CN114407526A - 一种基于神经网络的油墨粘度控制系统和控制方法 - Google Patents
一种基于神经网络的油墨粘度控制系统和控制方法 Download PDFInfo
- Publication number
- CN114407526A CN114407526A CN202210065657.0A CN202210065657A CN114407526A CN 114407526 A CN114407526 A CN 114407526A CN 202210065657 A CN202210065657 A CN 202210065657A CN 114407526 A CN114407526 A CN 114407526A
- Authority
- CN
- China
- Prior art keywords
- ink
- viscosity
- printer
- supply
- groove
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000013528 artificial neural network Methods 0.000 title claims abstract description 30
- 238000000034 method Methods 0.000 title claims abstract description 19
- 239000002904 solvent Substances 0.000 claims abstract description 22
- 230000008569 process Effects 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 6
- 238000002955 isolation Methods 0.000 claims description 3
- 238000003756 stirring Methods 0.000 claims description 3
- 238000007599 discharging Methods 0.000 claims 1
- 230000006870 function Effects 0.000 description 4
- 230000004913 activation Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000003915 air pollution Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 239000011541 reaction mixture Substances 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B41—PRINTING; LINING MACHINES; TYPEWRITERS; STAMPS
- B41F—PRINTING MACHINES OR PRESSES
- B41F31/00—Inking arrangements or devices
- B41F31/005—Ink viscosity control means
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B41—PRINTING; LINING MACHINES; TYPEWRITERS; STAMPS
- B41F—PRINTING MACHINES OR PRESSES
- B41F31/00—Inking arrangements or devices
- B41F31/02—Ducts, containers, supply or metering devices
- B41F31/03—Ink agitators
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Inking, Control Or Cleaning Of Printing Machines (AREA)
- Ink Jet (AREA)
Abstract
本发明提供一种基于神经网络的油墨粘度控制系统和控制方法,包括:油墨槽,通过第一管道连通有油墨桶;计量泵,设置在第一管道上,控制油墨槽的油墨进量;溶剂桶,通过第二管道与油墨槽连通;电磁阀,设置在第二管道上,控制溶剂进量;进料管,两端分别与油墨槽和打印机进料口连通;第一循环泵,设置在进料管上,控制打印机的油墨进量;其腔体内设置有压力传感器;出料管,两端分别与油墨槽和打印机印刷单元出料口连通;第二循环泵,设置在出料管上,控制打印机的油墨出量;控制器,分别与压力传感器、计量泵、第一循环泵、第二循环泵和电磁阀电连接。本发明实现了油墨粘度的自动化控制。
