印刷機是集機、光、電、液、氣、控制、網絡于一體的復雜精密機械裝備，是印刷工業發展的根基。凹版印刷機由于具有色彩質量好、靈活性大、適用范圍廣、效率高、耐印力高且相對成本低等特點，成為了印刷企業長期投資的對象。相關調查報告顯示，2019 年全球凹版印刷機市場規模達到了 54 億元，預 計 2026 年將達到 65 億元，年復合增長率(CAGR)為 2.6%。由此可見，對于印刷企業來說，凹版印刷機仍是企業發展進程中不可或缺的重要組成部分，市場潛力很大。

凹印機故障檢測技術發展趨勢

凹印機由放料單元、放料牽引、印刷色組、收料牽引、收料單元等多個機構共同組成，結構復雜且機械零件繁多，特殊的壓印方法使其各部分間的耦合性較強且承受機械壓力很大，對零部件的機械精密性提出了挑戰，對于印刷機的穩定性、故障率有著很高的要求。

由于凹版印刷機的高度復雜性和精密性，即便是微小的故障都有可能影響到整機的印刷效果，甚至影響水路、墨路、傳動等性能，使其印刷精度大大下降，出現大量印刷廢品，給企業造成巨大的經濟影響。此外，印刷裝備使用的許多有機溶劑具有一定的腐蝕性，長期使用會影響機械部件的精度，甚至損壞印刷設備，造成高昂的設備維修成本。

常見的凹印機故障主要有收放料結構故障、印刷單元故障等，傳統方法是采用基于振動信號、聲信號、圖像以及電流信號等方式進行故障診斷。基于聲信號的檢測技術從 20 世紀 90 年代就開始研究，但是由于采集的信號缺陷較多，至今仍處于實驗階段。由于輸墨裝置的結構較為緊湊，不適合采集圖像，在機械設備上大多數應用振動信號來進行診斷。凹印機的振動信號包含有大量的故障信息，因此采集輸墨裝置的振動信號是監測印刷機輸墨單元的最好方法。通過對常見的 3種輸墨裝置進行對比，可以將 3 軸加速度傳感器安裝在印版滾筒上。

隨著凹印機發生故障的多樣化以及故障存在的潛在可能性不斷增大，采用傳統方法僅憑人工經驗以及試印調試進行故障診斷，不僅對維修工程師的經驗要求較高，增加企業人力成本以及資金消耗，同時在診斷過程中還可能會產生疏漏，輕則影響工作進度，重則可能導致停工停產。為此，科研人員嘗試將現代化的故障診斷技術應用到印刷領域中來，基于物聯網的印刷機故障智能診斷檢測技術應運而生。

基于物聯網的凹印機故障監測技術

凹印機的故障監測技術主要通過采集印刷機在生產過程中反饋的信號，將其與正常工作的信號進行對比，進而確定故障原因。基于規則和神經網絡的系統仍然存在某些不足，例如獲取故障樣本困難、樣本學習效率低等。近年來，深度學習作為新技術，通過訓練設備控制系統學習簡單故障解決方法，以及通過機器視覺實時檢測，最終提升了故障識別的精度。隨著技術的發展，深度遷移學習逐漸進入人們的視野，現在許多科研人員將遷移學習技術應用在機械故障診斷中。

1. 檢測原理

基于物聯網的凹印機狀態監測采用具有物聯網功能的傳感器進行數據的收集，數據類型包括振動頻率、位置流量以及溫度和濕度;使用讀寫器接收設備運行數據，傳輸至計算機對大量冗長雜亂的數據進行濾波、篩選、處理;處理過的數據上傳至云數據分析平臺，以表格或者圖形的直觀形式呈現在計算機或移動設備上，方便技術人員遠程訪問和監測設備，以達到對設備的實時監測。

多個安裝在流水線上不同設備、不同部位的傳感器之間可以進行數據聯動，將整個車間設備的運行狀態反映給技術人員，以達到在機器故障時及時準確地找到故障點并排除故障，提高單個設備以及整條生產線的使用壽命。機械設備狀態監測流程如圖所示。



2. 狀態信息采集

在印刷車間集成具有物聯網功能的傳感器，借助云平臺數據分析為技術人員提供實時可行的解決方案。每次故障所收集到的實時數據將在未來發生緊急情況時采取糾正措施，以確保生產的準確率。所有這一切的核心就是物聯網管理系統，一個可支持跨多個設備、網絡、云數據的管理平臺。

傳統上對于傳感器信號的接收通常采用標準傳感器Wi-Fi節點，其硬件主要由傳感器、微控制器、射頻收發器和電源組成。每個傳感器節點都配有物理傳感器，用以采集如濕度、溫度、振動、壓力等物理信號。但是由于其需要電源供電，覆蓋范圍小，在未來將逐漸被射頻識別(RFID)所替代。

RFID是一種低成本的無線數據傳輸技術，運行維護所花費的資金同樣甚少。RFID 傳感器可以完全依靠外界來獲得能源，不需要像傳統的無線傳感器節點那樣更換電池。盡管有源傳感器在長距離、長時間段數據傳輸方面具有明顯的優勢，但是隨之而來的問題是電池系統變得越來越復雜且運行維護成本較高，電池的壽命一定程度上也影響了整個系統的壽命，并限制了傳感器應用的范圍，使其無法在某些特定的情況下使用。

3. 信息處理技術

傳統針對于信號的處理方法一般包括時域分析法、頻域分析法、幅值域分析法、傅里葉變換分析法等。傅里葉變換分析法是將時域信號轉換為頻域信號進行分析，通常情況下傅里葉變換分析法針對于處理相對平穩的信號。由于是將信號轉化為頻域信號分析，所以該方法幾乎沒有時域信號的特征。此外，傅里葉變換分析是對該段全部數據進行的平均分析，而對振蕩、非線性的目標信號進行分析時，局部的信號頻率波動不易被觀測到，因此不能準確地給出某信號頻率的具體發生時間，不能對信號作局部分析。

在現代相對高效的信號處理分析方法中，小波分析法對振蕩信號的分析具有較好的效果。小波分析法是一種通過伸縮平移方法對信號進行細分，對高頻率時間段和低頻率時間段進行分段細化分析，從而可以觀測到所有時間段信號的任何細節的分析方法，時間窗和頻率窗都可改變，使小波變換具有對信號的自適應性。由于小波變換函數具有復雜可變性，小波函數的選取對于小波變換分析的結果具有決定性作用，所以需要針對目標信號的類型選擇相應的小波函數進行分析。

印刷機械正朝著高速化、自動化以及智能化方向快速發展，在保證安全環保的條件下，提高印刷機生產效率以及增加經濟效益，始終是印刷企業追求的目標。在印刷生產中，機械故障占比高達 60%，因此及時預測故障并且解決故障十分必要。

本文作者：陜西北人印刷機械有限責任公司翟旭昭 王曉博 韓武 焦鈺