一种水松纸透气度检测过程的优化方法与流程

本发明涉及一种水松纸透气度检测过程的优化方法，属于软测量检测
技术领域：
。
背景技术：
：众所周知，吸烟有害健康。随着人们生活水平的提高，对健康的关注更多，这就要求烟草行业能够在保证香烟质量的同时能够兼顾到消费者吸烟时对焦油、尼古丁等有害物质的摄入。目前流行使用打孔水松纸就能较为有效控制卷烟中焦油的含量，而水松纸的透气度正是评价水松纸质量好坏的一个重要指标。现有的水松纸透气度检测方法主要为本特生法(或肖伯尔法)，其检测效率较低，使用维护成本高。置信规则库是一种可以较好地处理不确定条件下专家知识和定量数据的专家系统，运用BRB进行透气度的数据拟合，能够有效地利用水松纸的孔面积和灰度等数据和专家知识，减少实际生产中的检测设备的使用，缩短检测时间，降低生产成本。在BRB系统中，包含规则权重(ruleweight)、前提属性权重(antecedentattributeweight)和置信度(beliefdegree)等参数。这些参数通常由专家根据先验知识和历史信息给定，反映了专家对所研究对象的认识程度，但专家给定的知识并不一定准确。技术实现要素：本发明所要解决的技术问题是提供一种水松纸透气度检测过程的优化方法，基于置信规则库专家系统的检测方式，采用差分进化算法(DE)对参数进行了优化，能在有限时间内检测出较高精度的水松纸透气度。本发明的技术方案是：一种水松纸透气度检测过程的优化方法，其特征在于：所述的方法包括如下步骤:1)利用孔面积、灰度与真实水松纸透气度确定基于置信规则库专家系统BRB的软测量模型及优化目标，其中软测量模型根据已有历史数据训练建立，并通过孔面积和灰度双输入因素增强软测量模型建模的准确性，优化目标为拟合值与实际值之间总的均方误差Fitness，软测量模型及优化目标的确立过程如公式(1)-(5)所述，式(1)表示第k条置信规则的激活权重wk的计算方法，其中θk表示第k条置信规则的规则权重，表示第k条规则中输入孔面积和灰度分别相对于输入参考值的置信度，表示在第k条规则中第i个参考值，L表示在BRB中置信规则的总条数，M表示评价等级的个数，为1，wk∈[0,1]；式(2)表示计算出的输出置信度βj,k表示第k条规则中输出的透气度值相对于输出参考值Dj的置信度，Dj表示输出的第j个参考值，j＝1,2,…,N，N表示输出参考值的个数；式(4)表示BRB计算输出评价结果的分布式表示形式，再由证据推理方法拟合成水松纸透气度；式(5)表示的是目标函数，ZTQD表示水松纸的真实透气度，NTQD为拟合透气度，number表示样本数目；优化目标是在优化模型的过程中使Fitness最小；2)使用差分进化算法优化方案对优化目标进行优化。进一步地，所述步骤2)使用差分进化算法优化方案对优化目标进行优化具体步骤如下：A、编码方式：采用实数编码，θk＝random(0,1)，k＝1,2,…,L；random(0,1)表示生成0至1之间的随机数，j＝1,2,…,N；k＝1,2,…,L，其中，k为规则条数，j为相对于第k条规则的评价结果个数；B、数据预处理：采样历史数据信息，并将水松纸孔面积和灰度分别划分为level_1、level_2个等级，L＝level_1×level_2；C、种群生成：种群初始化，Popsize为种群规模，规则权重θPopsize,k＝random(0,1)，k＝1,2,…,L；random(0,1)表示取0～1的随机数，L表示BRB中置信规则的条数，置信度βPopsize,j,k＝random(0,1)，j＝1,2,…,N；k＝1,2,…,L，N表示评价结果的个数，并令前提属性权重i＝1,2,…,M，M表示前提属性的个数；D、透气度拟合：基于证据推理算法evidentialreasoning,ER，根据规则权重θPopsize,k、置信度βPopsize,j,k和前提属性权重采用式(1)～(4)进行水松纸透气度拟合NTQD；E、个体适应性评价：定义个体适应性Fitness为全部检测样本真实透气度与拟合透气度的均方误差，具体如式(5)所示，并保优第gene代种群中最优个体的规则权重置信度F、差分进化：采用差分进化算法对种群中的每个个体执行差分进化操作，设第gene代种群中的i'个个体i'＝1,2，…,Popsize；变异操作：随机采用如式(6)～(8)中任意一种变异方式得到新个体其中(i'≠j'≠r'≠h')为与不同且互不相同的个体，Bπgene为第gene代种群中的最优个体；交叉操作：采用指数交叉方式得到个体Cr表示控制接受目标个体中变量的交叉概率，交叉点为k＝random[1,L](random[1,L]表示生成1～L间的一个随机整数)，然后以概率选择一个长度L＜d作为替换的变量数目，随机数L满足式(9)约束，具体交叉方式如式(10)所示，并修正中非法规则权重及非法置信度，完成差分进化操作，其中，<>d表示整数相对d的求模运算；P{L＝k}＝(Cr)k-1×(1-Cr)(9)G、选择操作：采用贪婪选择方式，提高了种群的平均适应性，逐步达到满意解，选择方式如式(11)所示；H、终止条件：设定终止条件的最大迭代数为500，若满足，则输出“最优个体”的规则权重进行水松纸透气度检测；若否则转至步骤D，反复迭代至满足终止条件为止。进一步地，所述种群规模设置为Popsize＝30。本发明的有益效果是：本发明提出了采用图像处理方法利用孔面积、灰度与真实水松纸透气度确定软测量模型及优化目标，结构清晰准确；使用基于置信规则库专家系统的差分进化算法优化方案对目标进行优化；其中软测量模型根据已有历史数据训练建立，并通过孔面积和灰度双输入因素增强软测量模型建模的准确性。