CN116968442B - 墨路系统监测方法、装置、电子设备及存储介质 - Google Patents

墨路系统监测方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN116968442B
CN116968442B CN202311217564.6A CN202311217564A CN116968442B CN 116968442 B CN116968442 B CN 116968442B CN 202311217564 A CN202311217564 A CN 202311217564A CN 116968442 B CN116968442 B CN 116968442B
Authority
CN
China
Prior art keywords
ink path
data
ink
monitoring
control algorithm
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.)
Active
Application number
CN202311217564.6A
Other languages
English (en)
Other versions
CN116968442A (zh
Inventor
杨万里
徐成
孙嘉清
王玉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN202311217564.6A priority Critical patent/CN116968442B/zh
Publication of CN116968442A publication Critical patent/CN116968442A/zh
Application granted granted Critical
Publication of CN116968442B publication Critical patent/CN116968442B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B41—PRINTING; LINING MACHINES; TYPEWRITERS; STAMPS
    • B41J—TYPEWRITERS; SELECTIVE PRINTING MECHANISMS, i.e. MECHANISMS PRINTING OTHERWISE THAN FROM A FORME; CORRECTION OF TYPOGRAPHICAL ERRORS
    • B41J2/00—Typewriters or selective printing mechanisms characterised by the printing or marking process for which they are designed
    • B41J2/005—Typewriters or selective printing mechanisms characterised by the printing or marking process for which they are designed characterised by bringing liquid or particles selectively into contact with a printing material
    • B41J2/01—Ink jet
    • B41J2/17—Ink jet characterised by ink handling
    • B41J2/175—Ink supply systems ; Circuit parts therefor
    • B41J2/17566—Ink level or ink residue control
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B41—PRINTING; LINING MACHINES; TYPEWRITERS; STAMPS
    • B41J—TYPEWRITERS; SELECTIVE PRINTING MECHANISMS, i.e. MECHANISMS PRINTING OTHERWISE THAN FROM A FORME; CORRECTION OF TYPOGRAPHICAL ERRORS
    • B41J2/00—Typewriters or selective printing mechanisms characterised by the printing or marking process for which they are designed
    • B41J2/005—Typewriters or selective printing mechanisms characterised by the printing or marking process for which they are designed characterised by bringing liquid or particles selectively into contact with a printing material
    • B41J2/01—Ink jet
    • B41J2/17—Ink jet characterised by ink handling
    • B41J2/175—Ink supply systems ; Circuit parts therefor
    • B41J2/17566—Ink level or ink residue control
    • B41J2002/17583—Ink level or ink residue control using vibration or ultra-sons for ink level indication

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Medical Informatics (AREA)
  • Artificial Intelligence (AREA)
  • Operations Research (AREA)
  • Health & Medical Sciences (AREA)
  • Algebra (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Measurement Of Levels Of Liquids Or Fluent Solid Materials (AREA)

Abstract

本申请属于墨路系统监测的技术领域，公开了一种墨路系统监测方法、装置、电子设备及存储介质，该方法包括：获取待测墨路系统的墨路监测数据，以及墨路数据库的墨路监测训练样本，墨路监测训练样本包括历史墨路监测数据及对应的状态数据，根据历史墨路监测数据及对应的状态数据，构建模型预测控制算法模型，将墨路监测数据输入模型预测控制算法模型，计算得到待测墨路系统的预测状态数据，基于预测状态数据，结合预设的状态参考阈值和预设的状态约束条件，对待测墨路系统进行监测，通过墨路监测数据、模型预测控制算法模型、预设的状态参考阈值和预设的状态约束条件，对墨路系统进行监测，提高了墨路系统的监测效率。

