本技術涉及數(shù)碼直噴印花機控制，特別涉及一種用于印花機的打印參數(shù)動態(tài)調(diào)整系統(tǒng)和方法。

背景技術：

1、在現(xiàn)代紡織制造業(yè)中，數(shù)碼直噴印花技術因其高效率和靈活性被廣泛應用于個性化和小批量生產(chǎn)。印花過程涉及將設計圖案直接打印到布料上，這要求極高的打印精度和色彩一致性以滿足市場對高質(zhì)量產(chǎn)品的需求。

2、相關技術中，目前數(shù)碼直噴印花機普遍采用預設的打印參數(shù)進行操作。這些參數(shù)在打印任務開始前被設定，并在整個打印過程中保持不變。實際打印過程中，由于布料材質(zhì)、濕度、溫度等環(huán)境因素的變化，以及墨水和打印頭的物理狀態(tài)隨時間的變化，預設的打印參數(shù)可能不適用，導致打印出現(xiàn)色彩偏差、圖案對齊不準確或打印不均勻。此時即使用戶及時發(fā)現(xiàn)問題，也需要浪費大量的時間停機調(diào)參，若無法及時發(fā)現(xiàn)問題，會影響產(chǎn)品質(zhì)量，從而降低了生產(chǎn)效率和產(chǎn)品質(zhì)量。

技術實現(xiàn)思路

1、本技術實施例提供了一種用于印花機的打印參數(shù)動態(tài)調(diào)整系統(tǒng)。為了對披露的實施例的一些方面有一個基本的理解，下面給出了簡單的概括。該概括部分不是泛泛評述，也不是要確定關鍵／重要組成元素或描繪這些實施例的保護范圍。其唯一目的是用簡單的形式呈現(xiàn)一些概念，以此作為后面的詳細說明的序言。

2、第一方面，本技術實施例提供了一種用于印花機的打印參數(shù)動態(tài)調(diào)整系統(tǒng)，系統(tǒng)包括：

3、服務端與數(shù)碼直噴印花機；其中，數(shù)碼直噴印花機包括控制系統(tǒng)、導帶模塊、噴頭模塊以及設置于數(shù)碼直噴印花機上的傳感器模塊；其中，

4、服務端與控制系統(tǒng)通信連接；其中，

5、控制系統(tǒng)，用于在接收到打印指令時，根據(jù)初始打印參數(shù)，控制導帶模塊與噴頭模塊對待打印布料進行打印，并實時接收傳感器模塊反饋的感知數(shù)據(jù)，以及將感知數(shù)據(jù)和初始打印參數(shù)發(fā)送至服務端；

6、服務端，用于接收來自控制系統(tǒng)的感知數(shù)據(jù)和初始打印參數(shù)，并預處理感知數(shù)據(jù)，得到實時印花信息，并將實時印花信息輸入預先訓練的印花偏差分析模型中，輸出實時印花信息對應的偏差分析結果，以及在偏差分析結果指示打印的圖案存在問題的情況下，在線動態(tài)調(diào)整初始打印參數(shù)，并將調(diào)整的最新打印參數(shù)發(fā)送至控制系統(tǒng)，預先訓練的印花偏差分析模型是基于控制系統(tǒng)與傳感器模塊中的歷史印花數(shù)據(jù)機器學習得到的；

7、控制系統(tǒng)，還用于接收來自服務端的最新打印參數(shù)，并基于最新打印參數(shù)，繼續(xù)執(zhí)行控制導帶模塊與噴頭模塊對待打印布料進行打印的步驟。

8、可選的，按照以下步驟生成預先訓練的印花偏差分析模型，包括：

9、從數(shù)碼直噴印花機的控制系統(tǒng)與傳感器模塊中，收集歷史印花數(shù)據(jù)，歷史印花數(shù)據(jù)包括歷史打印參數(shù)和歷史感知數(shù)據(jù)；