Description
技术领域
本发明涉及印刷装置技术领域,具体涉及一种基于神经网络的油墨粘度控制系统和控制方法。
背景技术
油墨是印刷必不可少的生产原材料,其管理是影响印刷质量及实现环保要求的重要支撑。油墨粘度控制是油墨管理的核心,将油墨粘度控制在稳定的范围内,将很大程度提高印刷质量并节省油墨和稀释剂的使用量。目前现有的油墨管理过程中油墨及溶剂添加均需人工搬运,肩扛手提,现场往往会出现脏乱的状态。油墨、溶剂泄露、泼洒浪费严重,不符合环保要求。油墨挥发严重导致空气污染,工人长期作业将危害其身体健康。而且由于油墨粘度控制粗放,造成的浪费较多,对印刷质量造成的波动较大。油墨粘度的控制对调色师依赖严重,导致企业成本增加,生产效率降低。为了解决这些问题,本发明提出了一种新的基于神经网络的油墨粘度控制系统和控制方法。
发明内容
为解决上述问题,本发明提供一种基于神经网络的油墨粘度控制系统和控制方法。
为实现上述目的,本发明提供了如下的技术方案。
一种基于神经网络的油墨粘度控制系统和控制方法,包括以下步骤:
油墨槽,通过第一管道连通有油墨桶;
计量泵,设置在所述第一管道上,控制油墨槽的油墨进量;
溶剂桶,通过第二管道与油墨槽连通;
电磁阀,设置在所述第二管道上,控制溶剂进量;
进料管,两端分别与所述油墨槽和打印机进料口连通;
第一循环泵,设置在所述进料管上,控制打印机的油墨进量;其腔体内设置有压力传感器;
出料管,两端分别与所述油墨槽和打印机印刷单元出料口连通;
第二循环泵,设置在所述出料管上,控制打印机的油墨出量;
控制器,分别与压力传感器、计量泵、第一循环泵、第二循环泵和电磁阀电连接;所述控制器将压力传感器获得油墨的压力值转换成粘度值,根据预设的供墨粘度范围,调节计量泵、第一气动隔膜泵、第二气动隔膜泵和电磁阀。
优选地,还包括粘度传感器;所述粘度传感器架设在油墨槽内,实时检测并显示油墨槽内的油墨粘度值。
优选地,所述第一循环泵和第二循环泵均为气动隔离泵。
优选地,还包括搅拌器;所述搅拌器架设在所述油墨槽内,与所述控制器电连接,用于搅拌槽内油墨。
优选地,所述出料管与打印机印刷单元的出料口之间设置有过滤网。
优选地,所述油墨槽包括上下设置的油墨预置槽和油墨供给槽;所述油墨预置槽和油墨供给槽通过联通阀门连通;所述搅拌器和粘度传感器设置在油墨预置槽内;所述进料管和出料管均与所述油墨供给槽连通。
优选地,所述压力传感器型号为E8EB-10C/B。
一种基于神经网络的油墨粘度控制系统的控制方法,包括:
确定打印机油墨的供给粘度阈值,根据与打印机印刷单元进料口连通的第一循环泵中的压力传感器获取压力信号,将压力信号转换为油墨的粘度值;
判断油墨的粘度值与供给粘度阈值大小:
若大于供给粘度阈值,根据基于BP神经网络的PID控制算法确定用于控制溶剂供给的电磁阀打开时间,打开电磁阀,释放溶剂;
若降低到供给粘度阈值时,关闭电磁阀,开启第一循环泵和与打印机出料口连通的第二循环泵对打印机进行循环供墨。
优选地,还包括供墨量控制过程,包括以下步骤:
确定打印机油墨的供给量的阈值;
判断油墨槽内油墨供给槽中的油墨量:
若大于供给量阈值,关闭油墨槽内油墨供给槽与油墨预置槽间的联通阀门,通过油墨供给槽向打印机印刷单元供墨;
若小于供给量阈值,开启联通阀门,驱动计量泵向油墨预置槽进墨,直至到达供给量阈值;通过油墨供给槽向打印机印刷单元供墨。
本发明的有益效果:
本发明提出一种油墨粘度控制系统和控制方法,能够减轻甚至替代每条印刷线上油墨搬运、配比、回收等工作,提高了粘度测量精度,并且能够通过压力传感器自动检测转换获得印刷过程油墨粘度值,并根据粘度值结合基于神经网络的PID控制器空值电磁阀的打开时间,完成自动添加溶剂,实现粘度的自动调节,从而满足印刷工艺标准化的迫切需求解决了油墨挥发带来的问题的同时,降低了对人员的依赖,使印品的质量有了大步地提升,降低了因人为、设备或系统因素而导致产品质量无法有效控制的问题。
附图说明
图1是本发明实施例的油墨控制系统结构图。
图中,1、油墨槽;2、计量泵;3、溶剂桶;4、电磁阀;5、粘度传感器;6、进料管;7、第一循环泵;8、出料管;9、过滤网;10、第二循环泵;11、搅拌器。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
实施例1