Description

墨路系统监测方法、装置、电子设备及存储介质
技术领域
本申请涉及墨路系统监测的技术领域，具体而言，涉及一种墨路系统监测方法、装置、电子设备及存储介质。
背景技术
在喷墨系统中，主要采用多个光电传感器来检测液面高度。然而，这种检测通常只能得到“高液位”、“中液位”、“低液位”这种模糊性的液面数据，难以实现高精度液位测量和墨路检测。在对墨路系统的控制过程中，通常需要根据气压和液路来控制墨水的循环状态。然而，在实际打印过程中，墨水会随着打印任务而消耗导致液面下降，即处于高液位的墨水具有较高的液路压力，而低液位则具有较低的液路压力。同时，在低液位时，由于墨瓶中具有较大的气体空间，使得气压控制具有较大的误差范围。在气液两相控制中，气路具有可压缩性，因此液位变化会对气路的控制精度带来挑战。此外，采用多段式光电传感器时，液路的变化往往被忽略，使得气路控制精度降低，导致喷头负压状态发生改变，不利于墨水打印体积精度控制。
因此，为了解决现有的墨路系统监测方法因墨水液位的变化性和模糊性而难以实现高精度的液位测量和墨路检测的技术问题，亟需一种墨路系统监测方法、装置、电子设备及存储介质。
发明内容
本申请的目的在于提供一种墨路系统监测方法、装置、电子设备及存储介质，通过墨路监测数据和模型预测控制算法模型，结合预设的状态参考阈值和预设的状态约束条件，对墨路系统进行监测，解决现有的墨路系统监测方法因墨水液位的变化性和模糊性而难以实现高精度的液位测量和墨路检测的问题，使得整个墨路系统处于稳定的工作状态，保证墨路喷头处于良好的工作状态，提高了墨路系统的监测效率。
第一方面，本申请提供了一种墨路系统监测方法，用于对墨路系统进行监测，包括步骤：
获取待测墨路系统的墨路监测数据，以及墨路数据库的墨路监测训练样本；所述墨路监测训练样本包括历史墨路监测数据及对应的状态数据；
根据所述历史墨路监测数据及对应的状态数据，构建模型预测控制算法模型；
将所述墨路监测数据输入所述模型预测控制算法模型，计算得到所述待测墨路系统的预测状态数据；
基于所述预测状态数据，结合预设的状态参考阈值和预设的状态约束条件，对所述待测墨路系统进行监测。
本申请提供的墨路系统监测方法可以实现对墨路系统进行监测，通过墨路监测数据和模型预测控制算法模型，结合预设的状态参考阈值和预设的状态约束条件，对墨路系统进行监测，解决现有的墨路系统监测方法因墨水液位的变化性和模糊性而难以实现高精度的液位测量和墨路检测的问题，使得整个墨路系统处于稳定的工作状态，保证墨路喷头处于良好的工作状态，提高了墨路系统的监测效率。
可选地，所述墨路监测数据包括墨水液位数据、喷头负压数据、墨泵流量数据、远端正压压力和喷头温度。
可选地，获取待测墨路系统的墨路监测数据，包括：
通过超声波技术，获取所述待测墨路系统的墨水液位数据；
获取所述待测墨路系统的喷头负压数据、墨泵流量数据、远端正压压力和喷头温度。
可选地，根据所述历史墨路监测数据及对应的状态数据，构建模型预测控制算法模型，包括：
构建与所述历史墨路监测数据及对应的状态数据对应的初步模型预测控制算法模型；
根据所述历史墨路监测数据及对应的状态数据，训练所述初步模型预测控制算法模型，得到训练后的初步模型预测控制算法模型；
基于所述历史墨路监测数据及对应的状态数据，验证所述训练后的初步模型预测控制算法模型，得到所述模型预测控制算法模型。
本申请提供的墨路系统监测方法可以实现对墨路系统进行监测，通过历史墨路监测数据及对应的状态数据，构建模型预测控制算法模型，通过构建模型预测控制算法模型，预测墨路系统的运行状态，有利于提高墨路系统的监测效率。
可选地，根据所述历史墨路监测数据及对应的状态数据，训练所述初步模型预测控制算法模型，得到训练后的初步模型预测控制算法模型，包括：
将所述历史墨路监测数据输入到所述初步模型预测控制算法模型，得到对应的输出数据；
根据所述历史墨路监测数据及对应的状态数据和所述对应的输出数据，确定训练误差；
基于所述训练误差，调整所述初步模型预测控制算法模型的参数，得到最优参数，并利用所述最优参数，优化所述初步模型预测控制算法模型，得到所述训练后的初步模型预测控制算法模型。
可选地，将所述历史墨路监测数据输入到所述初步模型预测控制算法模型，得到对应的输出数据之前，还包括：
初始化所述初步模型预测控制算法模型的参数。
可选地，基于所述预测状态数据，结合预设的状态参考阈值和预设的状态约束条件，对所述待测墨路系统进行监测，包括：
基于所述预设的状态约束条件，判断所述预测状态数据是否趋向所述预设的状态参考阈值；
若是，则保持现有的所述墨路监测数据；
若否，则调整所述墨路监测数据，以使调整后的预测状态数据趋向所述预设的状态参考阈值。
本申请提供的墨路系统监测方法可以实现对墨路系统进行监测，通过预测状态数据、预设的状态参考阈值和预设的状态约束条件，对墨路系统进行监测，使得墨路系统处于稳定工作状态，提高了墨路系统的监测效率。
第二方面，本申请提供了一种墨路系统监测装置，用于对墨路系统进行监测，包括：
获取模块，用于获取待测墨路系统的墨路监测数据，以及墨路数据库的墨路监测训练样本；所述墨路监测训练样本包括历史墨路监测数据及对应的状态数据；
构建模块，用于根据所述历史墨路监测数据及对应的状态数据，构建模型预测控制算法模型；
计算模块，用于将所述墨路监测数据输入所述模型预测控制算法模型，计算得到所述待测墨路系统的预测状态数据；
监测模块，用于基于所述预测状态数据，结合预设的状态参考阈值和预设的状态约束条件，对所述待测墨路系统进行监测。
该墨路系统监测装置，通过墨路监测数据和模型预测控制算法模型，结合预设的状态参考阈值和预设的状态约束条件，对墨路系统进行监测，解决现有的墨路系统监测方法因墨水液位的变化性和模糊性而难以实现高精度的液位测量和墨路检测的问题，使得整个墨路系统处于稳定的工作状态，保证墨路喷头处于良好的工作状态，提高了墨路系统的监测效率。
第三方面，本申请提供了一种电子设备，包括处理器和存储器，所述存储器存储有所述处理器可执行的计算机程序，所述处理器执行所述计算机程序时，运行如前文所述墨路系统监测方法中的步骤。
第四方面，本申请提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时运行如前文所述墨路系统监测方法中的步骤。
有益效果：本申请提供的墨路系统监测方法、装置、电子设备及存储介质，通过墨路监测数据和模型预测控制算法模型，结合预设的状态参考阈值和预设的状态约束条件，对墨路系统进行监测，解决现有的墨路系统监测方法因墨水液位的变化性和模糊性而难以实现高精度的液位测量和墨路检测的问题，使得整个墨路系统处于稳定的工作状态，保证墨路喷头处于良好的工作状态，提高了墨路系统的监测效率。
附图说明
图1为本申请实施例提供的墨路系统监测方法的流程图。
图2为本申请实施例提供的墨路系统监测装置的结构示意图。
图3为本申请实施例提供的电子设备的结构示意图。
图4为传统液位检测方法中墨路系统的墨瓶结构示意图。
图5为超声波液位检测方法中墨路系统的墨瓶结构示意图。
图6为基于模型预测控制算法模型的墨路监测过程示意图。
标号说明：1、获取模块；2、构建模块；3、计算模块；4、监测模块；301、处理器；302、存储器；303、通信总线。
具体实施方式
下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
请参照图1，图1是本申请一些实施例中的一种墨路系统监测方法，用于对墨路系统进行监测，包括：
步骤S101，获取待测墨路系统的墨路监测数据，以及墨路数据库的墨路监测训练样本；墨路监测训练样本包括历史墨路监测数据及对应的状态数据；
步骤S102，根据历史墨路监测数据及对应的状态数据，构建模型预测控制算法模型；
步骤S103，将墨路监测数据输入模型预测控制算法模型，计算得到待测墨路系统的预测状态数据；
步骤S104，基于预测状态数据，结合预设的状态参考阈值和预设的状态约束条件，对待测墨路系统进行监测。
该墨路系统监测方法，通过墨路监测数据和模型预测控制算法模型，结合预设的状态参考阈值和预设的状态约束条件，对墨路系统进行监测，解决现有的墨路系统监测方法因墨水液位的变化性和模糊性而难以实现高精度的液位测量和墨路检测的问题，使得整个墨路系统处于稳定的工作状态，保证墨路喷头处于良好的工作状态，提高了墨路系统的监测效率。
