喷墨打印机图像质量控制系统

摘要

        喷墨是一种概念上简单的数字打印技术。然而,由于系统的微小不精确性以及老化效应,可能会出现打印缺陷。其中一些缺陷具有非常明确的来源,从而可以通过校正技术来恢复图像质量。在最简单的方式中,校正涉及对专门设计的图案进行目视检查,并通过驱动程序或操作打印机旋钮来闭环反馈。这种方法的推广已经催生出自动化且日益复杂的测量与校正技术。如今,喷墨打印机能够利用光学系统测量喷嘴健康状况,并采用冗余和其他技术来掩盖缺陷。介质的进给和打印位置也可以通过光学手段自动校准。色彩一致性(包括由纸张引起的变异性)可以通过打印机内置的密度计测量和校正查找表的自动计算来保证。此外,喷墨系统设计和制造方面的进步使得打印系统能力呈指数级增长。测量与校正系统也随之演进以满足不断增长的需求。其结果是显著减少了用户干预和维护成本,同时提高了生产率、图像质量和一致性。这些进步中的大部分都是在将系统成本控制在行业标准的一小部分的同时实现的。

引言

        从广义上讲,一些用于喷墨打印机图像质量控制的系统在首批喷墨打印机问世后不久便出现了。它们是对与该技术本身及打印机架构内在相关的图像质量缺陷的响应。我们在此类系统中包括从相对简单的校准辅助工具(用于生产线、维修人员或用户)到全自动实时闭环系统。所有这些系统的共同点是直接或间接测量系统中影响打印质量的某个参数,并提供基于该测量的校正手段。其目标是提高一致的图像质量一致性,同时简化打印机的使用。

喷墨特有的图像质量缺陷来源

        最重要的图像质量控制系统中,那些用于校正非常常见且非常明显的图像质量缺陷的系统最为关键。

        进纸误差可能是最关键的,因为它在每次打印扫描后都会发生,而且即使误差相对较小,不正确的走纸也会产生非常明显的条带。高分辨率无缺陷打印所需的介质进给精度要求所有相关机械部件的形状和尺寸具有极高的精度。这种精度成本高昂,而鉴于产品成本限制,能够测量可重复误差并进行补偿的校准方法非常有用。此外,扫描式喷墨打印机在进纸后难以准确定位纸张,原因是伺服误差以及纸张相对于驱动辊的滑动。因此,大量研究投入到了这个问题上。尽管取得了显著进展,但由于扫描宽度(swath height)的增加使得介质进给相关缺陷更加明显,介质控制仍然是一个活跃的研究领域。

        与喷嘴健康相关的缺陷是其次的。过去,一个缺失的喷嘴就可能意味着更换一个相当昂贵的墨盒。与此同时,喷嘴数量的增加也使得缺失喷嘴的发生概率增大。墨滴尺寸的减小降低了缺失喷嘴相关缺陷的可察觉性,但要持续打印出完美图像仍然很困难,因为从统计学上看,数量庞大的所有喷嘴都处于完美状态的可能性很小。然而,对于热发泡喷墨技术而言,问题的根源本身就是解决方案的一部分。制造技术的改进使得每秒可打印墨滴数持续呈指数增长,见图1。

(图1:墨滴喷射能力的指数增长)

这一进展可与微电子领域的摩尔定律相媲美,该定律预测集成电路中晶体管密度每18个月翻倍。系统可以轻松设计为具有大量额外的墨滴喷射能力,也称为冗余。当某个喷嘴出现故障时,其他喷嘴很可能可以接管其职责。这种技术的效果非常显著,使得打印头在系统中的使用寿命比没有校正时延长数倍,而打印质量无明显下降,见图2。


(图2:打印头遭受灾难性损坏且无校正(左)与自动检测和校正后(右)的打印样品)

然而,当喷嘴数量众多时,及时测量每个喷嘴的健康状况是一个相当困难的技术问题。喷嘴数量的增长和墨滴尺寸的减小要求技术快速进步和更新,如下文所述。

        墨滴在纸张上的相对位置不准确是另一种典型缺陷。它可能表现为套色不准、垂直和水平条带、边缘粗糙、垂直线或斜线呈阶梯状、色调变化等。其来源包括打印头、打印头载体、其路径和驱动系统以及打印机自身结构中的多种静态和动态机械不精确性。其中一些可以在生产线或由维修人员校准。另一些由于误差经常变化,需要定期测量和校正,即所谓的对齐(alignment)。同样,系统中喷嘴数量的增加也对技术能力提出了更高要求。

