离散信号的范围是［0,100］。4、实验研究在实验过程中进行正常生产印刷厂。实验的目的是调查三点：1、 寻找积分控制器参数的适当的值K；2、 比较两个控制配置；3、 证明的鲁棒控制系统的效益。4.1选择参数K找到合适的K值，参数是变化的0.2和2.5之间。在图7中，我们提出了不同的参数k值的控制输出信号三例。顶部的图表显示控制信号而降低图提出了测量和所需的油墨量（实线）。在实验过程中油墨所需量是恒定的。控制器从样品4的运行过程中，其中的固体线出现。可以看出，大K,大的控制作用。结果发现，K=0.7是一个不错的选择，因为在这个值，平均而言，控制器是相当快的,对噪声不太敏感。在图7中可以看到，在K=0.2的上升时间是很长的。在K=1.4的控制信号和输出信号是很聒噪的。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图7控制信号（顶部）和测得的墨水量随着所需量（实线）不同的K值油墨（底部）。左,中，右图，分别为K=0.2，0.7，和1.4。4.2比较控制器该控制器已被使用的相同的油墨区相同的打印工作。我们开始通过保存初始设置新闻使用一个控制器启动实验。然后我们恢复印刷机的设置并继续同样的实验与其他控制器。两个问题进行了研究：上升时间和对噪声的敏感性。4.2.1上升时间一个短的上升时间是希望减少纸张的浪费。在图8中，我们目前的反应从两个控制器操作在同一墨键两不同颜色。每种颜色，左边的图显示的结果从积分控制器，而右图目前从基于控制器的多个模型的结果。顶部的图表显示的墨键控制信号和底图提出了测量和目标（实线）的墨水量。控制器使用从样本数3,其中固体线出现。图中，ID是油墨的需求。可以看出，积分控制器需要更多的样本来驱动输出到所期望的目标水平。基于控制器集成控制器相比具有更短的上升时间的多个模型。图9显示了两个控制实例。给出的结果的情况下，油墨的目标金额低于初始印刷墨量。再次，对于这两个例子中，控制器驱动的油墨量多模型所需的水平比积分控制器的速度。可以通过增加K然而价值作出积分控制器的速度，较大的K值使过程输出太吵。事实上，K自适应值的要求。的逆模型的输出如下分析说明的逆模型得到

的墨键调整步长的适应性。在图10和11,我们目前的逆过程模型的仿真结果为青色的颜色。在模拟中的油墨温度，印刷速度，墨斗辊的速度，以及油墨的目标量（设置为42）保持不变。油墨的电流量是在左、右侧的人物提出的模拟设置分别为34和50。油墨温度的模拟设置在图10和11中分别为24°C和23°C。在图10和11中，说明预测墨键开度调整（△墨键）所需的驱动电流量的墨水到目标水平作为油墨的需求和当前的墨键开启功能。图像中的灰度显示的墨键改变大小。我们清楚地看到，大小是不同的工艺状态不同，即不同的电流和不同的油墨墨键开口要求。可以看出，在图10和11中，预计油墨的关键变化的幅度是较低的温差较大。因此，仿真结果说明墨键调整可从逆模型的适应性。然而，对于集成的控制器，计算出墨键调整信号与墨量的电流误差。在图10和11中，明显预测错误的例子被包围了（例如，环绕正△墨键值尽管油墨的电流量大于目标）。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%图8积分控制器（第一列和第三列）和基于控制器的多模型（第二和第四列）的结果Magentainkkeyopening YellowinkkeyopeningMagentainkkeyopening5 10 15SamplenumberAmountofmagentaink,ID:29%50Yellowinkkeyopening30Ai严 A…Magentainkkeyopening YellowinkkeyopeningMagentainkkeyopening5 10 15SamplenumberAmountofmagentaink,ID:29%50Yellowinkkeyopening30Ai严 A…AAA40355 10 15SamplenumberSamplenumber SamplenumberAmountofmagentaink,ID:29%Amountofyellowink,ID:29%5 10 15 2 4 6 8 10Samplenumber Samplenumber图9积分控制器（第一列和第三列）和基于控制器的多模型（第二和第四列）的结果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%图10△的墨键开度所需的驱动电流量的墨水到目标水平作为油墨的需求和当前的墨键开启功能。油墨温度24°C。油墨的电流量等于34（左）和50（右）△Inkkey8%16%102030 40Inkkeyopening50-6240%10 20 30 40Inkkeyopening508%16%102030 40Inkkeyopening50-6240%10 20 30 40Inkkeyopening50图11△的墨键开度所需的驱动电流量的墨水到目标水平作为油墨的需求和当前的墨键开

启功能。油墨温度23°C.油墨的电流量等于34（左）和50（右）图12说明了在图10和图11右侧所示模型预测的不确定性（相对单位）。可以看出，该模型是对错误的预测而不确定的。应该牢记的是，在这项工作中，是通过大量的控制信号不确定的预测问题研究。4.2.2噪声控制及输出信号它是理想的产生与低打印颜色变化的不同副本之间的可能。我们以往的研究表明，平均而言，在墨水量测噪声水平约为2单位［12］。平均而言，较大的根均方误差（RMSE）值观察到的积分控制器基于控制器的多模型比。图8和9中的表1总结了在图示例的输出信号的均方根误差。控制器应具有明显的多模型的优势。从长期的实验中得到的结果进行了讨论。

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图12图10（左）和图11（右）中右侧所示的预测的不确定性表1对实验结果示于图8和图9的墨量的均方根误差。其中集成控制器IC站，基于多模型控制器的MM,C，M，Y代表相应的颜色ControllerFig,8(M)Fig.8(C)Fig.9(M)Fig.9(¥)IC3.793.702,9JMM1J2L97L65].944.3强大的墨量控制印刷过程中可能会开始在输入变量空间的一个新区域的操作，不同的训练区，正如先前讨论的，如图5所示。因此，我们使用强大的方法来给墨控制，其中集成控制器和多模型为基础的控制器组合。图13给出了一个例子说明所提出的方法的好处。在图13的左前图显示墨键控制信号。目标，由实线表示，测得的墨水量（△‘◊）中图所示。模型的预测误差和误差阈值是在底部图。图像呈现在图13的右侧显示输入的数据投影到第一和第二主成分的计算使用的训练数据。我们区分三个区域在控制序列。首先，基于多模型控制器的运行过程。在墨量的预测误差超过阈值的点，^=6,积分控制器接管控制（通过◊表明样品）。积分控制器油墨的目标量和模型的预测误差带来的过程是低了。正如从图13可以看出，从而在高的预测误差的数据，通过◊显示，出现在训练数据的主体的边缘，所指示的*。这就解释了为什么基于控制器与这些数据点的多模型问题。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-u①uodEOOEdoE£PUCJ4-4-262Q20 2 41stprincipialcomponent图13左上：墨键开口。左中：测量和目标（实线）的墨水量。左下：预测值与实测值之间

的墨水量和误差阈值的误差（虚线）。右：数据投影到第一和第二主成分的计算使用的训练

数据」otepo]」」otepo]」阳nbw匚EWE-OOH图14为集成控制器和鲁棒控制器油墨饲料长期试验结果。*表示的自适应增益的模型4.4长期试验证明的控制配置效益提出我们进行了大量不同的集成控制器的长期实验和鲁棒油墨进给控制器（RIFC）。结合K=0.1,0.2,0.4,0.7的控制器，并给出的自适应K：ifymesifymes(t)—y(t)0.1 otherwise（7）已经在实验中的应用。积分控制器的自适应增益来降低上升时间和过程输出的标准偏差。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图15从积分控制器的自适应增益得到的控制信号（顶部）和测量信号（底部）与所需的的油墨量（实线）图14总结了实验的结果通过对过程输出的平均均方根误差。在图14中，K=0.1,表明积分控制器的自适应增益。在长期的实验中的控制器用于多个产品，不同的墨区。该控制器已被使用的时间超过误差棒显示。正如从图14可以看出，在RIFC提供了最好的性能，甚至在造纸废水中还原过程的输出结果误差小排量。在图15和16中我们分别探讨几个“控制曲线”从积分控制器和RIFC获得。可以看出，积分控制器消除固定误差问题，由于增益太小（K=0.1）。然而，如果增益增加，输出信号变得嘈杂。强大的供墨控制器管理，保持输出及油墨的目标量。5、结论与讨论提出了在卷筒纸胶印机的油墨进给控制一个强大的技术。该技术结合了积分控制器和基于多模型控制器的神经。我们在长期的实验表明，基于控制器的性能要明显优于集成控制器通过较低的上升时间和低噪声的输出信号的多个模型。然而，当过程开始于输入空间的一个新的部分操作，多神经网络模型可能会遇到的推广问题。自动检测这种情况与积分控制器暂时接管控制的过程。我们的实验结果显示，根据油墨的目标量所提出的技术是能够自动控制在报纸印刷机供墨。虽然从RIFC得到改善，只有20%左右，如果相比于集成控制器与自适应增益这可以，从长远来看，将节省大量的形式减少纸张和油墨的浪费。

% 10 20 3050AmountofblackinkSamplenumberAmountofcyanink5040300 10 20 30Samplenumber°010 20 30Samplenumber% 10 20 3050AmountofblackinkSamplenumberAmountofcyanink5040300 10 20 30Samplenumber°010 20 30SamplenumberAmountofmagentaink010 20 30Samplenumber0 10 20 30Samplenumber图16从RIFC获得的控制信号（顶部）和测量信号（底部）

与所需的的油墨量（实线）致谢我们非常感谢来自瑞典知识基金会，港口Holmen纸业，斯道拉恩索，和瑞典VTAB组的财务支持。参考文献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