具体地，在步骤S101中，墨路监测数据包括墨水液位数据、喷头负压数据、墨泵流量数据、远端正压压力（远端正压压力包括大气压强和墨路系统气压）和喷头温度。通过喷墨液路监测系统，获取上述数据，并基于上述数据对墨路系统进行监测，该喷墨液路监测系统包括以下单元：
超声波液面测距单元，用于对墨瓶（墨瓶单元）内墨水液面高度进行测量，得到墨水液位数据；该超声波液面测距单元朝下地设置在墨瓶单元的墨瓶盖上；
墨瓶单元（即为墨瓶盖经过调高设计的墨瓶），用于保存墨水。超声波液面测距单元利用超声波发生器与接收器结构，在原理上具有一定的盲区，为此需要对墨瓶盖进行调高设计（即墨瓶盖的高度整体上调或墨瓶盖上用于安装超声波液面测距单元的局部位置朝上凸出，使超声波液面测距单元与限定的最高液位的距离不小于盲区长度），便于超声波液面测距单元在获取液面数据时能够覆盖墨水液位的最佳位置。超声波液面测距单元也要兼容密封设计，在超声波液面测距单元安装在墨瓶盖时，利用密封圈与螺纹配合，以实现低负压密封。
数据采集单元，用于采集超声波液面测距单元测量的墨水液位数据，以及对喷头负压数据、墨泵流量数据、远端正压压力和喷头温度进行采集。
模型控制单元，用于采用模型预测控制算法(MPC，Model Predictive Control)模型，对墨路系统进行监测。
具体地，在步骤S101中，获取待测墨路系统的墨路监测数据，包括：
通过超声波技术，获取待测墨路系统的墨水液位数据；
获取待测墨路系统的喷头负压数据、墨泵流量数据、远端正压压力和喷头温度（可采用相应的传感器进行测量得到这些数据）。
在步骤S101中，通过喷墨液路监测系统，获取待测墨路系统的墨路监测数据。通过超声波液面测距单元的超声波技术获取墨水液位数据，在实际应用中，超声波液面测距单元（超声波液位传感器）通过对墨水液位的反馈信号进行采集、滤波、校准、放大等处理，以提高测量的精度和可靠性。通过数据采集单元，运用现有的常规技术，即采用相应的传感器进行测量，获取待测墨路系统的喷头负压数据、墨泵流量数据、远端正压压力和喷头温度。
在实际应用中，通过超声波技术获取待测墨路系统的墨水液位数据是一种比较新颖的测量方法。在墨路系统中，通过对墨水液位数据、喷头负压数据、墨泵流量数据、远端正压压力和喷头温度融合处理，能有效提高墨泵控制和喷头负压控制的平滑度。
墨路系统的墨路控制（墨路监测）可以分为液路控制和气压控制。在液路控制中，如果采用传统光电式液位传感器将只能得到几段液面高度，而通过超声波技术能获取精度较高的墨水高度（墨水液位数据）。而液位光电传感器会导致负压控制不够平滑，随着打印的进行以及不饱和墨水溶氧之类的气液两相变化会导致液面下降和墨路气泡生成，使得墨路系统中喷头的喷头进气并产生较大的负压变化从而导致喷头不出墨。
例如，如图4、图5所示，图4为传统液位检测方法中墨路系统的墨瓶结构示意图，图5为超声波液位检测方法中墨路系统的墨瓶结构示意图，由图4可知，传统液位检测方法只能测得“高液位”、“中液位”、“低液位”这种模糊性的液面数据，由于该液面数据较为模糊，且安装时候容易造成间距不同，当检测到这三种液位中的某一种信号时，通过墨路控制让墨泵给墨瓶补充墨水，由于液位数据模糊、安装存在误差，在墨路循环时候会出现急流、缓流现象，该现象导致墨路系统的负压控制变得不准确，会产生喷头发生渗墨和进气等现象，从而导致喷头不出墨，同时在这种设计中引入了多个传感器，将带来更加复杂的线路问题。由图5可知，超声波液位检测方法在安装超声波液位传感器时需要预留1-3cm左右的超声波接收盲区，采用超声波液位检测方法来检测墨水液位高度，该检测方法通过超声波液位传感器向墨水发射高频超声波脉冲，并测量脉冲从液面反射后返回传感器所需的时间，进而计算出液位高度。超声波液位传感器的精度一般可以达到1mm以下，在无接触测量中能实时返回液面数。因此，通过本发明的超声波液位检测方法更能准确地检测墨瓶中墨水的液位高度。
在气路控制中，负压压差是喷头循环的重要作用力，为了向喷头提供较为精确的气路负压值，在本发明中直接在喷头处进行压力监测，而非测量墨瓶负压。同时随着打印的进行，墨水会被消耗导致墨水液面下降，在达到设定值时候墨泵开始工作，为墨瓶加墨水提升液面高度。基于液路控制和气路控制能更好的处理打印和加墨时候的墨路压力值，从而防止打印和加墨的同时进行使得气液两相界面发生急剧变化，导致喷头进气。
具体地，在步骤S101中，获取墨路数据库的墨路监测训练样本，墨路监测训练样本包括历史墨路监测数据及对应的状态数据，其中，历史墨路监测数据及对应的状态数据包括数据库（墨路数据库）中墨路系统在某一时刻的墨水液位数据、喷头负压数据、墨泵流量数据、远端正压压力和喷头温度的历史记录，以及这些数据的历史记录所对应的状态数据，对应的状态数据包括在某一时刻后的下一个时刻的大气压强、墨路系统气压和墨泵流量数据。提取数据库中同一墨路系统各运行时刻的历史墨路监测数据及对应的状态数据，作为测试集和验证集，可用于对模型进行训练。
具体地，在步骤S102中，根据历史墨路监测数据及对应的状态数据，构建模型预测控制算法模型，包括：
构建与历史墨路监测数据及对应的状态数据对应的初步模型预测控制算法模型；
根据历史墨路监测数据及对应的状态数据，训练初步模型预测控制算法模型，得到训练后的初步模型预测控制算法模型；
基于历史墨路监测数据及对应的状态数据，验证训练后的初步模型预测控制算法模型，得到模型预测控制算法模型。
具体地，在步骤S102中，根据历史墨路监测数据及对应的状态数据，构建初步模型预测控制算法模型。
模型预测控制算法模型的具体计算过程如下：
1）对于墨路系统来说，其连续时间状态空间模型的表达式具体为：
；
其中，为当前时刻k的系统变量（墨路系统状态，即墨水液位数据、喷头负压数据和喷头温度），/>为当前时刻k的墨路系统监测的输入量（墨路监测数据或历史墨路监测数据），/>为预测的第k+1时刻墨路系统状态， />为第k时刻的状态数据（即远端正压压力和墨泵流量数据），k为第k时刻，一般指当前时刻，k为正整数，A为状态变量系数矩阵，B为控制系数矩阵，C为状态控制矩阵。
2）当前时刻k到未来的有限时域内，利用连续时间状态空间模型对未来时刻的墨路系统状态进行预测，可以表达为以下形式：
；
其中，为第k时刻预测的第k时刻的墨路系统状态， />为预测的第k时刻的墨路监测数据， />为预测时域，描述了在优化过程中针对未来时刻的墨路系统状态进行评估的未来时刻的范围，/>为第k时刻预测的第/>时刻的墨路系统状态，为预测的第/>时刻的墨路监测数据。
3）将当前时刻k的墨路系统状态和上一时刻的墨路监测数据/>作为已知参数, 将未知变量归纳为每个时刻的墨路监测数据的增量数据集，i为增量时长，i为正整数，k+i表示第k+i时刻，为第k时刻预测的第k+i-1时刻至第k+i时刻的墨路监测数据的增量，/>为第k时刻预测的第k+i时刻的墨路监测数据，且假定墨路监测数据仅在时间区域内变化（/>为控制时域，描述了在优化区间内未来时刻的墨路监测数据的时间长度，为保证预测的墨路系统状态能够充分地反映未来时刻的墨路监测数据的影响，需满足/>），在/>的时间内保持不变，从而将上述的预测的墨路系统状态改写为关于墨路监测数据的增量数据集的线性状态空间矩阵的形式：
；
4）在墨路系统的控制问题中，最重要的是跟踪墨路系统的输出（状态数据）达到期望的参考值（预设的状态参考阈值），因此将跟踪误差引入到优化目标中；降低滚动循环控制输入的变化量有助于负压与液路稳态下的稳定性，因此引入输入的状态控制增量（预测的第k时刻的墨路监测数据的增量）的集合/>（即增量数据集）；同时对当前预测的状态输入量/>（预测的第k时刻的墨路监测数据）进行跟踪，并对当前预测的状态输入量进行调整。一般地，可以将模型预测控制问题（即墨路系统的监测问题）构造为二次型的优化问题，如下所示：
；
其中，V为模型预测控制问题的代价函数。Q为跟踪误差的相对权重，R为状态控制增量的集合/>的相对权重，可根据实际需要进行设定。此外，令墨路系统状态和控制输入（墨路监测数据或历史墨路监测数据）满足以下不等式约束条件：
；
其中，为预测的第k时刻的墨路系统状态，/>为预测的第k时刻的墨路系统状态的最小值，/>为预测的第k时刻的墨路系统状态的最大值，/>为当前预测的状态输入量的最小值，/>为当前预测的状态输入量的最大值，/>为状态控制增量的最小值，/>为状态控制增量的最大值。
由于MPC（模型预测控制算法）控制器需要采用线性的预测模型进行设计，需要将非线性系统转为线性表达。