        色彩再现受到多方面的影响。墨滴体积变化是主要因素,紧随其后的是每种纸张再现色彩的差异,甚至环境因素(尤其是湿度)也有影响。

        最后,多种操作因素也会导致图像质量下降。例如,高打印负荷导致的打印头温度升高就是一个例子。高温会降低墨水粘度,从而增大墨滴体积并改变墨尾断裂过程,产生飞墨。监测或预测打印头温度并改变打印过程以避免超出某些限制,有助于优化系统。

系统设计考量

        并非所有喷墨打印机都包含针对所有图像质量问题来源的控制系统。首先,打印头采用不同的技术制造,这极大地影响了哪些问题是优先考虑的,以及在多大程度上可以成功校正。例如,热发泡喷墨技术比压电喷墨技术更容易实现高冗余度。然而,压电喷墨打印机喷嘴数量较少且喷嘴寿命较长,从而减少了对校正的需求。重要的是要注意,在某种程度上,这是一个与如何创造和交付技术的战略决策相关的选择。控制系统的附加值将因打印头技术、产品定位和打印机架构而异。

       产品类别是另一个重要因素。喷墨打印机占据低价位市场,通常面临非常强的成本压力。测量设备的成本可能无法承受。控制系统通常首先出现在高端应用中(如大幅面打印机),然后在经过重大改进和成本降低后推广到其他产品类别。

        管理复杂性的能力是另一个非常重要的因素。测量设备和校正算法的成功实施与集成远比看起来困难得多。必须投入大量资源来开发和验证技术,并在产品中实施。通常,一些控制系统不够稳健,会导致可用性问题或新的图像质量问题。学习曲线相当长,需要大型且组织良好的团队才能成功开发某些系统。最后,将技术推广到多种产品的能力对于使投资有价值是必要的。

点位置误差测量系统

        确保打印墨点位于正确位置的方法在过去几年中不断发展。早期的系统涉及打印一些测试图案,用户需通过打印机前面板或驱动程序选择最合适的一个。这种方法从非常低端的家用打印机(如HP DeskJet 500系列)到大幅面打印机(如EnCAD NovaJet 3系列)均有使用。该系统的唯一成本是所用的介质,但它依赖用户提供反馈以获得准确结果。

        在九十年代中期,系统变得更加复杂。新方法开始进行自动校准,无需用户干预。这些系统主要基于一个或多个LED等光源照射打印基材的某个区域,以及一个接收来自基材反射或散射光的光学检测器。如果该应用使用LED和单个检测器,则需要进行多次扫描,耗时可能长达数分钟。随着打印头喷嘴数量和分辨率的增长,这些应用在速度和精度方面提出了更高的要求。最新技术见于OCE TCS400,该系统使用荧光灯和线性CCD探测器[1],从而受益于系统的高分辨率,并允许通过一次扫描同时检测整个打印头高度范围的图案。

(图3:用于多种图像质量控制校正的LED系统,以及使用相对位置方法由同一传感器读取的信号)

尽管传感系统可以千差万别,从人眼到CCD均有,但它们都共同使用测试图案。这些图案包括用一个或多个打印头以不同打印速度和方向打印,以测量相对于预期标称位置的偏移量。所选用的图案和算法对系统的最终精度至关重要。以下为主要图案类型描述:

(1) 干涉法:该方法用一种颜色以预定义偏移量覆盖打印另一种颜色[5]。然后,图像质量控制系统扫描图案,获得一条随相对偏移量变化的曲线。通过定位扫描曲线的最小值,即不同喷头墨滴最佳对齐的位置,即可找到喷头间的正确偏移量。

(2) 相对位置法:生成包含方形[6]或类似形状的测试图案,并用光学传感器扫描。信号中的每个峰值可以根据所打印的图案和图像采集系统拟合为特定曲线。由于带宽限制,通常以较低分辨率采样,然后将信号拟合为正弦曲线、高斯曲线或最接近的形状。在拟合到某个函数后,可以生成更高分辨率的信号,从而更精确地检测每个图案在扫描方向的峰值位置。最佳的曲线拟合是基于图案形状与传感器脉冲响应的卷积函数。通过适当的传感器表征和图案选择,可以获得最准确的结果,对于600采样点/英寸的扫描,精度可达1/2400英寸。因此,可以实现比原始扫描数据高4倍的精度。

