压电喷墨印刷技术具有原理简单、材料利用率高、精度高、易于控制等优点,在有机发光二极管（Organic light-emitting diodes,OLED）的功能层制造领域有较大的应用潜力。在压电喷印制造过程中,驱动波形控制液滴的体积、速度和稳定性等喷射状态参数,其调控对OLED喷印产品的质量和制造效率有重要影响。驱动波形的调控方法需要满足可以任意设定喷射状态目标、针对喷头、墨水和环境的改变具有广泛的适用性和具有较高的应用效率的需求。定义驱动波形的参数的值需要依据不同的液滴喷射状态目标而改变,而驱动波形参数与液滴喷射状态的定量对应关系不明确,因此驱动波形的调控具有极大的调整空间和较高的调节难度。针对以上需求与挑战,本文基于数据驱动方法进行压电喷印的波形调控,具体研究内容和研究成果如下:（1）针对压电喷墨的喷射特性建立了高效收集波形参数数据的流程,构建了用于建立代理模型的数据库。针对传统抽样方法在驱动波形调控问题中的获得样本的不平衡问题,创新性地应用基于主动学习的抽样方法,获得了较为平衡的样本数据集,为后续建立代理模型奠定基础。（2）建立了一种双层代理模型以定性和定量地描述压电喷墨的喷射特性。针对压电喷头可能会发生异常喷射的特性,创新性地构建了一种“分类器+回归器”的双层代理模型。基于数据库构建时收集的数据集,使用随机森林方法分别建立了分类模型和回归模型,并对训练好的模型计算和比较了各个特征对于标签的影响。（3）使用改进的遗传算法结合代理模型进行了波形参数寻优,使用用于OLED制造的喷墨打印装备对参数寻优的结果进行了验证。针对压电喷印驱动波形形状的多样性针对性改进了遗传算法,并结合改进遗传算法和代理模型进行波形参数寻优工作,设定了十二组不同的优化目标,以算法所得结果进行验证实验,大部分组别的误差小于10%,能够满足优化精度需求,对比实验结果与优化目标,验证了数据驱动优化方法在压电喷印驱动波形调控问题中的有效性。本文基于数据驱动方法进行压电喷印的波形调控工作,其流程为,使用基于主动学习的抽样方法获得用于建立代理模型的样本,建立代理模型来定性和定量地描述压电喷头的喷射特性,最后使用改进遗传算法结合代理模型完成任意目标下驱动波形的参数寻优工作。对于压电喷墨印刷设备的波形调控任务,该方法具备较好的应用价值。