5）在墨路系统中，将远端正压压力（远端正压压力为绝对压强，包括大气压强和墨路系统气压）()、墨泵流量数据(/>)作为系统输出（状态数据），对设定的参考值进行目标跟踪控制；将墨水液位数据(/>)、喷头负压数据(/>)和喷头温度(/>)作为系统状态（墨路系统状态），以约束条件的形式用于系统优化；利用墨路系统控制输入的前后差分，得到非线性模型在当前工作状态的近似线性估计，最后系统变量的定义如下所示：；
其中，为系统监测的输入量的状态控制增量对应的矩阵数据，/>为系统变量（墨路系统状态）对应的矩阵数据，/>为模型输出的状态数据对应的矩阵数据，、/>、/>、/>、/>分别为远端正压压力(/>)、墨泵流量数据(/>)、墨水液位数据(/>)、喷头负压数据(/>)和喷头温度(/>)的变换值。
6）综上，最优解的约束条件为:
；
其中， 为真实值（墨路系统的状态数据的实际数值），/>为预测值（模型输出的状态数据），/>为二范数，通过二范数可计算得到预设的状态参考阈值， />为墨路系统监测的输入量（墨路监测数据或历史墨路监测数据）的状态控制增量，/>为墨路系统状态，通过二次线性优化得到状态控制增量/>的最优解，得到预设的状态参考阈值，计算出系统变量值/>，得到最优解的约束条件，最优解的约束条件即为预设的状态约束条件，由于状态约束条件设定了墨路系统系统状态的上下边界，即设置了墨水液位数据(/>)、喷头负压数据(/>)和喷头温度(/>)的运行范围，可以防止墨路系统超调导致硬件损坏。
最后，模型预测控制算法模型输出得到大气压强、墨路系统气压和墨泵流量数据，即为墨路系统的预测状态数据。
具体地，在步骤S102中，根据历史墨路数据及对应的状态数据，训练初步模型预测控制算法模型，得到训练后的初步模型预测控制算法模型，包括：
将历史墨路数据输入到初步模型预测控制算法模型，得到对应的输出数据；
根据历史墨路数据及对应的状态数据和对应的输出数据，确定训练误差；
基于训练误差，调整初步模型预测控制算法模型的参数，得到最优参数，并利用最优参数，优化初步模型预测控制算法模型，得到训练后的初步模型预测控制算法模型。
在步骤S102中，通过将数据库中历史墨路数据对应的状态数据与历史墨路数据输入初步模型预测控制算法模型得到的结果（历史墨路数据输入初步模型预测控制算法模型得到对应的输出数据）进行比较，得到训练误差，如输出数据中部分数据与状态数据中对应数据的差值的大小程度，或输出数据比状态数据多一个相关变量等训练误差，利用训练误差，对初步模型预测控制算法模型的参数进行调整，如训练误差为输出数据中部分数据与状态数据中对应数据的差值的大小程度，则修改对应的模型参数，令输出数据愈发准确，得到最优参数，通过最优参数，优化初步模型预测控制算法模型，得到训练后的初步模型预测控制算法模型。
在步骤S102中，将数据库中未用于训练的历史墨路数据输入训练后的初步模型预测控制算法模型，得到初步模型预测控制算法模型输出的输出数据数据，作为状态数据验证数据，对比状态数据验证数据与数据库中未用于训练的历史墨路数据对应的状态数据，确定误差在可接受范围内（误差可接受范围一般为0到3%，可根据实际需要进行修改），验证训练后的初步模型预测控制算法模型的准确度，得到模型预测控制算法模型。
具体地，在步骤S102中，将历史墨路数据输入到初步模型预测控制算法模型，得到对应的输出数据之前，还包括：
初始化初步模型预测控制算法模型的参数。
在步骤S102中，在输入数据对模型进行训练之前，要初始化初步模型预测控制算法模型的参数，保证模型处于正常使用状态。
具体地，在步骤S103中，将待测墨路系统的墨路监测数据输入到模型预测控制算法模型，通过模型预测控制算法模型的计算，得到待测墨路系统的预测状态数据。
具体地，在步骤S104中，基于预测状态数据，结合预设的状态参考阈值和预设的状态约束条件，对待测墨路系统进行监测，包括：
基于预设的状态约束条件，判断预测状态数据是否趋向预设的状态参考阈值；
若是，则保持现有的墨路监测数据；
若否，则调整墨路监测数据，以使调整后的预测状态数据趋向预设的状态参考阈值。
在步骤S104中，在预设的状态约束条件下（在构建模型时，计算得到的最优解的约束条件即为状态约束条件，通过最优解的约束条件中的二范数即可计算得到状态参考阈值），即墨水液位数据、喷头负压数据和喷头温度限制在状态约束条件内，判断预测状态数据（大气压强、墨路系统气压和墨泵流量数据）是否趋向预设的状态参考阈值（慢慢接近状态参考阈值并且维持在状态参考阈值附近或等于状态参考阈值），当预测状态数据趋向预设的状态参考阈值时，则保持现有的墨路监测数据，维持现有墨路系统的运行状态，当预测状态数据不趋向预设的状态参考阈值时，调整墨路监测数据（即调节墨路系统的墨路系统气压和墨泵流量数据，而墨水液位数据、喷头负压数据和喷头温度因受到状态约束条件的限制，一直处于使墨路系统正常工作的运行范围，大气压强为不可控因素），以使调整后的预测状态数据趋向预设的状态参考阈值，使墨路系统处于稳定的工作状态，保证墨路喷头处于良好的工作状态。
例如，如图6所示，图6为基于模型预测控制算法模型的墨路监测过程示意图，其中，横坐标为时间，纵坐标为输出量，参考输出为预设的状态参考阈值，预测输出为模型预测控制算法模型输出的预测状态数据，墨量控制为将墨水液位数据、喷头负压数据和喷头温度维持在状态约束条件内，从图6可知，在状态约束条件下，模型预测控制算法模型输出的预测状态数据趋向预设的状态参考阈值，因此，不需要调整墨路监测数据，保持现有的墨路监测数据，以维持现有墨路系统的运行状态。
由上可知，该墨路系统监测方法，通过获取待测墨路系统的墨路监测数据，以及墨路数据库的墨路监测训练样本，墨路监测训练样本包括历史墨路监测数据及对应的状态数据，根据历史墨路监测数据及对应的状态数据，构建模型预测控制算法模型，将墨路监测数据输入模型预测控制算法模型，计算得到待测墨路系统的预测状态数据，基于预测状态数据，结合预设的状态参考阈值和预设的状态约束条件，对待测墨路系统进行监测；从而，通过墨路监测数据和模型预测控制算法模型，结合预设的状态参考阈值和预设的状态约束条件，对墨路系统进行监测，解决现有的墨路系统监测方法因墨水液位的变化性和模糊性而难以实现高精度的液位测量和墨路检测的问题，使得整个墨路系统处于稳定的工作状态，保证墨路喷头处于良好的工作状态，提高了墨路系统的监测效率。
参考图2，本申请提供了一种墨路系统监测装置，用于对墨路系统进行监测，包括：
获取模块1，用于获取待测墨路系统的墨路监测数据，以及墨路数据库的墨路监测训练样本；墨路监测训练样本包括历史墨路监测数据及对应的状态数据；
构建模块2，用于根据历史墨路监测数据及对应的状态数据，构建模型预测控制算法模型；
计算模块3，用于将墨路监测数据输入模型预测控制算法模型，计算得到待测墨路系统的预测状态数据；
监测模块4，用于基于预测状态数据，结合预设的状态参考阈值和预设的状态约束条件，对待测墨路系统进行监测。
该墨路系统监测装置，通过墨路监测数据和模型预测控制算法模型，结合预设的状态参考阈值和预设的状态约束条件，对墨路系统进行监测，解决现有的墨路系统监测方法因墨水液位的变化性和模糊性而难以实现高精度的液位测量和墨路检测的问题，使得整个墨路系统处于稳定的工作状态，保证墨路喷头处于良好的工作状态，提高了墨路系统的监测效率。
具体地，获取模块1在执行时，获取的墨路监测数据包括墨水液位数据、喷头负压数据、墨泵流量数据、远端正压压力（远端正压压力包括大气压强和墨路系统气压）和喷头温度。获取模块1通过喷墨液路监测系统，获取上述数据，并基于上述数据对墨路系统进行监测，该喷墨液路监测系统包括以下单元：
超声波液面测距单元，用于对墨瓶（墨瓶单元）内墨水液面高度进行测量，得到墨水液位数据；该超声波液面测距单元朝下地设置在墨瓶单元的墨瓶盖上；
墨瓶单元（即为墨瓶盖经过调高设计的墨瓶），用于保存墨水。超声波液面测距单元利用超声波发生器与接收器结构，在原理上具有一定的盲区，为此需要对墨瓶盖进行调高设计（即墨瓶盖的高度整体上调或墨瓶盖上用于安装超声波液面测距单元的局部位置朝上凸出，使超声波液面测距单元与限定的最高液位的距离不小于盲区长度），便于超声波液面测距单元在获取液面数据时能够覆盖墨水液位的最佳位置。超声波液面测距单元也要兼容密封设计，在超声波液面测距单元安装在墨瓶盖时，利用密封圈与螺纹配合，以实现低负压密封。
