论文部分内容阅读
随着人们对印刷品质量要求越来越高，国内印刷企业面临的竞争也就越要越激烈，一些印刷企业为了提高印刷质量和印刷效率相继地引入了国外的油墨预置系统，其可以在印刷机开机前预置出印刷机各个墨键开度值，进而使第一张印张的着墨量尽可能和印刷样品接近，但是这些油墨预置系统在实际应用中却不尽人意，并没有给印刷企业的印刷效率带来质的改进。很多国内的印刷企业还是应用传统的油墨预置技术，即操作工人根据自己的印刷经验在印刷机开机之前进行预置墨键开度值，这种技术不仅降低印刷效率，而且实际操作也很复杂，需要工作人员有较好的工作经验，已经不能适应现代的高速、高效的印刷方式。因此，开发一种适合国内印刷企业使用的数字化油墨预置技术是对印刷业的发展有着极为重要的意义。 用人工神经网络进行油墨预置时，考虑到实际应用中样本多，数据差异也比较大，采用一个神经网络不能实现对输入数据增量式学习，而且收敛性差，预测准确率低，因此，本文根据输入向量和一定的规则组合，将整个样本分为若干个相互独立的子样本集，建立多重子BP神经网络，即Fuzzy ART-BP混合神经网络，并在C++Builder平台下完成了这一技术系统的设计实现。该技术引入FuzzyART(模糊自适应神经网络)和BP(Back Propagation)神经网络综合应用的方法，从而建立印品图文数字信息、墨键开度的影响因素与墨键开度间的非线性映射关系，综合地考虑印品印刷时墨键开度的影响因素，能够准确地预置出各墨区的出墨量，提高了数字化印刷的印品质量和印刷效率。 实验表明该技术油墨预置的效果较好，能够缩短开机调整时间，减少人力物力的浪费，提高了印张的质量和印刷效率。此外，由于该技术能够对输入数据进行自适应识别，与基于BP神经网络的油墨预置系统相比，能够更好的适应于大、中型印刷厂，印刷的数据量较大的情况，使得油墨预置技术的预测精度更高，更好地连接了印前和印刷，提高了印刷过程的自动化程度。