10、針對歷史打印參數(shù)，標注用于表征是否存在打印問題的類型標簽，得到攜帶類型標簽的歷史打印參數(shù)；

11、基于攜帶類型標簽的歷史打印參數(shù)和歷史感知數(shù)據(jù)，生成用于模型訓練的訓練集；

12、采用神經(jīng)網(wǎng)絡構建印花偏差分析模型；

13、根據(jù)訓練集，對印花偏差分析模型進行機器學習，生成預先訓練的印花偏差分析模型。

14、可選的，針對歷史打印參數(shù)，標注用于表征是否存在打印問題的類型標簽，包括：

15、從歷史感知數(shù)據(jù)中，獲取歷史圖案；

16、獲取歷史圖案的色彩偏差參數(shù)、對齊參數(shù)以及打印均勻參數(shù)；

17、根據(jù)色彩偏差參數(shù)、對齊參數(shù)以及打印均勻參數(shù)，判定歷史圖案是否存在打印問題；

18、在歷史圖案存在打印問題的情況下，針對歷史打印參數(shù)標注用于表征存在打印問題的第一類型標簽；或者，

19、在歷史圖案不存在打印問題的情況下，針對歷史打印參數(shù)標注用于表征不存在打印問題的第二類型標簽。

20、可選的，基于攜帶類型標簽的歷史打印參數(shù)和歷史感知數(shù)據(jù)，生成用于模型訓練的訓練集，包括：

21、構建歷史感知數(shù)據(jù)的協(xié)方差矩陣，以衡量歷史感知數(shù)據(jù)中不同變量之間的線性關系；

22、計算協(xié)方差矩陣的特征值；

23、根據(jù)特征值的大小，選擇預設數(shù)量大于預設閾值的特征值對應的特征向量作為主成分；

24、將歷史感知數(shù)據(jù)中不同變量映射到主成分上，生成歷史感知數(shù)據(jù)中不同變量在主成分上的得分；

25、基于歷史感知數(shù)據(jù)中不同變量在主成分上的得分，計算歷史感知數(shù)據(jù)中不同變量的冗余度；

26、將冗余度大于預設閾值的變量作為關鍵特征；

27、將關鍵特征與攜帶類型標簽的歷史打印參數(shù)進行綁定，得到用于模型訓練的訓練集。

28、可選的，歷史感知數(shù)據(jù)中不同變量包括打印速度、墨水流量、噴頭狀態(tài)以及作業(yè)環(huán)境參數(shù)；

29、基于歷史感知數(shù)據(jù)中不同變量在主成分上的得分，計算歷史感知數(shù)據(jù)中不同變量的冗余度，包括：

30、根據(jù)打印速度、墨水流量、噴頭狀態(tài)以及作業(yè)環(huán)境參數(shù)在主成分上的得分，生成總方差；

31、根據(jù)總方差，計算打印速度、墨水流量、噴頭狀態(tài)以及作業(yè)環(huán)境參數(shù)的方差貢獻率；

32、根據(jù)打印速度、墨水流量、噴頭狀態(tài)以及作業(yè)環(huán)境參數(shù)的方差貢獻率，計算打印速度、墨水流量、噴頭狀態(tài)和作業(yè)環(huán)境參數(shù)的冗余度。

33、可選的，每個變量的方差貢獻率計算公式為：

34、

35、其中，是第個變量的方差貢獻率，是第個變量，依次為打印速度、墨水流量、噴頭狀態(tài)以及作業(yè)環(huán)境參數(shù)，是主成分的預設數(shù)量，為第個備用傳感器數(shù)據(jù)的特征值，為總方差；其中，

36、每個變量的冗余度計算公式為：

37、

38、其中，為第個變量的冗余度，為主成分的預設數(shù)量，為第個變量的方差貢獻率，為第個變量在主成分上的得分平方。

39、可選的，訓練集包括關鍵特征與攜帶類型標簽的歷史打印參數(shù)的綁定數(shù)據(jù)，關鍵特征是基于歷史感知數(shù)據(jù)分析得到的，類型標簽用于表征是否存在打印問題；印花偏差分析模型包括特征提取模塊以及參數(shù)約束模塊，特征提取模塊包括多個卷積層以及全連接層；

40、根據(jù)訓練集，對印花偏差分析模型進行機器學習，生成預先訓練的印花偏差分析模型，包括：

41、將關鍵特征與攜帶類型標簽的歷史打印參數(shù)的綁定數(shù)據(jù)依次輸入多個卷積層以及全連接層，輸出訓練集中每個訓練數(shù)據(jù)的樣本特征向量；