数据采集单元，用于采集超声波液面测距单元测量的墨水液位数据，以及对喷头负压数据、墨泵流量数据、远端正压压力和喷头温度进行采集。
模型控制单元，用于采用模型预测控制算法(MPC，Model Predictive Control)模型，对墨路系统进行监测。
具体地，获取模块1在获取待测墨路系统的墨路监测数据的时候，执行：
通过超声波技术，获取待测墨路系统的墨水液位数据；
获取待测墨路系统的喷头负压数据、墨泵流量数据、远端正压压力和喷头温度（可采用相应的传感器进行测量得到这些数据）。
获取模块1在执行时，通过喷墨液路监测系统，获取待测墨路系统的墨路监测数据。通过超声波液面测距单元的超声波技术获取墨水液位数据，在实际应用中，超声波液面测距单元（超声波液位传感器）通过对墨水液位的反馈信号进行采集、滤波、校准、放大等处理，以提高测量的精度和可靠性。通过数据采集单元，运用现有的常规技术，即采用相应的传感器进行测量，获取待测墨路系统的喷头负压数据、墨泵流量数据、远端正压压力和喷头温度。
在实际应用中，通过超声波技术获取待测墨路系统的墨水液位数据是一种比较新颖的测量方法。在墨路系统中，通过对墨水液位数据、喷头负压数据、墨泵流量数据、远端正压压力和喷头温度融合处理，能有效提高墨泵控制和喷头负压控制的平滑度。
墨路系统的墨路控制（墨路监测）可以分为液路控制和气压控制。在液路控制中，如果采用传统光电式液位传感器将只能得到几段液面高度，而通过超声波技术能获取精度较高的墨水高度（墨水液位数据）。而液位光电传感器会导致负压控制不够平滑，随着打印的进行以及不饱和墨水溶氧之类的气液两相变化会导致液面下降和墨路气泡生成，使得墨路系统中喷头的喷头进气并产生较大的负压变化从而导致喷头不出墨。
例如，如图4、图5所示，图4为传统液位检测方法中墨路系统的墨瓶结构示意图，图5为超声波液位检测方法中墨路系统的墨瓶结构示意图，由图4可知，传统液位检测方法只能测得“高液位”、“中液位”、“低液位”这种模糊性的液面数据，由于该液面数据较为模糊，且安装时候容易造成间距不同，当检测到这三种液位中的某一种信号时，通过墨路控制让墨泵给墨瓶补充墨水，由于液位数据模糊、安装存在误差，在墨路循环时候会出现急流、缓流现象，该现象导致墨路系统的负压控制变得不准确，会产生喷头发生渗墨和进气等现象，从而导致喷头不出墨，同时在这种设计中引入了多个传感器，将带来更加复杂的线路问题。由图5可知，超声波液位检测方法在安装超声波液位传感器时需要预留1-3cm左右的超声波接收盲区，采用超声波液位检测方法来检测墨水液位高度，该检测方法通过超声波液位传感器向墨水发射高频超声波脉冲，并测量脉冲从液面反射后返回传感器所需的时间，进而计算出液位高度。超声波液位传感器的精度一般可以达到1mm以下，在无接触测量中能实时返回液面数。因此，通过本发明的超声波液位检测方法更能准确地检测墨瓶中墨水的液位高度。
在气路控制中，负压压差是喷头循环的重要作用力，为了向喷头提供较为精确的气路负压值，在本发明中直接在喷头处进行压力监测，而非测量墨瓶负压。同时随着打印的进行，墨水会被消耗导致墨水液面下降，在达到设定值时候墨泵开始工作，为墨瓶加墨水提升液面高度。基于液路控制和气路控制能更好的处理打印和加墨时候的墨路压力值，从而防止打印和加墨的同时进行使得气液两相界面发生急剧变化，导致喷头进气。
具体地，获取模块1在执行时，获取墨路数据库的墨路监测训练样本，墨路监测训练样本包括历史墨路监测数据及对应的状态数据，其中，历史墨路监测数据及对应的状态数据包括数据库（墨路数据库）中墨路系统在某一时刻的墨水液位数据、喷头负压数据、墨泵流量数据、远端正压压力和喷头温度的历史记录，以及这些数据的历史记录所对应的状态数据，对应的状态数据包括在某一时刻后的下一个时刻的大气压强、墨路系统气压和墨泵流量数据。提取数据库中同一墨路系统各运行时刻的历史墨路监测数据及对应的状态数据，作为测试集和验证集，可用于对模型进行训练。
具体地，构建模块2在根据历史墨路监测数据及对应的状态数据，构建模型预测控制算法模型的时候，执行：
构建与历史墨路监测数据及对应的状态数据对应的初步模型预测控制算法模型；
根据历史墨路监测数据及对应的状态数据，训练初步模型预测控制算法模型，得到训练后的初步模型预测控制算法模型；
基于历史墨路监测数据及对应的状态数据，验证训练后的初步模型预测控制算法模型，得到模型预测控制算法模型。
具体地，构建模块2在执行时，根据历史墨路监测数据及对应的状态数据，构建初步模型预测控制算法模型。
模型预测控制算法模型的具体计算过程如下：
1）对于墨路系统来说，其连续时间状态空间模型的表达式具体为：
；/>
其中，为当前时刻k的系统变量（墨路系统状态，即墨水液位数据、喷头负压数据和喷头温度），/>为当前时刻k的墨路系统监测的输入量（墨路监测数据或历史墨路监测数据），/>为预测的第k+1时刻墨路系统状态， />为第k时刻的状态数据（即远端正压压力和墨泵流量数据），k为第k时刻，一般指当前时刻，k为正整数，A为状态变量系数矩阵，B为控制系数矩阵，C为状态控制矩阵。
2）当前时刻k到未来的有限时域内，利用连续时间状态空间模型对未来时刻的墨路系统状态进行预测，可以表达为以下形式：
；
其中，为第k时刻预测的第k时刻的墨路系统状态，/>为预测的第k时刻的墨路监测数据， />为预测时域，描述了在优化过程中针对未来时刻的墨路系统状态进行评估的未来时刻的范围，/>为第k时刻预测的第/>时刻的墨路系统状态，为预测的第/>时刻的墨路监测数据。
3）将当前时刻k的墨路系统状态和上一时刻的墨路监测数据/>作为已知参数, 将未知变量归纳为每个时刻的墨路监测数据的增量数据集，i为增量时长，i为正整数，k+i表示第k+i时刻，为第k时刻预测的第k+i-1时刻至第k+i时刻的墨路监测数据的增量，/>为第k时刻预测的第k+i时刻的墨路监测数据，且假定墨路监测数据仅在/>时间区域内变化（/>为控制时域，描述了在优化区间内未来时刻的墨路监测数据的时间长度，为保证预测的墨路系统状态能够充分地反映未来时刻的墨路监测数据的影响，需满足），在/>的时间内保持不变，从而将上述的预测的墨路系统状态改写为关于墨路监测数据的增量数据集的线性状态空间矩阵的形式：/>
；
4）在墨路系统的控制问题中，最重要的是跟踪墨路系统的输出（状态数据）达到期望的参考值（预设的状态参考阈值），因此将跟踪误差引入到优化目标中；降低滚动循环控制输入的变化量有助于负压与液路稳态下的稳定性，因此引入输入的状态控制增量（预测的第k时刻的墨路监测数据的增量）的集合/>（即增量数据集）；同时对当前预测的状态输入量/>（预测的第k时刻的墨路监测数据）进行跟踪，并对当前预测的状态输入量进行调整。一般地，可以将模型预测控制问题（即墨路系统的监测问题）构造为二次型的优化问题，如下所示：
；
其中，V为模型预测控制问题的代价函数。Q为跟踪误差的相对权重，R为状态控制增量的集合/>的相对权重，可根据实际需要进行设定。此外，令墨路系统状态和控制输入（墨路监测数据或历史墨路监测数据）满足以下不等式约束条件：
；
其中，为预测的第k时刻的墨路系统状态，/>为预测的第k时刻的墨路系统状态的最小值，/>为预测的第k时刻的墨路系统状态的最大值，/>为当前预测的状态输入量的最小值，/>为当前预测的状态输入量的最大值，/>为状态控制增量的最小值，/>为状态控制增量的最大值。
由于MPC（模型预测控制算法）控制器需要采用线性的预测模型进行设计，需要将非线性系统转为线性表达。
5）在墨路系统中，将远端正压压力（远端正压压力为绝对压强，包括大气压强和墨路系统气压）()、墨泵流量数据(/>)作为系统输出（状态数据），对设定的参考值进行目标跟踪控制；将墨水液位数据(/>)、喷头负压数据(/>)和喷头温度(/>)作为系统状态（墨路系统状态），以约束条件的形式用于系统优化；利用墨路系统控制输入的前后差分，得到非线性模型在当前工作状态的近似线性估计，最后系统变量的定义如下所示：；
其中，为系统监测的输入量的状态控制增量对应的矩阵数据，/>为系统变量（墨路系统状态）对应的矩阵数据，/>为模型输出的状态数据对应的矩阵数据，、/>、/>、/>、/>分别为远端正压压力(/>)、墨泵流量数据(/>)、墨水液位数据(/>)、喷头负压数据(/>)和喷头温度(/>)的变换值。
6）综上，最优解的约束条件为:
；