本发明的一种基于神经网络的油墨粘度控制系统,如图1所示,具体包括:油墨槽1,通过第一管道连通有油墨桶;计量泵2,设置在第一管道上,控制油墨槽1的油墨进量;溶剂桶3,通过第二管道与油墨槽1连通;电磁阀4,设置在第二管道上,控制溶剂进量;进料管6,两端分别与油墨槽1和打印机进料口连通;第一循环泵7,设置在进料管6上,控制打印机的油墨进量;其腔体内设置有压力传感器;出料管8,两端分别与油墨槽1和打印机印刷单元出料口连通;第二循环泵10,设置在出料管8上,控制打印机的油墨出量;控制器,分别与压力传感器、计量泵2、第一循环泵7、第二循环泵10和电磁阀4电连接;控制器将压力传感器获得油墨的压力值转换成粘度值,根据预设的供墨粘度范围,调节计量泵2、第一气动隔膜泵、第二气动隔膜泵和电磁阀4。为了更直观显示粘度,还包括粘度传感器5;粘度传感器5架设在油墨槽1内,实时检测并显示油墨槽1内的油墨粘度值。进一步的,第一循环泵7和第二循环泵10均为气动隔离泵。为了使溶剂与油墨混合均匀,还包括搅拌器11;搅拌器11架设在油墨槽1内,与控制器电连接,用于搅拌槽内油墨。较佳的,出料管8与打印机印刷单元的出料口之间设置有过滤网9。
油墨槽1包括上下设置的油墨预置槽和油墨供给槽;油墨预置槽和油墨供给槽通过联通阀门连通;搅拌器11和粘度传感器5设置在油墨预置槽内;进料管6和出料管8均与油墨供给槽连通。
一种基于神经网络的油墨粘度控制系统的控制方法,包括:
S1:确定打印机油墨的供给粘度阈值,根据与打印机印刷单元进料口连通的第一循环泵7中的压力传感器获取压力信号,将压力信号转换为油墨的粘度值;
S2:判断油墨的粘度值与供给粘度阈值大小:
若大于供给粘度阈值,根据基于BP神经网络的PID控制算法确定用于控制溶剂供给的电磁阀4打开时间,打开电磁阀4,释放溶剂;
若降低到供给粘度阈值时,关闭电磁阀4,开启第一循环泵7和与打印机出料口连通的第二循环泵10对打印机进行循环供墨。
基于BP神经网络的PID控制算法如下:
S2.2:采样得到r(k)和y(k),计算e(k)=r(k)-y(k);
S2.3:对r(K)、y(K)、e(k)进行归一化处理,作为BP神经网络的输入;
S2.4:根据式(1)~(7)前向计算BP神经网络的各层神经元的输入和输出,BP神经网络输出层的输出即为PID控制器的三个可调参数Kp,Ki,Kd;
神经网络隐含层输入输出为:
输出层的输入输出为:
S2.5:根据式(8),计算PID控制器的控制输出u(k),参与控制和计算;
u(K)=u(K-1)+Kp[e(k)-e(k-1)]+Kie(k)+Kd[e(k)-2e(k)+e(K-2)] (8)
S2.8:置k=k+1,返回(2)。
进一步的,还包括供墨量控制过程,包括以下步骤:
油墨槽1包括上下设置的油墨预置槽和油墨供给槽;油墨预置槽和油墨供给槽通过联通阀门连通;搅拌器11和粘度传感器5设置在油墨预置槽内;进料管6和出料管8均与油墨供给槽连通。
确定打印机油墨的供给量的阈值;判断油墨槽1内油墨供给槽中的油墨量:
若大于供给量阈值,关闭油墨槽1内油墨供给槽与油墨预置槽间的联通阀门,通过油墨供给槽向打印机印刷单元供墨;若小于供给量阈值,开启联通阀门,驱动计量泵2向油墨预置槽进墨,直至到达供给量阈值;通过油墨供给槽向打印机印刷单元供墨。
本实施例中,
实验证明:压力传感器输出电压幅度与油墨粘度成一曲线关系,当油墨粘度增加时,传感器输出的电压过高,控制器采样电压信号,经查表换算成粘度,如果其值与理想值之差大于设定值,则基于神经网络的PID控制器自动计算出电磁阀4打开时间,打开溶剂桶3下端的电磁阀4往油墨槽1中加溶剂,当控制器检测到油墨粘度降低到理想值时,关闭电磁阀4,油墨槽中1的油墨在循环泵中不停地循环流动,控制器通过压力传感器实时地监控油墨的粘度,实现了油墨粘度的自动化控制。
以上仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种基于神经网络的油墨粘度控制系统,其特征在于,包括:
油墨槽(1),通过第一管道连通有油墨桶;
计量泵(2),设置在所述第一管道上,控制油墨槽(1)的油墨进量;
溶剂桶(3),通过第二管道与油墨槽(1)连通;
电磁阀(4),设置在所述第二管道上,控制溶剂进量;
进料管(6),两端分别与所述油墨槽(1)和打印机进料口连通;
第一循环泵(7),设置在所述进料管(6)上,控制打印机的油墨进量;其腔体内设置有压力传感器;
出料管(8),两端分别与所述油墨槽(1)和打印机印刷单元出料口连通;
第二循环泵(10),设置在所述出料管(8)上,控制打印机的油墨出量;
控制器,分别与压力传感器、计量泵(2)、第一循环泵(7)、第二循环泵(10)和电磁阀(4)电连接;所述控制器将压力传感器获得油墨的压力值转换成粘度值,根据预设的供墨粘度范围,调节计量泵(2)、第一气动隔膜泵、第二气动隔膜泵和电磁阀(4)。
