本發明涉及印刷機套印誤差檢測與故障診斷領域，具體是一種計量印刷滾筒運動誤差的印刷機縱向套準在線檢測與故障診斷方法及裝置。

背景技術：

隨著印刷工業的快速發展，印刷機機械性能有了很大的提升，逐漸向著無軸化、高速化、智能化發展。無軸是指印刷機中每個機組，甚至是每個滾筒或棍子的動力都是相互獨立的，分別采用單獨的伺服電動機，按照運動控制器發出的程序指令進行驅動，從而保證各機組間同步運轉的傳動方式。現代化印刷機中無軸傳動技術應用廣泛，是主流的印刷機技術之一。無軸傳動技術相比傳統的機械式傳動具有簡化機械傳動結構、套印誤差小、定位精度高等優點，追求性能穩定的無軸傳動印刷機也將逐步取代傳統機械傳動印刷機，將成為世界印刷機市場的主流。

套印控制技術隨著無軸傳動技術的發展逐漸向著自動化套印控制方向發展，其只要檢測到套印偏差就可以實現對多個色組的伺服電機進行協同調節套印，具有控制精度高、響應快的特點，但是如何在線檢測套印偏差是實現無軸傳動印刷機自動套印控制的關鍵。套印在線檢測技術目前最常用的是利用色標法-光電傳感器測量套印誤差，具有實時測量套印誤差的優點。如以下公開的幾種專利技術都是基于色標法來檢測的，其中“專利號CN102218900一種基于FPGA凹版印刷機套印誤差檢測方法”，利用雙光電眼檢測色標信號、編碼器產生的脈沖信號、系統時鐘脈沖計數值三種信號進行比對，得到雙光電眼的實際位置值，進而通過算法算出套印偏差值。其中利用FPGA中高頻脈沖作為系統時鐘計數器的時鐘信號，對編碼器的脈沖信號進行細分，提高了編碼器分辨率，使套印誤差檢測精度大大提高。此套印誤差檢測方法利用硬件對采集到的信號進行細分提高分辨率來提高套印誤差檢測精度，并沒有考慮到機械傳動系統和系統動態因素對檢測設備的影響，其測出的值與實際值是存在偏差的。另外“專利號CN105291561 A套印精度檢測系統及套印精度檢測方法”，提出了一種套印精度檢測系統，此系統利用兩個特殊排列的感應色標探頭檢測色標信號，根據感應時間間隔計算出套印偏差，具有一定的實用價值，但其檢測到的套印誤差受兩探頭安裝位置誤差所影響，精度受到限制，同時也沒有考慮到機械傳動系統和系統動態因素對檢測設備的影響。

進而提出一種計量印刷滾筒運動誤差的印刷機縱向套準在線檢測與故障診斷方法及裝置，將機械傳動系統和系統動態因素利用系統辨識理論建立模型，對檢測到的套印誤差進行有效補償，大大提高其在線檢測精度，同時可以利用此系統對套印和機電系統故障進行診斷，為套印系統提供有效的信息并實現精確套印的目的。

技術實現要素：

本發明是針對上述套印誤差檢測方法的缺點，提出一種計量印刷滾筒運動誤差的印刷機縱向套準在線檢測與故障診斷方法及裝置，具有高速高精度套印誤差在線檢測和應用故障診斷技術的特點。

本發明的技術方案如下：套印控制檢測和故障診斷系統包括：色標檢測和處理、編碼器信號檢測和處理、CCD圖像檢測和處理、振動信號檢測和處理、溫度信號檢測和處理、系統精度補償建模、套印誤差計算、套印故障診斷。具體方法如下：

(1)色標檢測系統通過色標傳感器檢測印刷滾筒周向排布的多個色標信號，產生的脈沖信號經濾波處理后，進行顏色信號的識別，與具有高精度位移和速度檢測的編碼器發出的高速、高分辨率脈沖信號進行比對，得出經過跳動補償算法得出初始套印誤差。

(2)跳動補償算法具體為由編碼器信號與色標信號比對得出色標的角度α_i、α_j，并利用測量跳動的微位移傳感器得出的軸心軌跡圖，經計算得出軸心軌跡的函數模型e(θ)，并在軸心軌跡圖中標記各色標，利用積分來計算各個色標在轉動過程中繞旋轉軸的弧長：