其中， 为真实值（墨路系统的状态数据的实际数值），/>为预测值（模型输出的状态数据），/>为二范数，通过二范数可计算得到预设的状态参考阈值， />为墨路系统监测的输入量（墨路监测数据或历史墨路监测数据）的状态控制增量，/>为墨路系统状态，通过二次线性优化得到状态控制增量/>的最优解，得到预设的状态参考阈值，计算出系统变量值/>，得到最优解的约束条件，最优解的约束条件即为预设的状态约束条件，由于状态约束条件设定了墨路系统系统状态的上下边界，即设置了墨水液位数据(/>)、喷头负压数据(/>)和喷头温度(/>)的运行范围，可以防止墨路系统超调导致硬件损坏。
最后，模型预测控制算法模型输出得到大气压强、墨路系统气压和墨泵流量数据，即为墨路系统的预测状态数据。
具体地，构建模块2在根据历史墨路数据及对应的状态数据，训练初步模型预测控制算法模型，得到训练后的初步模型预测控制算法模型的时候，执行：
将历史墨路数据输入到初步模型预测控制算法模型，得到对应的输出数据；
根据历史墨路数据及对应的状态数据和对应的输出数据，确定训练误差；
基于训练误差，调整初步模型预测控制算法模型的参数，得到最优参数，并利用最优参数，优化初步模型预测控制算法模型，得到训练后的初步模型预测控制算法模型。
构建模块2在执行时，通过将数据库中历史墨路数据对应的状态数据与历史墨路数据输入初步模型预测控制算法模型得到的结果（历史墨路数据输入初步模型预测控制算法模型得到对应的输出数据）进行比较，得到训练误差，如输出数据中部分数据与状态数据中对应数据的差值的大小程度，或输出数据比状态数据多一个相关变量等训练误差，利用训练误差，对初步模型预测控制算法模型的参数进行调整，如训练误差为输出数据中部分数据与状态数据中对应数据的差值的大小程度，则修改对应的模型参数，令输出数据愈发准确，得到最优参数，通过最优参数，优化初步模型预测控制算法模型，得到训练后的初步模型预测控制算法模型。
构建模块2在执行时，将数据库中未用于训练的历史墨路数据输入训练后的初步模型预测控制算法模型，得到初步模型预测控制算法模型输出的输出数据数据，作为状态数据验证数据，对比状态数据验证数据与数据库中未用于训练的历史墨路数据对应的状态数据，确定误差在可接受范围内（误差可接受范围一般为0到3%，可根据实际需要进行修改），验证训练后的初步模型预测控制算法模型的准确度，得到模型预测控制算法模型。
具体地，构建模块2在将历史墨路数据输入到初步模型预测控制算法模型，得到对应的输出数据之前，执行：
初始化初步模型预测控制算法模型的参数。
构建模块2在执行时，在输入数据对模型进行训练之前，要初始化初步模型预测控制算法模型的参数，保证模型处于正常使用状态。
具体地，计算模块3在执行时，将待测墨路系统的墨路监测数据输入到模型预测控制算法模型，通过模型预测控制算法模型的计算，得到待测墨路系统的预测状态数据。
具体地，监测模块4在基于预测状态数据，结合预设的状态参考阈值和预设的状态约束条件，对待测墨路系统进行监测的时候，执行：
基于预设的状态约束条件，判断预测状态数据是否趋向预设的状态参考阈值；
若是，则保持现有的墨路监测数据；
若否，则调整墨路监测数据，以使调整后的预测状态数据趋向预设的状态参考阈值。
监测模块4在执行时，在预设的状态约束条件下（在构建模型时，计算得到的最优解的约束条件即为状态约束条件，通过最优解的约束条件中的二范数即可计算得到状态参考阈值），即墨水液位数据、喷头负压数据和喷头温度限制在状态约束条件内，判断预测状态数据（大气压强、墨路系统气压和墨泵流量数据）是否趋向预设的状态参考阈值（慢慢接近状态参考阈值并且维持在状态参考阈值附近或等于状态参考阈值），当预测状态数据趋向预设的状态参考阈值时，则保持现有的墨路监测数据，维持现有墨路系统的运行状态，当预测状态数据不趋向预设的状态参考阈值时，调整墨路监测数据（即调节墨路系统的墨路系统气压和墨泵流量数据，而墨水液位数据、喷头负压数据和喷头温度因受到状态约束条件的限制，一直处于使墨路系统正常工作的运行范围，大气压强为不可控因素），以使调整后的预测状态数据趋向预设的状态参考阈值，使墨路系统处于稳定的工作状态，保证墨路喷头处于良好的工作状态。
例如，如图6所示，图6为基于模型预测控制算法模型的墨路监测过程示意图，其中，横坐标为时间，纵坐标为输出量，参考输出为预设的状态参考阈值，预测输出为模型预测控制算法模型输出的预测状态数据，墨量控制为将墨水液位数据、喷头负压数据和喷头温度维持在状态约束条件内，从图6可知，在状态约束条件下，模型预测控制算法模型输出的预测状态数据趋向预设的状态参考阈值，因此，不需要调整墨路监测数据，保持现有的墨路监测数据，以维持现有墨路系统的运行状态。
由上可知，该墨路系统监测装置，通过获取待测墨路系统的墨路监测数据，以及墨路数据库的墨路监测训练样本，墨路监测训练样本包括历史墨路监测数据及对应的状态数据，根据历史墨路监测数据及对应的状态数据，构建模型预测控制算法模型，将墨路监测数据输入模型预测控制算法模型，计算得到待测墨路系统的预测状态数据，基于预测状态数据，结合预设的状态参考阈值和预设的状态约束条件，对待测墨路系统进行监测；从而，通过墨路监测数据和模型预测控制算法模型，结合预设的状态参考阈值和预设的状态约束条件，对墨路系统进行监测，解决现有的墨路系统监测方法因墨水液位的变化性和模糊性而难以实现高精度的液位测量和墨路检测的问题，使得整个墨路系统处于稳定的工作状态，保证墨路喷头处于良好的工作状态，提高了墨路系统的监测效率。
请参照图3，图3为本申请实施例提供的一种电子设备的结构示意图，本申请提供一种电子设备，包括：处理器301和存储器302，处理器301和存储器302通过通信总线303和/或其他形式的连接机构（未标出）互连并相互通讯，存储器302存储有处理器301可执行的计算机程序，当电子设备运行时，处理器301执行该计算机程序，以执行上述实施例的任一可选的实现方式中的墨路系统监测方法，以实现以下功能：获取待测墨路系统的墨路监测数据，以及墨路数据库的墨路监测训练样本，墨路监测训练样本包括历史墨路监测数据及对应的状态数据，根据历史墨路监测数据及对应的状态数据，构建模型预测控制算法模型，将墨路监测数据输入模型预测控制算法模型，计算得到待测墨路系统的预测状态数据，基于预测状态数据，结合预设的状态参考阈值和预设的状态约束条件，对待测墨路系统进行监测。
本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时，执行上述实施例的任一可选的实现方式中的墨路系统监测方法，以实现以下功能：获取待测墨路系统的墨路监测数据，以及墨路数据库的墨路监测训练样本，墨路监测训练样本包括历史墨路监测数据及对应的状态数据，根据历史墨路监测数据及对应的状态数据，构建模型预测控制算法模型，将墨路监测数据输入模型预测控制算法模型，计算得到待测墨路系统的预测状态数据，基于预测状态数据，结合预设的状态参考阈值和预设的状态约束条件，对待测墨路系统进行监测。其中，存储介质可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器（Static Random AccessMemory, 简称SRAM），电可擦除可编程只读存储器（Electrically Erasable ProgrammableRead-Only Memory, 简称EEPROM），可擦除可编程只读存储器（Erasable ProgrammableRead Only Memory, 简称EPROM），可编程只读存储器（Programmable Red-Only Memory,简称PROM），只读存储器（Read-Only Memory, 简称ROM），磁存储器，快闪存储器，磁盘或光盘。
在本申请所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
另外，作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，既可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
再者，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
以上所述仅为本申请的实施例而已，并不用于限制本申请的保护范围，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (9)