首先，通过置信规则库对历史数据进行训练，利用证据推理建立初步的软测量模型；然后，通过差分进化算法优化软测量模型，进一步提高建模的准确性，并利用变异交叉过程有效保持算法搜索的宽度和深度；最后，采用优化后的软测量模型，使用证据推理方法进行水松纸透气度拟合，通过与真实水松纸透气度的误差分析验证本发明设计的有效性。附图说明图1为本发明中基于置信规则库专家系统差分进化算法优化软测量模型流程图；图2为本发明检测50个样本的效果图；图3为本发明检测200个样本的效果图。具体实施方式实施例1：参看图1-图3，一种水松纸透气度检测过程的优化方法，其特征在于：所述的方法包括如下步骤:1)利用孔面积、灰度与真实水松纸透气度确定基于置信规则库专家系统BRB的软测量模型及优化目标，其中软测量模型根据已有历史数据训练建立，并通过孔面积和灰度双输入因素增强软测量模型建模的准确性，优化目标为拟合值与实际值之间总的均方误差Fitness，软测量模型及优化目标的确立过程如公式(1)-(5)所述，式(1)表示第k条置信规则的激活权重wk的计算方法，其中θk表示第k条置信规则的规则权重，表示第k条规则中输入孔面积和灰度分别相对于输入参考值的置信度，表示在第k条规则中第i个参考值，L表示在BRB中置信规则的总条数，M表示评价等级的个数，为1，wk∈[0,1]；式(2)表示计算出的输出置信度βj,k表示第k条规则中输出的透气度值相对于输出参考值Dj的置信度，Dj表示输出的第j个参考值，j＝1,2,…,N，N表示输出参考值的个数；式(4)表示BRB计算输出评价结果的分布式表示形式，再由证据推理方法拟合成水松纸透气度；式(5)表示的是目标函数，ZTQD表示水松纸的真实透气度，NTQD为拟合透气度，number表示样本数目；优化目标是在优化模型的过程中使Fitness最小；2)使用差分进化算法优化方案对优化目标进行优化。进一步地，所述步骤2)使用差分进化算法优化方案对优化目标进行优化具体步骤如下：A、编码方式：采用实数编码，θk＝random(0,1)，k＝1,2,…,L；random(0,1)表示生成0至1之间的随机数，j＝1,2,…,N；k＝1,2,…,L，其中，k为规则条数，j为相对于第k条规则的评价结果个数；B、数据预处理：采样历史数据信息，并将水松纸孔面积和灰度分别划分为level_1、level_2个等级，L＝level_1×level_2；C、种群生成：种群初始化，Popsize为种群规模，规则权重θPopsize,k＝random(0,1)，k＝1,2,…,L；random(0,1)表示取0～1的随机数，L表示BRB中置信规则的条数，置信度βPopsize,j,k＝random(0,1)，j＝1,2,…,N；k＝1,2,…,L，N表示评价结果的个数，并令前提属性权重i＝1,2,…,M，M表示前提属性的个数；D、透气度拟合：基于证据推理算法evidentialreasoning,ER，根据规则权重θPopsize,k、置信度βPopsize,j,k和前提属性权重采用式(1)～(4)进行水松纸透气度拟合NTQD；E、个体适应性评价：定义个体适应性Fitness为全部检测样本真实透气度与拟合透气度的均方误差，具体如式(5)所示，并保优第gene代种群中最优个体的规则权重置信度F、差分进化：采用差分进化算法对种群中的每个个体执行差分进化操作，设第gene代种群中的i'个个体i'＝1,2，…,Popsize；变异操作：随机采用如式(6)～(8)中任意一种变异方式得到新个体其中(i'≠j'≠r'≠h')为与不同且互不相同的个体，Bπgene为第gene代种群中的最优个体；交叉操作：采用指数交叉方式得到个体Cr表示控制接受目标个体中变量的交叉概率，交叉点为k＝random[1,L](random[1,L]表示生成1～L间的一个随机整数)，然后以概率选择一个长度L＜d作为替换的变量数目，随机数L满足式(9)约束，具体交叉方式如式(10)所示，并修正中非法规则权重及非法置信度，完成差分进化操作，其中，<>d表示整数相对d的求模运算；P{L＝k}＝(Cr)k-1×(1-Cr)(9)G、选择操作：采用贪婪选择方式，提高了种群的平均适应性，逐步达到满意解，选择方式如式(11)所示；H、终止条件：设定终止条件的最大迭代数为500，若满足，则输出“最优个体”的规则权重进行水松纸透气度检测；若否则转至步骤D，反复迭代至满足终止条件为止。进一步地，所述种群规模设置为Popsize＝30。针对本发明的实施例，图2为本发明检测50个样本的效果图，图3为本发明检测200个样本的效果图，表1为上述两种样本测试得到的误差结果表，表2为本发明的针对相应数据的一种参考等级设置表，表3为本发明针对相应数据的另一种参考等级设置表。表1误差结果表数据量进化代数最大误差最小误差平均误差505000.0340.0170.0262005000.0380.0250.031表2本发明的一种参考等级设置表参考等级小较小较大大孔面积(mm2)00.59331.83895灰度值(px)1315.35723.24627透气度(CU)245348.2331636.954643表3本发明另一种参考等级设置表参考等级小较小较大大孔面积(mm2)00.19681.25145灰度值(px)1111.03825.6529透气度(CU)245264.83340.424643上面结合附图对本发明的具体实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。当前第1页1 2 3