其中

然后計算出初始的套印誤差：

其中a＝20mm為規定的相鄰兩色標間距。

(3)CCD圖像傳感器將檢測到的十字線套印圖像緩存在后臺，并傳送給圖像處理器，在后臺經過去噪濾波預處理后，將圖像色彩分割后與標準套印圖像進行比對后通過算法得到精確的套印誤差L_ij1(t)，此時得到的套印誤差為滯后的某一時刻t的套印誤差。通過計算得到t時刻的印刷品的色標檢測系統檢測誤差值為：ΔL_ij(t)＝L_ij0(t)-L_ij1(t)。

(4)利用神經網絡系統辨識理論，設計基于機理建模和辨識模型結合的方式建立印刷機某一色組的檢測精度傳遞模型，并利用神經網絡系統的學習能力不斷修正函數模型，來逼近實際系統。其方法為：先建立印刷機套印系統基本數學模型，印刷機套印系統為非線性動態系統，因此根據神經網絡辨識建立通用模型：

其中f為適當的非線性函數，y(t)，u(t)表示在t時刻的輸入、輸出，β_i為常系數。

定義輸入，u(t)＝ΔL_ij，

其中w_i為權系數，y₁(t)為t時刻的速度值；

y₂(t)為t時刻的墻板振動加速度幅值；

y₃(t)為t時刻的滾筒軸承處的振動加速度幅值；

y₄(t)為t時刻的滾筒跳動位移幅值；

y₅(t)為t時刻的環境溫度值；

y₆(t)為t時刻的環境濕度值。

此模型將速度信號、振動信號、環境溫度等信號輸入神經網絡辨識系統中，輸出為已知的檢測誤差值ΔL_ij(t)，經過不斷的輸入輸出學習后，精度補償的神經網絡辨識系統數學模型基本建立并不斷學習修正，精度補償數學模型為：

(5)在高速套印在線檢測中利用此模型函數計算出補償值對色標檢測系統得到的初始套印誤差進行補償，得出與真實套印偏差接近的套印偏差：

L_ij(t+1)＝L_ij(t+1)+ΔL_ij(t+1)。

(6)套印故障診斷是根據套印誤差的閾值信息來分析是否出現故障，并通過在各位置檢測到的速度、振動、環境信息進行多信息融合分析，獲取可能存在的故障原因。

附圖說明

圖1是本發明中套印控制檢測和故障診斷裝置的示意圖

圖2是本發明中系統組成圖

圖3是本發明中色標檢測誤差補償模型圖

圖4是本發明中機械結構示意圖

圖5是本發明中套印檢測結構示意圖

圖6是本發明中套印誤差檢測系統框圖

圖7是本發明中色標檢測系統框圖

圖8是本發明中CCD圖像采集系統框圖

圖9是本發明中系統辨識結構圖

圖10是本發明中故障檢測流程圖

附圖標記如下：

圖1中，1-編碼器，2-伺服電機，3-第一微位移傳感器，9-第二微位移傳感器，4-第一加速度傳感器，7-第二加速度傳感器，5-頻閃儀，6-CCD圖像傳感器，8-十字色標，10-印刷滾筒，11-色標傳感器，12-溫濕度傳感器，13-色標信號采集儀，14-CCD圖像采集儀，15-振動信號采集儀，16-伺服驅動器，17-運動控制器，18-上位機。

圖3中，a-不考慮軸心跳動計算弧長，b-考慮軸心跳動，c-軸心軌跡構建，d-軸心軌跡坐標圖。

圖4中，2-伺服電機，2-1-聯軸器，19-滾筒體19-1-軸承，3-1-第一微位移傳感器支架，9-1-第二微位移傳感器支架，6-1-CCD圖像傳感器支架，11-1-色標傳感器支架，5-頻閃儀。

具體實施方式

下面結合附圖對本發明的具體實施方式做詳細的說明。

套印檢測和故障診斷裝置示意圖如圖1所示，裝置的組成部分包括：編碼器1，伺服電機2，第一微位移傳感器3，第二微位移傳感器9，第一加速度傳感器4，第二加速度傳感器7，頻閃儀5，CCD圖像傳感器6，十字色標8，印刷滾筒10，色標傳感器11，溫濕度傳感器12，色標信號采集儀13，CCD圖像采集儀14，振動信號采集儀15，伺服驅動器16，運動控制器17，上位機18。