1.一种墨路系统监测方法，用于对墨路系统进行监测，其特征在于，包括步骤：
获取待测墨路系统的墨路监测数据，以及墨路数据库的墨路监测训练样本；所述墨路监测训练样本包括历史墨路监测数据及对应的状态数据；
根据所述历史墨路监测数据及对应的状态数据，构建模型预测控制算法模型；
将所述墨路监测数据输入所述模型预测控制算法模型，计算得到所述待测墨路系统的预测状态数据；
基于所述预测状态数据，结合预设的状态参考阈值和预设的状态约束条件，对所述待测墨路系统进行监测；
根据所述历史墨路监测数据及对应的状态数据，构建模型预测控制算法模型，包括：
构建与所述历史墨路监测数据及对应的状态数据对应的初步模型预测控制算法模型；
根据所述历史墨路监测数据及对应的状态数据，训练所述初步模型预测控制算法模型，得到训练后的初步模型预测控制算法模型。
2.根据权利要求1所述的墨路系统监测方法，其特征在于，所述墨路监测数据包括墨水液位数据、喷头负压数据、墨泵流量数据、远端正压压力和喷头温度。
3.根据权利要求2所述的墨路系统监测方法，其特征在于，获取待测墨路系统的墨路监测数据，包括：
通过超声波技术，获取所述待测墨路系统的墨水液位数据；
获取所述待测墨路系统的喷头负压数据、墨泵流量数据、远端正压压力和喷头温度。
4.根据权利要求1所述的墨路系统监测方法，其特征在于，根据所述历史墨路监测数据及对应的状态数据，训练所述初步模型预测控制算法模型，得到训练后的初步模型预测控制算法模型，包括：
将所述历史墨路监测数据输入到所述初步模型预测控制算法模型，得到对应的输出数据；
根据所述历史墨路监测数据及对应的状态数据和所述对应的输出数据，确定训练误差；
基于所述训练误差，调整所述初步模型预测控制算法模型的参数，得到最优参数，并利用所述最优参数，优化所述初步模型预测控制算法模型，得到所述训练后的初步模型预测控制算法模型。
5.根据权利要求4所述的墨路系统监测方法，其特征在于，将所述历史墨路监测数据输入到所述初步模型预测控制算法模型，得到对应的输出数据之前，还包括：
初始化所述初步模型预测控制算法模型的参数。
6.根据权利要求1所述的墨路系统监测方法，其特征在于，基于所述预测状态数据，结合预设的状态参考阈值和预设的状态约束条件，对所述待测墨路系统进行监测，包括：
基于所述预设的状态约束条件，判断所述预测状态数据是否趋向所述预设的状态参考阈值；
若是，则保持现有的所述墨路监测数据；
若否，则调整所述墨路监测数据，以使调整后的预测状态数据趋向所述预设的状态参考阈值。
7.一种墨路系统监测装置，用于对墨路系统进行监测，其特征在于，包括：
获取模块，用于获取待测墨路系统的墨路监测数据，以及墨路数据库的墨路监测训练样本；所述墨路监测训练样本包括历史墨路监测数据及对应的状态数据；
构建模块，用于根据所述历史墨路监测数据及对应的状态数据，构建模型预测控制算法模型；
计算模块，用于将所述墨路监测数据输入所述模型预测控制算法模型，计算得到所述待测墨路系统的预测状态数据；
监测模块，用于基于所述预测状态数据，结合预设的状态参考阈值和预设的状态约束条件，对所述待测墨路系统进行监测；
根据所述历史墨路监测数据及对应的状态数据，构建模型预测控制算法模型，包括：
构建与所述历史墨路监测数据及对应的状态数据对应的初步模型预测控制算法模型；
根据所述历史墨路监测数据及对应的状态数据，训练所述初步模型预测控制算法模型，得到训练后的初步模型预测控制算法模型；
基于所述历史墨路监测数据及对应的状态数据，验证所述训练后的初步模型预测控制算法模型，得到所述模型预测控制算法模型。
8.一种电子设备，其特征在于，包括处理器和存储器，所述存储器存储有所述处理器可执行的计算机程序，所述处理器执行所述计算机程序时，运行如权利要求1-6任一项所述墨路系统监测方法中的步骤。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时运行如权利要求1-6任一项所述墨路系统监测方法中的步骤。
CN202311217564.6A 2023-09-20 2023-09-20 墨路系统监测方法、装置、电子设备及存储介质 Active CN116968442B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311217564.6A CN116968442B (zh) 2023-09-20 2023-09-20 墨路系统监测方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311217564.6A CN116968442B (zh) 2023-09-20 2023-09-20 墨路系统监测方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN116968442A CN116968442A (zh) 2023-10-31
CN116968442B true CN116968442B (zh) 2023-12-15

