一种印刷机纵向套准在线检测与故障诊断方法及装置与流程

本发明涉及印刷机套印误差检测与故障诊断领域，具体是一种计量印刷滚筒运动误差的印刷机纵向套准在线检测与故障诊断方法及装置。

背景技术：

随着印刷工业的快速发展，印刷机机械性能有了很大的提升，逐渐向着无轴化、高速化、智能化发展。无轴是指印刷机中每个机组，甚至是每个滚筒或棍子的动力都是相互独立的，分别采用单独的伺服电动机，按照运动控制器发出的程序指令进行驱动，从而保证各机组间同步运转的传动方式。现代化印刷机中无轴传动技术应用广泛，是主流的印刷机技术之一。无轴传动技术相比传统的机械式传动具有简化机械传动结构、套印误差小、定位精度高等优点，追求性能稳定的无轴传动印刷机也将逐步取代传统机械传动印刷机，将成为世界印刷机市场的主流。

套印控制技术随着无轴传动技术的发展逐渐向着自动化套印控制方向发展，其只要检测到套印偏差就可以实现对多个色组的伺服电机进行协同调节套印，具有控制精度高、响应快的特点，但是如何在线检测套印偏差是实现无轴传动印刷机自动套印控制的关键。套印在线检测技术目前最常用的是利用色标法-光电传感器测量套印误差，具有实时测量套印误差的优点。如以下公开的几种专利技术都是基于色标法来检测的，其中“专利号CN102218900一种基于FPGA凹版印刷机套印误差检测方法”，利用双光电眼检测色标信号、编码器产生的脉冲信号、系统时钟脉冲计数值三种信号进行比对，得到双光电眼的实际位置值，进而通过算法算出套印偏差值。其中利用FPGA中高频脉冲作为系统时钟计数器的时钟信号，对编码器的脉冲信号进行细分，提高了编码器分辨率，使套印误差检测精度大大提高。此套印误差检测方法利用硬件对采集到的信号进行细分提高分辨率来提高套印误差检测精度，并没有考虑到机械传动系统和系统动态因素对检测设备的影响，其测出的值与实际值是存在偏差的。另外“专利号CN105291561 A套印精度检测系统及套印精度检测方法”，提出了一种套印精度检测系统，此系统利用两个特殊排列的感应色标探头检测色标信号，根据感应时间间隔计算出套印偏差，具有一定的实用价值，但其检测到的套印误差受两探头安装位置误差所影响，精度受到限制，同时也没有考虑到机械传动系统和系统动态因素对检测设备的影响。

进而提出一种计量印刷滚筒运动误差的印刷机纵向套准在线检测与故障诊断方法及装置，将机械传动系统和系统动态因素利用系统辨识理论建立模型，对检测到的套印误差进行有效补偿，大大提高其在线检测精度，同时可以利用此系统对套印和机电系统故障进行诊断，为套印系统提供有效的信息并实现精确套印的目的。

技术实现要素：

本发明是针对上述套印误差检测方法的缺点，提出一种计量印刷滚筒运动误差的印刷机纵向套准在线检测与故障诊断方法及装置，具有高速高精度套印误差在线检测和应用故障诊断技术的特点。

本发明的技术方案如下：套印控制检测和故障诊断系统包括：色标检测和处理、编码器信号检测和处理、CCD图像检测和处理、振动信号检测和处理、温度信号检测和处理、系统精度补偿建模、套印误差计算、套印故障诊断。具体方法如下：

(1)色标检测系统通过色标传感器检测印刷滚筒周向排布的多个色标信号，产生的脉冲信号经滤波处理后，进行颜色信号的识别，与具有高精度位移和速度检测的编码器发出的高速、高分辨率脉冲信号进行比对，得出经过跳动补偿算法得出初始套印误差。

(2)跳动补偿算法具体为由编码器信号与色标信号比对得出色标的角度α_i、α_j，并利用测量跳动的微位移传感器得出的轴心轨迹图，经计算得出轴心轨迹的函数模型e(θ)，并在轴心轨迹图中标记各色标，利用积分来计算各个色标在转动过程中绕旋转轴的弧长：

其中

然后计算出初始的套印误差：

其中a＝20mm为规定的相邻两色标间距。

(3)CCD图像传感器将检测到的十字线套印图像缓存在后台，并传送给图像处理器，在后台经过去噪滤波预处理后，将图像色彩分割后与标准套印图像进行比对后通过算法得到精确的套印误差L_ij1(t)，此时得到的套印误差为滞后的某一时刻t的套印误差。通过计算得到t时刻的印刷品的色标检测系统检测误差值为：ΔL_ij(t)＝L_ij0(t)-L_ij1(t)。

(4)利用神经网络系统辨识理论，设计基于机理建模和辨识模型结合的方式建立印刷机某一色组的检测精度传递模型，并利用神经网络系统的学习能力不断修正函数模型，来逼近实际系统。其方法为：先建立印刷机套印系统基本数学模型，印刷机套印系统为非线性动态系统，因此根据神经网络辨识建立通用模型：

其中f为适当的非线性函数，y(t)，u(t)表示在t时刻的输入、输出，β_i为常系数。

定义输入，u(t)＝ΔL_ij，

其中w_i为权系数，y₁(t)为t时刻的速度值；

y₂(t)为t时刻的墙板振动加速度幅值；

y₃(t)为t时刻的滚筒轴承处的振动加速度幅值；

y₄(t)为t时刻的滚筒跳动位移幅值；

y₅(t)为t时刻的环境温度值；

y₆(t)为t时刻的环境湿度值。

此模型将速度信号、振动信号、环境温度等信号输入神经网络辨识系统中，输出为已知的检测误差值ΔL_ij(t)，经过不断的输入输出学习后，精度补偿的神经网络辨识系统数学模型基本建立并不断学习修正，精度补偿数学模型为：

(5)在高速套印在线检测中利用此模型函数计算出补偿值对色标检测系统得到的初始套印误差进行补偿，得出与真实套印偏差接近的套印偏差：

L_ij(t+1)＝L_ij(t+1)+ΔL_ij(t+1)。

(6)套印故障诊断是根据套印误差的阈值信息来分析是否出现故障，并通过在各位置检测到的速度、振动、环境信息进行多信息融合分析，获取可能存在的故障原因。

附图说明

图1是本发明中套印控制检测和故障诊断装置的示意图

图2是本发明中系统组成图

图3是本发明中色标检测误差补偿模型图

图4是本发明中机械结构示意图

图5是本发明中套印检测结构示意图

图6是本发明中套印误差检测系统框图

图7是本发明中色标检测系统框图

图8是本发明中CCD图像采集系统框图

图9是本发明中系统辨识结构图

图10是本发明中故障检测流程图

附图标记如下：

图1中，1-编码器，2-伺服电机，3-第一微位移传感器，9-第二微位移传感器，4-第一加速度传感器，7-第二加速度传感器，5-频闪仪，6-CCD图像传感器，8-十字色标，10-印刷滚筒，11-色标传感器，12-温湿度传感器，13-色标信号采集仪，14-CCD图像采集仪，15-振动信号采集仪，16-伺服驱动器，17-运动控制器，18-上位机。

图3中，a-不考虑轴心跳动计算弧长，b-考虑轴心跳动，c-轴心轨迹构建，d-轴心轨迹坐标图。

图4中，2-伺服电机，2-1-联轴器，19-滚筒体19-1-轴承，3-1-第一微位移传感器支架，9-1-第二微位移传感器支架，6-1-CCD图像传感器支架，11-1-色标传感器支架，5-频闪仪。

具体实施方式

下面结合附图对本发明的具体实施方式做详细的说明。

套印检测和故障诊断装置示意图如图1所示，装置的组成部分包括：编码器1，伺服电机2，第一微位移传感器3，第二微位移传感器9，第一加速度传感器4，第二加速度传感器7，频闪仪5，CCD图像传感器6，十字色标8，印刷滚筒10，色标传感器11，温湿度传感器12，色标信号采集仪13，CCD图像采集仪14，振动信号采集仪15，伺服驱动器16，运动控制器17，上位机18。

本装置机械部分结构见图4。

系统组成如图2所示，包括：伺服控制系统，套印检测系统，和故障诊断系统。具体包括：色标检测和处理、编码器信号检测和处理、CCD图像检测和处理、振动信号检测和处理、温湿度信号检测和处理、系统精度补偿建模、套印误差计算、套印故障诊断。具体步骤如下(见图6)：

色标检测系统(见图5，图7)通过色标传感器检测多个色标信号，产生的脉冲信号经滤波处理后，进行颜色信号的识别，与具有高精度位移和速度检测的编码器发出的高速、高分辨率脉冲信号进行比对，得出经过滚筒跳动补偿算法得出初始套印误差L_ij0(t)。

2.滚筒跳动补偿模型(见图3)：不考虑轴心跳动计算弧长(见图3(a))，弧长计算误差较大与实际不相符，考虑轴心跳动模型(见图3(b))可以计算出较准确的弧长，轴心轨迹的建立(见图3(c))依靠两个垂直且共面的微位移传感器的时域波形数据合并到一起，以创建显示轴心线的二维动态运动的单图(见图3(d))，并用另一个微位移传感器检测键相信号，并在轴心轨迹中标记出来，以键相标记为基准判断各色标相对位置并作标记。具体方法为由编码器测量信号与色标信号比对得出色标的位置角度α_i、α_j，并利用测量跳动的微位移传感器得出的轴心轨迹图(见图3(d))，经计算得出轴心轨迹的函数模型e(θ)，并在轴心轨迹图中标记各色标，利用积分来计算各个色标在转动过程中绕旋转轴的弧长：

其中

然后计算出初始的套印误差：

其中a＝20mm为规定的色标间距。

(3)CCD图像检测系统(见图5，图8)：CCD图像传感器将检测到的十字线套印图像缓存在后台，并传送给图像处理器，在后台经过去噪滤波预处理后，将图像色彩分割后与标准套印图像进行比对后通过算法计算得到精确的套印误差L_ij1(t)，此时得到的套印误差为滞后的某一时刻t的套印误差。通过计算得到t时刻的印刷品的色标检测系统误检测差值为：

ΔL_ij(t)＝L_ij0(t)-L_ij1(t)

(4)建立神经网络系统辨识模型(见图10)：利用神经网络系统辨识理论，设计基于机理建模和辨识模型结合的方式建立印刷机某一色组的检测精度传递模型，并利用神经网络系统的学习能力不断修正函数模型，来逼近实际系统。其方法为：先建立印刷机套印系统基本数学模型，印刷机套印系统为非线性动态系统，因此根据神经网络辨识建立通用模型：

其中f为适当的非线性函数，y(t)，u(t)表示在t时刻的输入、输出，β_i为常系数。

定义输入，u(t)＝ΔL_ij

其中w_i为权系数，y₁(t)为t时刻的速度值；

y₂(t)为t时刻的墙板振动加速度幅值；

y₃(t)为t时刻的滚筒轴承处的振动加速度幅值；

y₄(t)为t时刻的滚筒跳动位移幅值；

y₅(t)为t时刻的环境温度值；

y₆(t)为t时刻的环境湿度值。

(5)此模型将速度信号、振动信号、环境温度等信号输入神经网络辨识系统中，输出为已知的检测误差值ΔL_ij(t)，经过不断的输入输出学习后，精度补偿的神经网络辨识系统数学模型基本建立并不断学习修正，精度补偿数学模型为：

(6)在高速在线套印检测中利用此模型函数计算出补偿值对色标检测系统得到的初始套印误差进行补偿，得出与真实套印偏差接近的套印偏差：

L_ij(t+1)＝L_ij(t+1)+ΔL_ij(t+1)

(7)套印故障诊断(见图9)是根据套印误差的阈值信息来分析印刷品是否为合格印刷品，印品不合格时，即出现故障，通过在各位置检测到的速度、振动、环境信号与数据库中找出相应的测试信号，测试信号差异最明显的作为故障产生的最大可能性原因。