本裝置機械部分結構見圖4。

系統組成如圖2所示，包括：伺服控制系統，套印檢測系統，和故障診斷系統。具體包括：色標檢測和處理、編碼器信號檢測和處理、CCD圖像檢測和處理、振動信號檢測和處理、溫濕度信號檢測和處理、系統精度補償建模、套印誤差計算、套印故障診斷。具體步驟如下(見圖6)：

色標檢測系統(見圖5，圖7)通過色標傳感器檢測多個色標信號，產生的脈沖信號經濾波處理后，進行顏色信號的識別，與具有高精度位移和速度檢測的編碼器發出的高速、高分辨率脈沖信號進行比對，得出經過滾筒跳動補償算法得出初始套印誤差L_ij0(t)。

2.滾筒跳動補償模型(見圖3)：不考慮軸心跳動計算弧長(見圖3(a))，弧長計算誤差較大與實際不相符，考慮軸心跳動模型(見圖3(b))可以計算出較準確的弧長，軸心軌跡的建立(見圖3(c))依靠兩個垂直且共面的微位移傳感器的時域波形數據合并到一起，以創建顯示軸心線的二維動態運動的單圖(見圖3(d))，并用另一個微位移傳感器檢測鍵相信號，并在軸心軌跡中標記出來，以鍵相標記為基準判斷各色標相對位置并作標記。具體方法為由編碼器測量信號與色標信號比對得出色標的位置角度α_i、α_j，并利用測量跳動的微位移傳感器得出的軸心軌跡圖(見圖3(d))，經計算得出軸心軌跡的函數模型e(θ)，并在軸心軌跡圖中標記各色標，利用積分來計算各個色標在轉動過程中繞旋轉軸的弧長：

其中

然后計算出初始的套印誤差：

其中a＝20mm為規定的色標間距。

(3)CCD圖像檢測系統(見圖5，圖8)：CCD圖像傳感器將檢測到的十字線套印圖像緩存在后臺，并傳送給圖像處理器，在后臺經過去噪濾波預處理后，將圖像色彩分割后與標準套印圖像進行比對后通過算法計算得到精確的套印誤差L_ij1(t)，此時得到的套印誤差為滯后的某一時刻t的套印誤差。通過計算得到t時刻的印刷品的色標檢測系統誤檢測差值為：

ΔL_ij(t)＝L_ij0(t)-L_ij1(t)

(4)建立神經網絡系統辨識模型(見圖10)：利用神經網絡系統辨識理論，設計基于機理建模和辨識模型結合的方式建立印刷機某一色組的檢測精度傳遞模型，并利用神經網絡系統的學習能力不斷修正函數模型，來逼近實際系統。其方法為：先建立印刷機套印系統基本數學模型，印刷機套印系統為非線性動態系統，因此根據神經網絡辨識建立通用模型：

其中f為適當的非線性函數，y(t)，u(t)表示在t時刻的輸入、輸出，β_i為常系數。

定義輸入，u(t)＝ΔL_ij

其中w_i為權系數，y₁(t)為t時刻的速度值；

y₂(t)為t時刻的墻板振動加速度幅值；

y₃(t)為t時刻的滾筒軸承處的振動加速度幅值；

y₄(t)為t時刻的滾筒跳動位移幅值；

y₅(t)為t時刻的環境溫度值；

y₆(t)為t時刻的環境濕度值。

(5)此模型將速度信號、振動信號、環境溫度等信號輸入神經網絡辨識系統中，輸出為已知的檢測誤差值ΔL_ij(t)，經過不斷的輸入輸出學習后，精度補償的神經網絡辨識系統數學模型基本建立并不斷學習修正，精度補償數學模型為：

(6)在高速在線套印檢測中利用此模型函數計算出補償值對色標檢測系統得到的初始套印誤差進行補償，得出與真實套印偏差接近的套印偏差：

L_ij(t+1)＝L_ij(t+1)+ΔL_ij(t+1)

(7)套印故障診斷(見圖9)是根據套印誤差的閾值信息來分析印刷品是否為合格印刷品，印品不合格時，即出現故障，通過在各位置檢測到的速度、振動、環境信號與數據庫中找出相應的測試信號，測試信號差異最明顯的作為故障產生的最大可能性原因。