Family

ID=88481752

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311217564.6A Active CN116968442B (zh) 2023-09-20 2023-09-20 墨路系统监测方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN116968442B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5689288A (en) * 1994-06-17 1997-11-18 Tektronix, Inc. Ink level sensor
CN109774313A (zh) * 2017-11-13 2019-05-21 广东科达洁能股份有限公司 陶瓷喷墨打印机墨路和打印机
CN112319068A (zh) * 2020-09-18 2021-02-05 季华实验室 一种喷墨打印设备的智能墨路压力控制系统及其控制方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10549523B2 (en) * 2018-03-01 2020-02-04 Ricoh Company, Ltd. Ink deposition curve computation mechanism
DE102021108997A1 (de) * 2021-04-12 2022-10-13 Canon Production Printing Holding B.V. Verfahren und Anordnung zum Kalibrieren einer Förderrate einer Tintenpumpe einer Druckvorrichtung

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5689288A (en) * 1994-06-17 1997-11-18 Tektronix, Inc. Ink level sensor
CN109774313A (zh) * 2017-11-13 2019-05-21 广东科达洁能股份有限公司 陶瓷喷墨打印机墨路和打印机
CN112319068A (zh) * 2020-09-18 2021-02-05 季华实验室 一种喷墨打印设备的智能墨路压力控制系统及其控制方法

Also Published As

Publication number Publication date
CN116968442A (zh) 2023-10-31

Similar Documents

Publication Publication Date Title
US6539315B1 (en) Regulator flow measurement apparatus
CN110571171B (zh) 气体流量控制器的校准方法、校准系统及进气装置
CN102779208B (zh) 基于相对熵的序贯加速退化试验优化设计方法
KR20100022529A (ko) 분배 검증 계량기
US7532698B2 (en) Systems and methods of predicting a critical effective k for a nuclear reactor
JP2001152875A (ja) 測定誤差を補償する方法とシステム
JP2023009541A (ja) 雨水流入量予測装置、雨水流入量予測方法、および、コンピュータプログラム
CN105651351A (zh) 一种基于称重原理的滴管式气体流量测量装置及方法
CN116968442B (zh) 墨路系统监测方法、装置、电子设备及存储介质
US11512848B2 (en) Systems and methods for real-time steam quality estimation
CN102914349A (zh) 一种水表检定装置及检定方法
US10775211B2 (en) Real-time vessel monitoring system
CN107703761B (zh) 一种气动调节阀粘滞特性参数的估计方法
CN103674541A (zh) 一种压差阀性能测试方法
CN115388984B (zh) 一种应用于真实介质的涡轮流量计校准参数获取方法
CN113959511B (zh) 基于射流水表的流量计量方法、设备、介质及产品
CN114074913A (zh) 一种分液器以及利用此的注射器内残留液量的精密计算法
CN114166320A (zh) 质量流量控制器的标定系统及其标定方法
CN113835449A (zh) 一种基于压力波动快速调节流量控制器阀门的控制方法
JP2007231609A (ja) ゲート放流量算出方法及びダム制御装置
KR20220085866A (ko) 기체 센서의 이상 감지 장치 및 방법
JP2002350199A (ja) 演算によって流量を算出する流量算出部を持った通水装置
CN117405145B (zh) 一种基于智能分析的惯性导航管理方法、系统及存储介质
US20050165563A1 (en) Methods and systems for predicting fuel sensor performance within a tank during motion
CN112444307A (zh) 二氧化碳管线流量调节及差压流量计精度测试与校准系统

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