1.一种智能印刷过程多参数监控与优化系统，其特征在于，包括：空间构建模块，用于获取印刷过程中的多参数实时数据，基于多参数实时数据构建参数空间；所述多参数实时数据包括印刷机械参数、印刷材料参数、环境参数以及生产效率参数；

印刷机械参数包括印刷速度、印刷压力、墨水供给量、干燥温度以及定位精度；印刷材料参数包括纸张克重、油墨浓度、油墨粘度以及辅助材料的用量；环境参数包括环境温度、环境湿度以及环境单位时间通风量；生产效率参数包括单位时间生产数量、原料消耗量、废品率以及停机时间；

基准路线拟合模块，用于将多参数实时数据构建为加权有向图，并在所构建的加权有向图中，获取参数调整基准路线；

所述加权有向图的构建方式包括：

初始化一个有向图；将多参数实时数据中的每个参数视为一个状态变量，每个状态变量的取值范围构成对应状态变量的状态空间，将所有状态变量的状态空间的笛卡尔积作为整个有向图的状态空间；定义整个有向图的状态空间内每个时间点的状态为一个多维向量，多维向量中每个分量对应一个参数在对应时间点的值；

对于每个时间步t，记录当前的状态 和下一个状态 ；使用一个计数器 来跟踪从状态 转移到下一个状态 的次数，每观测到一次从状态 到下一个状态 的转移，就将计数器加1；

设置一个狄利克雷先验分布 ，是一个先验正向量；对于每个时间步t，从狄利克雷先验分布 中获取当前的状态 以及对应的先验正向量，记作 ；

定义在时间步t，从当前的状态 转移到下一个状态 的先验概率

；其中，是预设的衰减因子，且 ；

基于先验概率，对于当前的状态 和下一个状态 ，定义后验分布

；其中，

即为要估计的从当前的状态 转移到下一个状态 的转移概率；取后验分布的均值作为当前的状态 转移下一个状态 的转移概率； 表示参数为 的狄利克雷分布；

创建一个状态转移矩阵，状态转移矩阵的行表示当前的状态，状态转移矩阵的列表示下一个状态，状态转移矩阵的元素的值为对应的转移概率；

定义状态代价函数 ；计算每个状态的状态代价函数的函数值，记作代价值；在有向图中，定义节点表示状态，若两个状态之间存在非零的转移概率，则在对应的两个节点 和 之间连一条有向边 ；定义对应的有向边 的权重；其中， 为两个节点 和 对

应的两个状态之间的转移概率； 为节点 对应的状态的代价值， 为节点 对应的状态的代价值； 为平衡系数，且 ；继而得到了加权有向图G；

最优求解模块，用于在参数空间中生成初始解集合，在初始解集合的基础上利用优化算法求解得到最优参数组合；

策略调整模块，用于将参数调整基准路线与最优参数组合相结合，形成印刷过程中的动态调整策略并发送至监控优化终端；各个模块之间通过有线和/或无线的方式进行连接。

2.根据权利要求1所述的一种智能印刷过程多参数监控与优化系统，其特征在于，所述构建参数空间的方式包括：根据多参数实时数据的参数，确定构建参数空间所需的维度数量；对于多参数实时数据的每个参数，确定其取值范围；对于连续型的参数，将其进行离散化处理，即将连续的取值范围等分为若干个离散值；

将所有参数的取值范围依次组合，构建出一个初步参数空间；得到的每个组合对应初步参数空间中的一个空间点；对初步参数空间进行可行解区域的标记；得到最终的参数空间。

3.根据权利要求2所述的一种智能印刷过程多参数监控与优化系统，其特征在于，所述对初步参数空间进行可行解区域的标记的方式包括：从初步参数空间的所有维度中，选择一个作为划分维度，在划分维度上，确定若干个划分点；以划分点将初步参数空间在划分维度上分割成若干个区间，将除划分维度之外的其他维度上的区间与这些分割得到的区间进行笛卡尔积，得到若干个子空间；

