基于模型与数据融合的多脉冲叠加液滴体积控制方法在喷墨打印中的应用

为解决喷墨打印中单脉冲驱动波形液滴体积调控范围窄的问题，研究人员通过融合弯液面振动模型与工业喷射数据，采用深度强化学习（DRL）和模糊系统实现多脉冲波形参数的智能闭环调控，成功将液滴体积控制误差精度提升至±4%，显著拓展了OLED显示面板制造中的液滴可控范围。

　　

在显示技术飞速发展的今天，有机发光二极管（OLED）因其优异的色彩表现和柔性特性成为行业焦点。然而，传统热蒸发法制备OLED存在材料浪费严重、成本高昂等问题，喷墨打印技术（Inkjet Printing）因其高材料利用率和大面积制造优势成为理想替代方案。但这项技术面临一个关键挑战：如何让同一喷嘴稳定喷射不同体积的液滴以满足不同分辨率基板的沉积需求？目前单脉冲驱动波形产生的液滴体积范围极为有限，最大体积不足最小体积的两倍，严重制约了打印效率和质量。

针对这一瓶颈问题，武汉国家光电创新中心与合作单位的研究团队在《Engineering Applications of Artificial Intelligence》发表了一项突破性研究。他们创新性地提出多脉冲叠加驱动方法，通过融合物理模型与工业数据，实现了液滴体积的智能闭环控制。这项研究不仅将液滴调控范围扩大至2-8皮升（picoliter），更将控制精度提升到令人瞩目的±4%误差水平。

研究团队采用了三项核心技术：首先建立弯液面振动模型（Meniscus Vibration Model）解析多脉冲干涉机制；其次运用深度强化学习算法Soft Actor-Critic（SAC）从工业历史数据中提取控制策略；最后结合模糊系统推荐初始波形参数，构建完整的模型-数据融合控制框架。实验依托自主研发的NEJ-E/P200印刷设备，采用Samba G3L打印头和双目视觉观测系统实现实时监测。

【多脉冲干扰分析】通过建立概念系统模型，研究揭示了多脉冲波形参数（如脉冲数、特征幅值）与液滴体积的映射关系，为后续智能控制奠定理论基础。

【控制框架构建】设计包含参数推荐模块、实时调节模块和观测反馈模块的闭环系统，其中模糊系统将目标体积转换为初始参数，SAC算法根据实时观测动态调整。

【模型-数据融合策略】创新性地将高维波形参数映射到低维特征空间，通过SAC算法学习特征属性与液滴体积变化的非线性关系，显著降低网络复杂度。

【工业验证】在2/4/8皮升液滴控制实验中，系统展现出强大适应性，即使存在环境干扰仍能保持±4%的精度，较传统方法提升3倍调控范围。

这项研究的突破性在于：首次实现多脉冲波形参数的自动闭环控制，解决了工业场景下高维参数优化的难题。通过物理模型与数据驱动的深度融合，不仅拓展了液滴体积的可控范围，更建立了可迁移的智能控制范式。该成果为OLED大规模印刷制造提供了关键技术支撑，其模型-数据融合思路对复杂工业过程的智能化调控具有普适性参考价值。研究团队特别指出，该方法可推广至生物打印等领域，为功能性材料的精确沉积开辟新途径。

（注：全文严格依据原文内容撰写，专业术语如Soft Actor-Critic(SAC)、皮升(picoliter)等均保持原文表述，实验设备名称NEJ-E/P200、Samba G3L等未作简写。所有技术细节均可在原文对应章节查证。）