新型UV油墨的研究及使用要点

新型UV油墨取长补短,综合了阳离子与自由基UV固化的优点,是阳离子／自由基UV混杂固化油墨,其感光性树脂与单体具有固化速度快、固化程度高、固化膜性能优异等优点,从而拓宽了光固化体系的使用范围。     

水转印原理及工艺流程

转印技术主要有热转印技术和水转印技术两种,传统的数码热转印技术采用的热转印设备昂贵,只能承印表面平整、形状固定的物体如T恤等,并且印制后容易给物体带来“副作用”,如热转印T恤容易形成不透气的硬块,穿着舒适感大大降低,甚至在热转印时会因热度控制不好损坏承印物。     

基于回归分析的水性凹印油墨附着力的研究

目的运用多元回归分析法,利用专业的统计分析软件SPSS对水性凹印油墨在聚乙烯薄膜(PE)上的附着力影响因素进行深入分析。方法选择丙烯酸树脂溶液、醇类、润湿剂、偶联剂加入量、颜基比作为自变量指标,水性凹印油墨在聚乙烯薄膜(PE)上的附着力强度为因变量指标,建立数学模型,设计样本变量值并测试其在聚乙烯薄膜(PE)上的附着力强度;利用SPSS对样本数据进行统计分析得出以附着力强度为因变量的回归方程模型,并对该模型进行显著性有效性等检验;以模型为算法进行简单编程,使之成为了更为直观操作简便的窗口化应用程序,用户只需输入相应的参数值即可大致预测某一配方的附着力强度。结果丙烯酸树脂溶液加入量、颜基比与附着力强度的关系为负相关,而醇类加入量、润湿剂加入量、偶联剂加入量与附着力强度则是正相关;丙烯酸树脂溶液对附着力强度的影响较大,其次是颜基比,再次是醇类的加入量,而偶联剂对其影响不大。结论基于回归分析法所得的水性凹印油墨的附着力影响因素的模型对于附着力强度具有较好的预测效果。     

慕课背景下线上线下混合式教学模式的教与学

慕课在国内高职已经占领了一定的市场,线上线下混合式教学模式充分发挥了慕课与传统教学的优势,学习不再受时间和空间的限制,教学资源多种多样,教师与学生的角色也发生了变化,教师要改变教学模式,转变教学理念,来适应混合式教学,学生要学会自主学习、主动学习,实现课堂上"要我学"到"我要学"的转变,来适应混合式教学。教师和学生角色地位要经过一系列的转变才能适应新的线上线下的混合式教学模式,提高课堂教学效率。     

浅谈UV喷墨油墨

喷墨印刷是一种无接触、无压力、无印版的印刷复制技术,能实现可变信息印刷,但是在印刷速度、承印范围等方面仍存在一定的不足。UV固化技术是当前最环保发展最迅速的技术。UV固化技术与喷墨油墨的结合,既可以克服传统油墨的缺陷,同时又迎合了当今油墨业的发展趋势,相信UV喷墨油墨在市场中的占有比重会越来越大。     

全新的显示方式——电子纸

传统的书籍,虽然可以适合长时间的阅读,但是信息更新慢,携带不方便限制了其使用.现在随着互联网和无线通讯技术的发展,人们可以越来越容易的阅读各种信息.但经常上网的人都知道,用显示器作为阅读终端时间久了,眼睛就会很累;大家已经熟识的手机作为一种通讯工具时,大家会发现在强光底下,屏幕的分辨率会受到很大影响.那么有没有一种显示技术可以克服这些弊端呢?科学家们给了我们一个可喜的答案——电子纸.     

响应面法优化白墨在镭射卡纸上的附着力性能

目的为了优化UV白墨在烟包用镭射卡纸上的附着力,运用响应面实验设计方法对印刷工艺进行优化。方法以在曼罗兰印刷机上生产红双喜烟标为例,以UV灯功率、印刷车速为自变量,以白墨在镭射卡纸上的附着力为因变量,利用Design Expert软件,设计响应面图表,对2个自变量进行多次拟合,建立相应的三维曲面,得到最优的数学模型,最后得到最优的印刷工艺,并加以实验验证。结果当UV灯功率密度为120 W/cm,印刷机的印刷速度为8580张/h,能够使得白墨在镭射卡纸上有最优的附着力。结论把响应面实验设计方法来优化烟包印刷工艺,在减少实验次数的同时,对白墨在镭射卡纸上的附着力具有较好的预测效果。     

分散工艺对水性柔印油墨分散性的影响

目的通过不同的预分散转速、预分散时间、氧化锆珠与油墨的配比和研磨时间来研究对水性柔印油墨分散性的影响。方法通过激光粒度仪来检测油墨中95%的颗粒粒径及其分布,以此来判断最佳的预分散工艺条件,以及工艺参数对油墨分散性能的影响。结果当预分散转速为2000r/min,预分散时间为40 min,氧化锆珠与油墨的质量比为2︰1,研磨时间为2 h时,油墨中95%的颗粒粒径最小且其分布范围最窄,具有最佳的分散性。结论预分散转速、预分散时间、氧化锆珠与油墨的配比及研磨时间对水性油墨的分散性均具有较大的影响。     

基于遗传算法优化BP神经网络的可食用油墨粘度的预测

目的 通过研究遗传算法优化BP神经网络建立自变量与因变量之间的关系,从而对可食用油墨的粘度进行预测和模拟.方法 在前期关于可食用油墨的研究基础上,以醋酸浓度、壳聚糖用量、酒精用量、研磨速度为自变量,以配制得到的油墨粘度作为因变量,利用正交实验设计实验,运用BP神经网络结合遗传算法对可食用油墨的粘度进行预测和模拟.结果 以正交实验设计得到30组实验数据,利用Matlab 2018a软件中GAOT遗传算法工具箱,经过38次迭代训练,得到收敛精度为10-4的神经网络,粘度的预测值与对应的真实值相对误差介于0.05％～3.7％,拟合度R2值为0.8672,表明该神经网络对可食用油墨的粘度具有较好的预测能力和较高的预测精度.结论 遗传算法优化BP神经网络可以用来预测和模拟可食用油墨的粘度,可以将神经网络拓展到可食用油墨其他性能的评价体系中,从而对可食用油墨的生产和应用提供指导性的建议.     

印刷检测的新技术——机器视觉检测

<正>一、何为机器视觉机器视觉,简而言之,就是利用机器代替人眼对印刷品的质量进行测量和判断。在国外,机器视觉已广泛应用在半导体和电子行业,如PCB面板的缺陷检测、SMT(Surface Mounted Technology,表面组装技术)表面贴装等。而在国内,机器视觉产品技术比国外相对落后,属于新兴行业,目前对采用机器