预设约束条件，将子空间看作一个二维平面；将所有约束条件表示为子空间中的几何对象；对于每个几何对象，计算出其边界方程；边界方程为过定点的直线方程或几何对象的参数方程；

从子空间的所有维度中，选择一个作为扫描维度；遍历所有几何对象，对于每个几何对象，提取其边界方程上的所有点，将这些点作为事件点，记录事件点的坐标以及所属的几何对象；对于每个事件点，若该事件点是某个几何对象的边界方程的起点，标记为起点事件，若该事件点是某个几何对象的边界方程的终点，标记为终点事件；

将所有事件点按照扫描维度上的坐标值从小到大排序，若大于1个事件点在扫描维度上有相同的坐标值，则按照其他维度的坐标值进行次级排序；得到排序后的事件点序列；根据排序后的事件点序列，构建一个事件队列；事件队列中的每个元素包含事件点的坐标、事件类型以及所属的几何对象；事件类型包括起点事件和终点事件；

定义一个数据结构作为活动状态结构，初始化该数据结构为空；从事件队列中取出第一个事件点，若该事件点是起点事件，则将对应的几何对象插入到活动状态结构中，若该事件点是终点事件，则将对应的几何对象从活动状态结构中删除，重复直到事件队列为空；定义一个扫描线，从扫描维度开始进行扫描，在扫描的过程中，在活动状态结构中存储当前扫描线所跨越的所有几何对象，对于子空间中的每个点，查询该点在除扫描维度之外的其他维度上的坐标是否落在活动状态结构中的区间内，若所有维度上的坐标都落在对应的区间内，则标记该点位于可行解区域；否则，标记该点位于不可行解区域。

4.根据权利要求3所述的一种智能印刷过程多参数监控与优化系统，其特征在于，所述状态代价函数 的公式为：；其中，

、 、 、 和 为对应的权重系数； 为生产效率指标； 为能耗； 为印刷对比度， 为印刷颜色偏差； 为原料利用率；

；其中，

为需要考虑的颜色通道数量； 为第 个颜色通道的权重； 为在状态 下，第个颜色通道的实际值， 为在状态 下，第 个颜色通道的目标值；

；其中，

为基准目标值； 为状态 下的油墨浓度或颜色浓度； 为状态

下，第个颜色通道的标准差； 、 和 为修正参数。

5.根据权利要求4所述的一种智能印刷过程多参数监控与优化系统，其特征在于，所述参数调整基准路线的获取方式包括：在原始的加权有向图G的基础上，创建一个新的扩展图G'，在扩展图G'上定义一个源点s和一个汇点e，它们分别与加权有向图G中所有入度为0和出度为0的节点相连；对于G中每个入度为0的节点u，在G'中从源点s连一条权重为0的有向边到u，对于G中每个出度为0的节点v，在G'中从v连一条权重为0的有向边到汇点e；

对于G'中的每个节点u，定义其节点标号q(u)为从u到汇点e的最长路径长度；定义一个列队，将所有入度为0的节点加入列队，初始化它们的节点标号的值为0，然后不断从队列中取出入度为0的节点v，对v的每个前驱节点v'，计算其节点标号q(v')=max(q(v')，q(v)+w(v'，v))；其中w(v'，v)是从v'到v的有向边的权重，直到所有节点的节点标号的值被计算出来；基于计算得到节点标号，对G'中的每条边，计算其净权重；

净权重的计算公式为：

；其中， 为节点u和节点v之间有向边的净

权重， 为节点u和节点v之间有向边的权重； 为节点 到汇点e的最长路径长度；

使用Dijkstra算法在G'中从源点s开始，找到一条从源点s到汇点e，边的净权重之和等于 的路径P；路径P包含G'中的一系列节点构成序列，记作节点序列；将这个节点序列投影回原始的加权有向图G，即得到G中的一条路径，该路径对应的一系列状态，即为参数调整基准路线。

