印刷油墨配色实验系统的设计与实现

为满足高校印刷工程类本科生实验教学需要,开发了印刷油墨配色实验系统。该系统在确保配色精度的基础上依据实验教学的需要,采用模块化设计方案,并同时进行配色算法和软件的研究和设计。利用该系统能进行印刷油墨的配色实验教学,有效模拟实际配色实验流程,通过修改其中的模块可以进行油墨和色彩相关实验的设计和验证,有助于提高学生的创新实践能力。     

计算机配色系统油墨数据库建立及应用

在计算机油墨配色系统中建立基础油墨数据库,应用基础油墨数据库进行专色配色,从光谱反射率曲线、色密度曲线和色墨校正3个方面对基础油墨数据库进行检测,并阐述专色配方的选取方法。结果表明：基础油墨数据库的准确性直接影响专色油墨配色的准确性;配色系统中专色配色的准确度较高,对于有些颜色经过1~2次的修改即可达到要求;基础油墨数据库中油墨的数量对计算机配色存在一定的局限性,因此应增加基础油墨数据库中油墨的数量;应用油墨配色系统进行配色具有操作简单、方便、准确度高的特点,且能够实现利用色差和光谱反射曲线预先判断,提高配色准确性。     

油墨配色的理论与实验研究

根据混色系统理论、色度学及样条插值方法,提出了一种计算专色油墨配方的方法。在二维空间中用样条插值对专色油墨配色问题进行了研究,探索了“相同主波长具有相同色相”原则在专色油墨配色中的应用问题。实验结果表明,该算法具有一定的精确性,基本实现了胶印油墨配色,能满足一般胶印对印品颜色的要求。     

浅谈专色油墨的计算机配色

专色油墨在包装印刷中使用的越来越多,专色油墨的计算机配色技术也在不断发展,通过一定的配色方法可以使我们在短时间内得到目标色的配方和优化方案。     

基于知识的毛纺产品工艺设计智能模型研究

毛纺产品的生产是一个复杂的工业过程，其工艺设计严重依赖于专家知识和经验，完整准确的数学描述显得十分困难。提出了基于知识的毛纺产品工艺设计智能模型，通过基于案例（CBR）和基于规则的推理（RBR）以及人工神经网络（ANN）等关键技术的引入，提高了系统解决实际问题的能力。实例显示，智能化技术在毛纺工艺设计中具有良好的应用前景。     

天然食用色素的多元线性模型和神经网络模型的配色效果比较

天然食用色素应用广泛,三原色色素依其浓度可调配各种不同色调,传统配色方法高度依赖配色经验,生产效率低,误差大,产品质量稳定性差。基于吸收光谱匹配法,利用天然食用色素在混合时特征吸收峰保持不变的特性,在色素质量浓度和特征吸收峰的吸光度之间建立了多元线性和神经网络配色模型,通过误差对比分析,选择较优模型并进行试验验证。结果表明:神经网络模型的预测精度、稳定性均优于多元线性回归模型,其预测配方和原配方的色差在3以内,肉眼无法区分两者的差别,神经网络模型能更好地满足染色配色的要求。希望研究结果为天然食用色素的智能配色工艺提供理论依据。     

计算机辅助产品配色设计系统的构造研究

当现有的配色理论直接应用在产品上时,色彩配置往往会受到产品特有的形态与属性影响,从而与目标意象发生偏差。为了降低产品配色的意象偏差,文章拟构建产品配色的问卷系统,基于配色理论设计问卷,配合神经网络和遗传算法模拟消费者的意象评价,提供符合产品形态的配色建议,并在此基础上提出了计算机辅助配色设计系统的框架和实现方法。     

人工神经网络在高炉热状态预报中的应用

在高炉操作过程中，高炉热状态的判断与预测是极为重要的，这些状态数值的预测过去常依靠经验识别，近年来，随着人工神经网络技术的发展，于是开发一种高炉热状态人工神经网络预测模型已成为必希趋势，本文应用反馈式人工神经网络对高炉热状态预测模型进行了研究。     

基于神经网络调速系统故障诊断的数学模型

水轮发电机的调速系统是水轮发电机进行负荷和频率调节的重要元件，对调速系统自身故障进行准确、快速的诊断十分必要。通过对调速系统运行、实验和故障特点的分析，引进先进的人工神经网络的方法，建立了一种新型的调速系统故障诊断模型，对生产实际有很大帮助。     

基于客户/服务器的人工神经网络系统的设计与实现

研究通过编程建立客户机与人工神经网络服务器的信息交互,改变传统的人工神经网络系统在单机环境下的工作状态问题,并提出一个在客户/服务器环境下的人工神经网络系统的服务平台的设计思想.通过总结实际经验,研究客户机与服务器之间合理的功能分配,给出了各模块的结构与功能的实现目标与实现方法.实践证明该项研究能够大大提高计算机的工作效率.     