完成测量后,补偿这些误差的方法主要有以下几种:

(1) 机械调整打印位置,可以是自动的(如OCE TCS400和DesignJet600)或手动的(如EnCAD NovaJet III)。
(2) 通过电子方法更改打印触发序列。通过改变喷嘴触发顺序或相对触发时序,可以实现非常高的分辨率,最高可达2400 dpi,因为触发时序可以在几十纳秒量级上偏移。

Epson的一个特殊情况由Toyohiko等人[7]提出。通过在打印机制造和组装过程中使用特殊校准算法,可以将一些值存储起来并在打印机运行期间由打印机调用,以补偿偏差,而无需客户操作时的算法。

色彩测量系统

色彩控制方法旨在提高打印图像的色彩准确度和色彩一致性。色彩准确度是指打印机打印特定颜色与预期颜色匹配的能力,而色彩一致性是指打印机在不同环境和操作条件(打印头、温度、基材等)下保持打印颜色相同的能力。用户希望其打印机在这两方面尽可能优秀。

最简单的系统使用一个或多个LED和检测器,如前一节所示。在这种情况下,我们进行简单的颜色密度测量。根据光源和检测器的表征和稳定性程度,可以获得更高的精度和重复性。然而,该系统仅允许密度测量值,因此其能力相当有限。

最准确的系统使用真实或接近色度计的数据,并配备能够从打印图案提供此类数据的设备。在这种情况下,使用的测量设备是真正的色度计或分光光度计。这些测量相当慢,每个色块需要数秒,以使CIELab空间中的颜色测量误差低于0.5 ΔE。在这种情况下,我们可以同时实现色彩准确度和色彩一致性。

一个常见的问题是系统预热。因此,需要采用提供信号稳定性的算法。非常稳定的白点和黑点作为绝对参考也是必要的。

图案通常包括打印每种打印机原色不同墨水密度的渐变梯尺。根据所需精度,可以打印更多图案,并且可以使用二次色梯尺以覆盖更大的色域。

最简单的调整方法是从颜色密度到某些色度值(如L*)的传递函数。通过曲线拟合或其他算法(如查找表),可以计算线性化传递函数并在半色调过程中应用,如图5所示。

(图5:基于三LED系统的六色打印机原色线性化色彩校正方案)

请注意,此方法不能确保准确的色彩(这必须通过打印机特征化和色彩管理获得),也不能确保配置之间的色彩匹配。

利用色度数据,可以进行更复杂的算法,从而实现上述的色彩准确度。

表1. 目前市场上部分喷墨打印机使用的系统。DPE代表点位置误差。

打印机DPI控制技术传感器类型
HP DesignJet 1302400色彩和DPELED
EnCAD NovaJet 1000i1200DPE人眼
OCE TCS400600色彩、DPE和喷嘴健康CCD
Epson SP40002880色彩、DPE和喷嘴健康LED
ColorSpan DisplayMaker 72s, X12*1800色彩、DPE和喷嘴健康CCD
Canon W62002400DPE人眼

喷嘴健康测量与校正系统

检测缺失喷嘴最简单的方法是打印测试图案(图6),

(图6:显示由失效喷嘴引起的缺失线条的测试图案示例)

        随后由客户检查,以将失效喷嘴的信息反馈给系统。该图案的设计使得其每个特征可以与每个单独打印头的每个喷嘴相关联。这种解决方案见于九十年代中期的一些产品,如EnCAD NovaJet IV。这种方法有一些明显的缺点:需要用户干预,耗时且容易出错,并且每次测试周期都会浪费一些介质。

上述大部分缺点可以通过在系统中增加自动分析打印图案的方式来克服。不同类型的光学传感器,从简单的光传感器加LED照明器到更复杂的CCD或CMOS图像传感器,均可用于此目的。这种实现的一个例子是HP Designjet 2000CP系列大幅面打印机。用于测量点位置误差的同一传感器(图3)被用于扫描图案以检测缺失喷嘴。

        上述技术中没有一种真正适用于当今的典型打印机,主要原因是需要测试的海量喷嘴对吞吐量和生产率的影响。已经设计出替代系统,通常既不需要打印图案也不需要用户干预。最常见的方法包括使用传感器检测喷嘴在响应触发命令时是否喷射了部分墨水。该传感器通常称为墨滴检测器,可能采用多种检测技术。光学墨滴检测器(ODD)使用光发射器(红外或可见光)和相关的接收器形成一个光学屏障,喷射的墨滴穿过该屏障。接收器(检测器)感应到的光量在墨滴存在时发生变化,其输出信号可进一步处理,不仅可判断墨滴是否穿过屏障,还可确定其部分特性(墨滴大小、速度等)。这种光学墨滴检测器可在HP Designjet 1000系列和Epson Stylus Pro 10000等设备中找到。