2.根据权利要求1所述的基于神经网络的油墨粘度控制系统,其特征在于,还包括粘度传感器(5);所述粘度传感器(5)架设在油墨槽(1)内,实时检测并显示油墨槽(1)内的油墨粘度值。
3.根据权利要求1所述的基于神经网络的油墨粘度控制系统,其特征在于,所述第一循环泵(7)和第二循环泵(10)均为气动隔离泵。
4.根据权利要求1所述的基于神经网络的油墨粘度控制系统,其特征在于,还包括搅拌器(11);所述搅拌器(11)架设在所述油墨槽(1)内,与所述控制器电连接,用于搅拌槽内油墨。
5.根据权利要求1所述的基于神经网络的油墨粘度控制系统,其特征在于,所述出料管(8)与打印机印刷单元的出料口之间设置有过滤网(9)。
6.根据权利要求4所述的基于神经网络的油墨粘度控制系统,其特征在于,所述油墨槽(1)包括上下设置的油墨预置槽和油墨供给槽;所述油墨预置槽和油墨供给槽通过联通阀门连通;所述搅拌器(11)和粘度传感器(5)设置在油墨预置槽内;所述进料管(6)和出料管(8)均与所述油墨供给槽连通。
7.根据权利要求1所述的基于神经网络的油墨粘度控制系统,其特征在于,所述压力传感器型号为E8EB-10C/B。
8.一种如权利要求1~7任一项所述的基于神经网络的油墨粘度控制系统的控制方法,其特征在于,包括:
确定打印机油墨的供给粘度阈值,根据与打印机印刷单元进料口连通的第一循环泵(7)中的压力传感器获取压力信号,将压力信号转换为油墨的粘度值;
判断油墨的粘度值与供给粘度阈值大小:
若大于供给粘度阈值,根据基于BP神经网络的PID控制算法确定用于控制溶剂供给的电磁阀(4)打开时间,打开电磁阀(4),释放溶剂;
若降低到供给粘度阈值时,关闭电磁阀(4),开启第一循环泵(7)和与打印机出料口连通的第二循环泵(10)对打印机进行循环供墨。
9.根据权利要求8所述的基于神经网络的油墨粘度控制方法,其特征在于,还包括供墨量控制过程,包括以下步骤:
确定打印机油墨的供给量的阈值;
判断油墨槽(1)内油墨供给槽中的油墨量:
若大于供给量阈值,关闭油墨槽(1)内油墨供给槽与油墨预置槽间的联通阀门,通过油墨供给槽向打印机印刷单元供墨;
若小于供给量阈值,开启联通阀门,驱动计量泵(2)向油墨预置槽进墨,直至到达供给量阈值;通过油墨供给槽向打印机印刷单元供墨。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210065657.0A CN114407526B (zh) | 2022-01-20 | 2022-01-20 | 一种基于神经网络的油墨粘度控制系统和控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210065657.0A CN114407526B (zh) | 2022-01-20 | 2022-01-20 | 一种基于神经网络的油墨粘度控制系统和控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114407526A true CN114407526A (zh) | 2022-04-29 |
CN114407526B CN114407526B (zh) | 2023-06-20 |
Family
ID=81275776
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210065657.0A Active CN114407526B (zh) | 2022-01-20 | 2022-01-20 | 一种基于神经网络的油墨粘度控制系统和控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114407526B (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05154995A (ja) * | 1991-03-27 | 1993-06-22 | Toppan Printing Co Ltd | インキ供給装置 |
CN1504329A (zh) * | 2002-11-30 | 2004-06-16 | 江文发 | 印刷油墨粘度电脑控制仪 |
JP2006035587A (ja) * | 2004-07-26 | 2006-02-09 | National Printing Bureau | 液体粘度調整管理システム |
JP2011077975A (ja) * | 2009-10-01 | 2011-04-14 | Seiko Epson Corp | 粒状性予測装置、粒状性予測方法、プロファイル作成方法、および、印刷装置 |