浅谈利用BP神经网络进行系统预测的方法

BP神经网络体现了人工神经网络最精华的部分,利用BP神经网络可以实现系统预测功能,本文就工程实际中利用BP神经网络进行预测的问题进行阐述.为BP网络的实际应用做了铺垫.     

基于GABP算法的油墨配色研究

为了提高印刷油墨配色精度,本文提出了使用遗传算法(GA)优化的BP神经网络模型GABP。首先采集了颜色样本的光谱数据和CMYK四色网点面积率分别作为输入值和输出值,然后通过遗传算法优化了BP神经网络的结构和参数,并进行了训练,最后将模型的预测精度做对比分析,使用未经遗传算法优化的BP神经网络模型的平均误差为8.6%,使用GABP模型的平均误差为4.5%。结果表明,经遗传算法(GA)优化的油墨配色模型预测精度有了大幅度提高,对印刷企业油墨配色有很好的应用价值。     

基于神经网络的精梳毛纺纱线预测

在分析纺纱原理的基础上，采用人工神经网络建立7个不同的模型，预测精梳毛纺的纱线质量和纺纱性能，分别是纱线不匀、粗细节、断裂强力、强力不匀、断裂伸长和断头率。其中断头率由于其复杂的成因，采用了组合神经网络建模。采用工厂实际生产数据进行验证，前6个指标的预测值与实测值之间的相关系数的平方均超过0．9，断头的预测效果相比而言比较差，但相关系数的平方也超过了0．8，表明人工神经网络技术在精梳毛纺纱线预测方面有很大的应用前景。     

一类基于神经网络的模糊系统建模与控制

将人工神经网络理论和模糊系统理论结合起来,研究并提出了一类基于人工神经网络的模糊系统建模和控制方法。仿真表明该方法能有效地用于多种难以建立数学模型的控制系统。     

小波神经网络技术在故障诊断中的应用

针对故障诊断技术的不断发展,文章通过阐述小波分析和人工神经网络的概念和特点以及在二者在不同条件下结合的情况,综述了故障诊断系统的现状和进展,并展望了这种技术的前景。     

粗糙集神经网络理论在矿井通风系统评价中的应用

针对矿井通风系统神经网络评价法中建立样本的不稳定性问题,开展了基于粗糙集和BP神经网络理论的通风系统综合评价研究。以某矿井通风系统为研究对象,应用粗糙集数据分析系统对矿井通风系统评价指标的原始数据样本的分类质量进行了检验;在此基础上,基于人工神经网络理论,建立了矿井通风系统的粗糙集神经网络评价模型,从而形成了一种新的基于粗糙集神经网络理论的矿井通风系统评价方法。研究结果表明,经过模型的数据检验和应用性验证,其理论评价结果与实际情况相符,且网络总误差小于0.004;这说明基于粗糙集神经网络的综合评价方法在矿井通风系统评价中有很好的实际应用效果。     

一种新的神经网计算机结构

人工神经网络存在着广泛的并行机制。为此，人工神经网络计算机使用多个处理单元以适应并行处理的需要。多处理单元之间的信息通信是并行研究的内容之一，作者提出了利用数据流驱动思想和双口存储器技术实现人工神经网络计算机的一种新结构。     

人工神经网络预测高含CO2天然气的含水量*

提出了一种基于人工神经网络模型预测高含CO2天然气的含水量的新方法。网络输入变量CO2摩尔分数、温度、压力,网络的输出为高含CO2天然气的含水量。该人工神经网络模型能够估算温度在20.0～200.0℃,压力在0.1～70.0 MPa,CO2摩尔分数高达70%天然气中水蒸汽的含量。对比文中建立的人工神经网络模型和目前常用的3种预测高含CO2天然气的含水量的经验模型,结果表明,人工神经网络的平均相对误差值最小,为1.275%,3种经验模型在CO2含量较高时,预测精度较低。这就表明,人工神经网络模型在预测高含CO2天然气含水量时,比3种常用的经验模型更具有优势。     

用CCD实现分光光度计的快速测量

快速分光光度计是现代电脑测配色技术中的关键设备，有很高的研究应用价值，本文从光电信号处理的角度分析和介绍了一种以线阵ＣＣＤ为光电转换器件的双通道快速分光光度系统，应用结果表明，该系统在设计原理上有独到之处，主要性能指标满足实际电脑测配色系统的要求。     

基于BP神经网络的发动机怠速模型

发动机怠速模型是发动机怠速控制的基础.发动机怠速工况具有非线性特性.利用BP人工神经网络建立了发动机怠速模型,并利用实际发动机系统测得的怠速转速数据作为神经网络学习样本数据.理论分析和仿真研究均表明了该方法的有效性.