6.根据权利要求5所述的一种智能印刷过程多参数监控与优化系统，其特征在于，所述在参数空间中生成初始解集合的步骤为：步骤1、对参数空间进行离散化处理，将每个参数的取值范围等分为 个离散值，即参数空间被划分为 个小格子； 为参数空间的维度数； 为大于1的整数；

步骤2、初始化一个 维的布尔矩阵A，将布尔矩阵A中的所有元素初始值设置为0；

步骤3、随机选择一个小格子，将其对应布尔矩阵A中的元素设置为1，并作为初始的固化区域；在参数空间的所有维度中随机选择一个维度作为扩展方向；在扩展方向上，从固化区域的边界开始，随机选择一个相邻的小格子；若该小格子对应在布尔矩阵A中的元素为0，则表示该小格子未被占据，将其占据，并加入固化区域；重复直到固化区域达到预设的区域大小阈值M1；得到综合固化区域；

步骤4、随机选择综合固化区域内的一个小格子；将其对应在布尔矩阵A中的元素设置为0；重复直到熔化的数量达到预设的熔化阈值M2，且M2小于M1；得到初始解区域；初始解区域内的小格子对应的参数的组合即为一个初始解；

步骤5、重复步骤3‑4，直到生成预设数量的初始解，构成初始解集合。

7.根据权利要求6所述的一种智能印刷过程多参数监控与优化系统，其特征在于，所述最优参数组合的求解方式包括：定义优化函数 ；其中， 为套准精度评分， 为印痕表面

光泽度评分， 和 为对应项的权重参数，其值大于0且小于1；

从初始解集合中随机选取N2个初始解构成初始的猎人群，N2为预设的猎人数量；基于初始的猎人群进行迭代寻优，对于迭代寻优的每一个迭代步，计算每个猎人对应的优化函数的值；记作对应猎人的狩猎值；

根据狩猎值的大小从大到小排序猎人，将前n3个猎人记作候选猎物，其余猎人称为无关猎人；n3为大于1的整数；

计算每个候选猎物到其他所有候选猎物的平均距离；计算每个候选猎物到猎人的距离与其平均距离的差值，记作狩猎差值df；根据狩猎差值df计算每个候选猎物的权重，此权重为狩猎差值df除以所有差值之和；

将权重最大候选猎物作为追踪猎物Y，计算猎人X朝着追踪猎物方向的位移向量V=ra×(Y‑X)；其中ra是(0，1)之间的随机数；基于位移向量V更新猎人X的新位置X_new=X+V；

计算新位置X_new对应狩猎值，若此狩猎值大于原猎人X的狩猎值，则更新猎人X的位置至X_new；得到最优猎人群；

预设交换概率PR，从所有的无关猎人中随机挑选其中一个无关猎人A，从位置更新后的猎人中随机挑选一个猎人B，以PR为概率使用A和B的组合形成一个新的猎人C，替换无关猎人A；重复直到剩余的无关猎人全部替换，得到新一代猎人群；将最优猎人群与新一代猎人群合并，形成新猎手群；重复形成新猎手群，直至达到预设的最大迭代次数；从最终的新猎手群中，选取狩猎值最高的猎人，其对应的参数的组合即为求解得到的最优参数组合。

8.根据权利要求7所述的一种智能印刷过程多参数监控与优化系统，其特征在于，所述套准精度评分 ；其中， 为第 个测量点的套准误差， 为预设的最大套准误差阈值， 和 均为大于0的调节参数； 为第个测量点到印刷件边缘的距离；dmax是所有测量点到印刷件边缘的距离的最大值；为大于0的惩罚系数；

印痕表面光泽度评分 ；其中，

为第 个测量点的权重， 为第 个测量点的光泽度值， 为第 个测量点的光泽度梯度值；为梯度调节参数，其数值大于或等于0； 为分布惩罚系数，且 ； 为所有测量点的光泽度值的标准差； 为预设的参考光泽度标准差。