CN202378416U (zh) * | 2011-12-07 | 2012-08-15 | 宁波欣达印刷机器有限公司 | 墨槽升降调节机构 |
CN202782162U (zh) * | 2012-07-19 | 2013-03-13 | 云南名博包装印刷有限公司 | 带搅拌功能胶水油墨智能粘度控制器 |
CN105238128A (zh) * | 2010-12-13 | 2016-01-13 | 奥驰亚客户服务公司 | 制备印刷溶液和维持印刷溶液粘度的方法 |
CN105269813A (zh) * | 2014-06-09 | 2016-01-27 | 三纬国际立体列印科技股份有限公司 | 立体打印装置的控制方法与立体打印系统 |
CN205997504U (zh) * | 2016-08-30 | 2017-03-08 | 靖宇县世达包装印刷有限公司 | 一种印刷用油墨粘度智能控制器 |
CN108809167A (zh) * | 2018-06-26 | 2018-11-13 | 长春工业大学 | 一种基于模糊控制的bp神经网络pid调速控制算法 |
CN210283606U (zh) * | 2019-06-03 | 2020-04-10 | 东莞市全芯工控科技有限公司 | 油墨胶水粘度控制装置 |
CN211280222U (zh) * | 2019-10-08 | 2020-08-18 | 广东新宏泽包装股份有限公司 | 一种油墨粘度控制器 |
CN212966802U (zh) * | 2020-08-31 | 2021-04-13 | 长安大学 | 一种结合商品信息技术的冷链储运用温敏标签 |
CN113504721A (zh) * | 2021-07-30 | 2021-10-15 | 南京理工大学 | 基于bp-pid神经网络的弹载电动舵机舵偏角位置跟踪方法 |
US20210402789A1 (en) * | 2018-11-28 | 2021-12-30 | Neos S.R.L. | Ink supply system for digital printing device and digital printing device comprising said system |
-
2022
- 2022-01-20 CN CN202210065657.0A patent/CN114407526B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05154995A (ja) * | 1991-03-27 | 1993-06-22 | Toppan Printing Co Ltd | インキ供給装置 |
CN1504329A (zh) * | 2002-11-30 | 2004-06-16 | 江文发 | 印刷油墨粘度电脑控制仪 |
JP2006035587A (ja) * | 2004-07-26 | 2006-02-09 | National Printing Bureau | 液体粘度調整管理システム |
JP2011077975A (ja) * | 2009-10-01 | 2011-04-14 | Seiko Epson Corp | 粒状性予測装置、粒状性予測方法、プロファイル作成方法、および、印刷装置 |
CN105238128A (zh) * | 2010-12-13 | 2016-01-13 | 奥驰亚客户服务公司 | 制备印刷溶液和维持印刷溶液粘度的方法 |
CN202378416U (zh) * | 2011-12-07 | 2012-08-15 | 宁波欣达印刷机器有限公司 | 墨槽升降调节机构 |
CN202782162U (zh) * | 2012-07-19 | 2013-03-13 | 云南名博包装印刷有限公司 | 带搅拌功能胶水油墨智能粘度控制器 |
CN105269813A (zh) * | 2014-06-09 | 2016-01-27 | 三纬国际立体列印科技股份有限公司 | 立体打印装置的控制方法与立体打印系统 |
CN205997504U (zh) * | 2016-08-30 | 2017-03-08 | 靖宇县世达包装印刷有限公司 | 一种印刷用油墨粘度智能控制器 |
CN108809167A (zh) * | 2018-06-26 | 2018-11-13 | 长春工业大学 | 一种基于模糊控制的bp神经网络pid调速控制算法 |
US20210402789A1 (en) * | 2018-11-28 | 2021-12-30 | Neos S.R.L. | Ink supply system for digital printing device and digital printing device comprising said system |