42、將每個訓練數(shù)據(jù)的樣本特征向量輸入?yún)?shù)約束模塊中，輸出模型的約束值；

43、將模型約束值確定為模型損失值；

44、在模型損失值到達最小時，生成預先訓練的印花偏差分析模型；或者，在模型損失值未到達最小時，將約束值進行反向傳播，以更新印花偏差分析模型的模型參數(shù)，并繼續(xù)執(zhí)行將每個訓練數(shù)據(jù)的樣本特征向量輸入?yún)?shù)約束模塊中的步驟。

45、可選的，參數(shù)約束模塊包含預先建立的損失約束函數(shù)；其中，損失約束函數(shù)為：

46、

47、其中，為約束值，是用于平衡質(zhì)量和效率的權重，是打印質(zhì)量損失，用于量化打印的圖案與預期圖案之間的差異，為模型參數(shù)的正則化項；其中，

48、打印質(zhì)量損失的損失函數(shù)為：

49、

50、其中，是訓練集中樣本的數(shù)量，是第個樣本的關鍵特征的特征向量，是第個樣本的攜帶類型標簽的歷史打印參數(shù)的特征向量，為類型標簽的標簽值。

51、可選的，預處理感知數(shù)據(jù)，得到實時印花信息，包括：

52、通過箱型圖剔除感知數(shù)據(jù)中的異常值或者噪聲，得到第一感知數(shù)據(jù)；

53、采用線性插值對第一感知數(shù)據(jù)進行缺失值補充，得到第二感知數(shù)據(jù)；

54、對第二感知數(shù)據(jù)進行降采樣或聚合，以減少計算量并提取關鍵信息，得到實時印花信息。

55、第二方面，一種用于印花機的打印參數(shù)動態(tài)調(diào)整方法，方法包括：

56、控制系統(tǒng)在接收到打印指令時，根據(jù)初始打印參數(shù)，控制導帶模塊與噴頭模塊對待打印布料進行打印，并實時接收傳感器模塊反饋的感知數(shù)據(jù)，以及將感知數(shù)據(jù)和初始打印參數(shù)發(fā)送至服務端；

57、服務端接收來自控制系統(tǒng)的感知數(shù)據(jù)和初始打印參數(shù)，并預處理感知數(shù)據(jù)，得到實時印花信息，并將實時印花信息輸入預先訓練的印花偏差分析模型中，輸出實時印花信息對應的偏差分析結果，以及在偏差分析結果指示打印的圖案存在問題的情況下，在線動態(tài)調(diào)整初始打印參數(shù)，并將調(diào)整的最新打印參數(shù)發(fā)送至控制系統(tǒng)，預先訓練的印花偏差分析模型是基于控制系統(tǒng)與傳感器模塊中的歷史印花數(shù)據(jù)機器學習得到的；

58、控制系統(tǒng)接收來自服務端的最新打印參數(shù)，并基于最新打印參數(shù)，繼續(xù)執(zhí)行控制導帶模塊與噴頭模塊對待打印布料進行打印的步驟。

59、在本技術實施例中，通過控制系統(tǒng)和服務端的協(xié)同工作機制，實現(xiàn)了數(shù)碼直噴印花機在打印過程中的實時監(jiān)控和智能優(yōu)化。通過實時接收傳感器模塊反饋的感知數(shù)據(jù)，控制系統(tǒng)能夠及時捕捉打印過程中的任何偏差，并將這些數(shù)據(jù)與初始打印參數(shù)一起發(fā)送至服務端。服務端利用這些數(shù)據(jù)，通過預先訓練的印花偏差分析模型進行深度分析，快速識別并預測打印質(zhì)量問題。一旦發(fā)現(xiàn)問題，服務端能夠在線動態(tài)調(diào)整打印參數(shù)，并將最新參數(shù)實時反饋給控制系統(tǒng)，指導其繼續(xù)執(zhí)行打印任務。這種在線循環(huán)動態(tài)調(diào)整打印參數(shù)的方式，不僅顯著提升了打印圖案的精確性和整體質(zhì)量，還有效減少了材料浪費，提高了生產(chǎn)效率，同時增強了系統(tǒng)的自適應能力，以滿足多樣化的打印需求。

60、應當理解的是，以上的一般描述和后文的細節(jié)描述僅是示例性和解釋性的，并不能限制本技術。