         一种完全不同的技术用于所谓的静电墨滴检测器(EDD)。这些设备依赖于测量在相对较高偏置电压(30至100V)产生的静电场中运动的墨滴所感应的电荷。感应板上收集的电荷通过适当的放大级转换为有用的输出信号。EDD除了检测墨滴是否存在外,还可能允许系统测量若干其他与打印头相关的参数,例如墨滴质量。

        喷嘴数量和打印头数量的持续增加,加上需要将测试时间控制在合理长度,催生了实现大规模并行检测的新系统。它们是经典ODD的彻底演变,其中典型的窄光束已被准直光平面取代,该光平面垂直于墨滴飞行方向并覆盖整个打印头宽度。单个接收器也被多个接收器或成像传感器所替代,从而实现所有喷嘴的同时检测。这种方案极大地减少了测试时间,使其与喷嘴数量无关。

介质进给测量与校准系统

        介质进给误差的校准传统上依赖于打印特定测试图案,然后由用户或光学传感器测量误差并计算校正值。最常用的方法是在介质边缘打印一系列标记,并测量它们之间的间距与理论值的偏差。这些标记可以通过光学传感器(如反射或透射型)读取。

        更先进的技术使用内置编码器来监测驱动辊的旋转。然而,由于纸张与辊之间的滑动,编码器读数并不总能准确反映纸张实际位移。为此,一些系统引入滑动因子作为附加校准参数,并通过测量实际纸张位移来补偿。

        该研究领域的一个指示是新近提出的一些基于直接介质测量的方案,旨在解决先前系统的缺点。可能最简单的方案是由介质驱动的编码器,通常通过某种跟踪轮实现。该概念已在Zund UV-Jet 215打印机中实施。确保介质与跟踪轮之间无滑动(这并非易事)的设计,结合适当的伺服系统,将允许非常精确的介质定位。这种设计在校准方面(如有效直径、偏心度)与传统编码器系统有类似要求。

一种完全不同的介质跟踪系统已在一些相对较新的专利申请中提出。它基于两个图像传感器,它们在进给方向上间隔已知距离d。第一个传感器捕获介质某区域的图像。当该区域进入第二个传感器的视野时,第二个传感器再次捕获该区域图像。通过比较两幅图像计算偏移量,结合距离d,可提供非常精确的位移信息。图像传感器捕获的是介质固有的或人为施加的特征。据我们所知,截至目前尚无此技术的商业应用。

内容概要:本文系统研究了Picard迭代法在非线性常微分方程参数估计中的应用,深入阐述了该方法的数学原理及其在参数辨识中的收敛性与稳定性优势。通过构建最小化误差的目标函数,并结合数值积分技术,采用迭代方式逐步逼近系统的真实参数值,有效解决了非线性动态系统中因缺乏解析解而难以进行精确建模的问题。文中提供了完整的Matlab代码实现,涵盖模型定义、迭代求解、参数更新与结果可视化等关键环节,增强了方法的可操作性与工程实用性。研究通过典型非线性系统案例验证了算法的有效性,展示了其在科学计算与工程建模中的良好适应性与推广潜力。; 适合人群:具备常微分方程理论、数值分析基础及Matlab编程能力,从事系统建模、参数辨识、动力学仿真等相关方向的研究生、科研人员和工程技术开发者。; 使用场景及目标:①解决实际工程中非线性微分方程模型的未知参数估计问题;②深入理解Picard迭代法在科学计算中的实现机制与数值特性;③为学术论文复现、科研项目开发或课程设计提供可运行、易调试的技术方案与代码参考。; 阅读建议:建议读者结合文中的数学推导与Matlab代码逐行分析,重点关注迭代流程、目标函数构造与数值积分的耦合实现,通过修改模型结构或噪声条件进行扩展实验,以深化对算法鲁棒性与适用边界的理解。配套资源可通过指定公众号和网盘链接获取,推荐同步学习以加速科研进程。
内容概要:本文详细介绍了一种基于多尺度集成极限学习机(Extreme Learning Machine, ELM)的回归方法,并提供了完整的Matlab代码实现。该方法通过构建多尺度特征表示与集成学习机制,有效提升了ELM在处理非线性、高维复杂数据时的预测精度与模型鲁棒性,特别适用于时间序列回归任务。文档不仅阐述了算法的核心原理与技术流程,还系统展示了其在风电功率预测等工程场景中的应用潜力。同时,文中附带了丰富的科研仿真案例集合,涵盖智能优化算法、深度学习、信号处理、电力系统调度等多个前沿方向,体现了多学科交叉融合的技术优势与实践价值。; 适合人群:具备一定Matlab编程能力,从事科学研究或工程应用的研究生、科研人员及工程技术开发者,尤其适合专注于机器学习、智能算法优化、新能源预测与电力系统建模等相关领域的专业人员。; 使用场景及目标:①用于风电、光伏、负荷等时间序列数据的高精度回归预测任务;②为科研工作者提供可复现的多尺度集成ELM模型代码框架,支持快速算法验证与二次开发;③满足实际工程项目中对高效建模、实时预测与智能决策的技术需求。; 阅读建议:建议读者结合所提供的Matlab代码进行动手实践,深入理解多尺度特征构造与集成策略的设计思想,同时可参考文档中其他相关算法案例进行横向比较与综合应用,以提升整体科研创新能力。
内容概要:本文详细介绍了一种基于Simulink的Ćuk转换器仿真方法,该转换器能够将输入的直流电压高效地转换为极性相反的输出直流电压,具备优异的升降压能力与系统稳定性。文章深入剖析了Ćuk转换器的核心工作原理、电路拓扑结构(包含开关管、电感、电容、二极管等关键元件)及其在能量存储与传递过程中的动态行为。通过构建精确的Simulink仿真模型,验证了系统在不同输入条件下的稳态与暂态响应特性,充分展示了其输出电压反相、纹波小、效率高的优势,适用于对负压电源有严苛要求的应用场景。此外,文档还整合了大量基于Matlab/Simulink和Python的科研仿真资源,涵盖风电预测、微电网优化、GAN场景生成、电力电子系统建模等多个前沿方向,凸显了其在现代电力电子与系统仿真研究中的重要价值。; 适合人群:电气工程、自动化、电力电子及相关专业的本科生、研究生、科研人员及具备电路理论基础和Simulink仿真经验的工程技术人员。; 使用场景及目标:①深入理解Ćuk转换器的工作机理及其在直流-直流变换中的独特优势;②利用Simulink平台开展电力电子电路的建模、仿真与性能分析;③为需要稳定负压输出的电源系统设计提供理论依据和技术验证方案。; 阅读建议:建议结合Simulink软件动手实践,重点掌握电路拓扑搭建、关键参数配置及仿真结果解读技巧,同时可延伸学习文中提供的其他科研案例,以拓宽技术视野并提升综合仿真能力。
内容概要:本文提出并实现了一种基于角蜥蜴优化算法(HLOA)优化BP神经网络的风电功率预测模型,旨在解决传统BP神经网络在处理高随机性、强波动性风电数据时存在的收敛速度慢、易陷入局部最优等问题。通过HLOA对BP神经网络的初始权重和阈值进行全局寻优,有效提升了模型的预测精度与稳定性。研究详细阐述了HLOA的搜索机制及其与BP网络的集成方法,并提供了完整的Matlab代码实现,便于复现与验证。实验结果表明,相较于传统BP、GWO-BP、PSO-BP等模型,HLOA-BP在均方根误差(RMSE)、平均绝对误差(MAE)等指标上表现更优,具备更强的泛化能力和鲁棒性,适用于风电场短期功率预测的实际工程场景。; 适合人群:具备一定机器学习理论基础和电力系统知识,熟悉Matlab编程的研究生、科研人员及能源领域的工程技术人员,尤其适合从事新能源发电预测、智能优化算法开发与应用的相关研究人员。; 使用场景及目标:①应用于风电场功率预测系统,提升电网调度的可靠性与运行效率;②作为智能优化算法与神经网络融合的典型范例,用于教学演示、科研复现与模型拓展;③为撰写高水平学术论文提供可验证的技术路线与实验支撑。; 阅读建议:建议读者结合所提供的Matlab代码逐模块分析算法实现细节,重点理解HLOA的个体更新机制与BP网络参数的耦合方式,并可通过更换实际风电数据集或对比其他优化算法(如WOA、SCA等)进一步开展消融实验与性能评估。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

CoderIsArt

你的鼓励将是继续创作的动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值