CN210283606U (zh) * | 2019-06-03 | 2020-04-10 | 东莞市全芯工控科技有限公司 | 油墨胶水粘度控制装置 |
CN211280222U (zh) * | 2019-10-08 | 2020-08-18 | 广东新宏泽包装股份有限公司 | 一种油墨粘度控制器 |
CN212966802U (zh) * | 2020-08-31 | 2021-04-13 | 长安大学 | 一种结合商品信息技术的冷链储运用温敏标签 |
CN113504721A (zh) * | 2021-07-30 | 2021-10-15 | 南京理工大学 | 基于bp-pid神经网络的弹载电动舵机舵偏角位置跟踪方法 |
Non-Patent Citations (3)
Title |
---|
姚锐等: "基于集成学习的自适应提升分类模型的局部放电识别研究", 《电网技术》 * |
姚锐等: "基于集成学习的自适应提升分类模型的局部放电识别研究", 《电网技术》, 28 June 2021 (2021-06-28), pages 2410 - 2419 * |
苗自云等: "基于神经网络的高精度守时算法研究", 《物联网技术》, pages 58 - 61 * |
Also Published As
Publication number | Publication date |
---|---|
CN114407526B (zh) | 2023-06-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE102016106795B4 (de) | Brennstoffzellensystem mit einem Controller zur Drucksteuerung, um Geräusche und Vibrationen, die durch den Betrieb eines Injektors entstehen, zu reduzieren | |
CN201415178Y (zh) | 闭环控制自动稳定胶量供给装置 | |
CN204749465U (zh) | 一种油墨溢流式循环黏度控制装置 | |
CN111530711A (zh) | 一种涂布设备的控制方法及检测涂布增重的装置 | |
CN201226108Y (zh) | 一种固化剂自动控制仪 | |
CN111302471B (zh) | 一种环境应急溶药除磷智能投加量方法及其一体化装置 | |
CN114538612A (zh) | 一种外加碳源精确加药系统及其控制方法 | |
CN114407526A (zh) | 一种基于神经网络的油墨粘度控制系统和控制方法 | |
CN111532025B (zh) | 一种油墨粘度调配及上墨量控制一体化系统 | |
CN206916249U (zh) | 一种电镀溶液自动加料设备 | |
CN210680090U (zh) | 一种凹印机自动加溶剂设备 | |
CN113485470A (zh) | 一种变量喷雾控制方法、装置及系统 | |
CN209616598U (zh) | 一种新型的太阳能电池丝网印刷浆料添加控制优化装置 | |
CN210127113U (zh) | 一体化加药装置 | |
CN205028058U (zh) | 基于在线水质分析仪pid控制系统 | |
EP1471397A3 (en) | Adaptive fuzzy logic temperature control | |
CN206701213U (zh) | 自动控制配料装置 | |
CN216141386U (zh) | 一种设置在线氧化还原电位仪的优化消毒系统 | |
CN214717861U (zh) | 一种光伏玻璃减反膜加工装置 | |
CN211837440U (zh) | 钛白粉连续分散装置 | |
CN110671340B (zh) | 一种单级全调节泵站的流量自适应调节方法 | |
CN210357046U (zh) | 一种具有加热功能的配料设备 | |
CN108201798A (zh) | 一种高精度在线比例混合多液体的方法 | |
CN112169678A (zh) | 一种压铸远程监测控制的智能配比系统 | |
CN106774484B (zh) | 一种基于dcs的硫酸钾反应室内微负压自动控制方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |