[發明專利]一種基于置信規則庫的水松紙透氣度檢測方法

在審

• 申請號: 201811518723.5
• 申請日: 2018-12-12
• 公開（公告）號: CN109655393A
• 公開（公告）日: 2019-04-19
• 發明（設計）人: 胡蓉;易照云;錢斌
• 申請（專利權）人: 昆明理工大學
• 主分類號: G01N15/08
• 分類號: G01N15/08;G06N5/04
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于置信規則庫的水松紙透氣度檢測方法，其特征在于，首先通過置信規則庫建立打孔水松紙圖像特征中專家給定的置信度和規則權重，并利用證據推理方法得到的置信度之間的規則模型，再結合輸入與輸出的映射關系建立置信規則庫軟測量模型；然后根據檢測結果平均誤差的范圍要求，通過人群搜索算法優化置信規則庫參數；最后將優化后的置信規則庫透氣度檢測模型應用于水松紙透氣度的在線檢測。

2.根據權利要求1所述的基于置信規則庫的水松紙透氣度檢測方法，其特征在于：所述方法的具體步驟如下：

Step1、確定置信規則庫檢測模型的輸入與輸出的評價等級，并建立置信規則庫檢測模型及確定檢測模型中各參數的初始值，其中置信規則庫檢測模型如式(1)～(4)所示：

式(1)中，w_k表示第k條置信規則對應的激活權重，w_k∈[0,1]，分別表示第k條、第l條規則中對應輸入分別相對于的置信度，其中分別表示第k條、第l條規則中第i個前提屬性的參考值，設置信規則庫透氣度檢測模型的第k條規則的所有前提屬性構成的集合為A^k，且其中M表示第k條規則的前提屬性的數目，L表示置信規則庫中規則的數目，θ_k(k＝1,2,…,L)表示第k條規則的規則權重，且0≤θ_k≤1，θ_l(l＝1,2,…,L)表示第l條規則的規則權重，且0≤θ_l≤1，δ_i表示第i個前提屬性權重，δ_i為1；

式(2)中，表示相對于評價結果D_j的置信度，β_j,k(j＝1,2,…,N,k＝1,2,…,L)是第k條置信規則中輸出部分相對于第j個評價結果D_j的置信度，且0≤β_j,k≤1，是第k條置信規則中輸出部分相對于第i個評價結果D_i的置信度，D表示評價結果，且D＝[D₁,D₂,…D_N]，N表示評價結果的個數；

式(4)中，y_m(m＝1,2,…,T)為輸出變量的數值型觀測值，為置信規則庫透氣度檢測模型對應于y_m的估計值，T為訓練集數據總數；表示由證據推理算法產生的相對于評價結果D_j的置信度，μ(D_j)(j＝1,2,…,N)表示透氣度檢測模型輸出評價結果D_j的效用；

Step2、根據置信規則庫檢測模型確定檢測模型的優化目標函數：

目標函數為：

式中，ξ(V)表示訓練數據總的平均相對誤差，V＝[θ_k,β_i,k,δ_i]表示由置信規則庫透氣度檢測模型的參數構成的列向量；

Step3、采用人群搜索算法進行置信規則庫水松紙透氣度檢測模型的參數優化：

Step3.1、設置種群規模為popsize＝X和迭代終止條件gen＝Y，判斷條件為ξ(V)＜5％，種群初始化得到檢測模型的參數置信度和規則權重，即可行解；

Step3.2、輸入訓練數據，置信規則庫水松紙透氣度檢測模型在初始參數下計算水松紙透氣度估計值并計算目標函數ξ(V)，確定種群個體歷史最優位置pbest和種群歷史最優位置gbest；判斷ξ(V)＜5％是否成立，若成立，輸出目標函數值及種群歷史最優位置gbest時的置信度和規則權重，反之進行Step3.3；

Step3.3、計算置信規則庫水松紙透氣度檢測模型參數進一步優化的搜索步長α_ij，計算過程如下：

u_i＝u_max-((s-I_i)/(s-I_i))·(u_max-u_min),i＝1,2,…,s (9)

其中，式(7)中，α_ij為j維搜索空間的搜索步長，H表示搜索空間的維數，1,2,…,s表示一個種群，s表示種群的大小，i＝1,2,…,s，i表示種群中的個體目標函數值，為高斯隸屬函數，δ_ij為的絕對值，u_i為目標函數值i的隸屬度；式(8)中，t和P_max分別為當前迭代次數和最大迭代次數，和分別是同一種群中的具有最大和最小函數值的位置，abs(·)表示求絕對值；式(9)中，I_i是迭代中的每一代種群的目標函數值按降序排列后的序列編號，令隸屬度與目標函數值的排列順序成正比，在最佳位置有最大隸屬度u_max＝1.0，最差位置有最小隸屬度u_min＝0.0111，在其他位置時，u_i<1.0；

Step3.4、確定水松紙透氣度檢測模型參數進一步優化的平均搜索方向平均搜索方向由利己行為、利他行為和預動行為三個方向確定，即利己行為方向利他行為方向及預動方向

采用三個方向隨機加權幾何平均確定搜索方向

式(10)-(11)中，表示可行解域隨機產生s個初始位置，g_i,best為第i個搜尋個體所在鄰域的集體歷史最優位置，p_i,best為第i個搜尋個體到目前為止經歷過的最優位置；式(12)中，t₁,t₂∈{t,t-1,t-2}，和分別為中的最佳位置，sign(·)表示輸入矢量每一維的符號函數；式(13)中和是在已知區間[0,1]內被均勻、隨機選擇的實數，ω是慣性權值，它隨著進化代數的增加從0.9線性減小到0.1；

Step3.5、更新下一步水松紙透氣度檢測模型參數的位置x_ij(t+1)，即優化參數值，更新式如下：

Δx_ij(t+1)＝α_ij(t)d_ij(t) (14)

x_ij(t+1)＝x_ij(t)+Δ_ij(t+1) (15)

Step3.6、根據水松紙透氣度檢測模型參數的約束條件，處理優化后的參數，具體方法如式(16)～(18)所示，規則權重超出約束邊界時，按式(16)處理：

Step3.7、輸入訓練數據，由置信規則庫水松紙透氣度檢測模型計算水松紙透氣度估計值并計算目標函數ξ(V)；在gen≤Y的條件下判斷ξ(V)＜5％是否成立，若成立，輸出目標函數值及種群歷史最優位置gbest時的置信度和規則權重，反之進行Step3.3；

Step3.8、如果算法達到最大迭代次數gen或者ξ(V)＜5％，則終止迭代；否則轉至step3.3，直到滿足終止條件，輸出最優值g_i,best時的置信度和規則權重。

Step4：通過訓練得到的g_i,best，即目標函數ξ(V)得到優化，構建的置信規則庫檢測模型，用于煙草行業中的打孔水松紙透氣度檢測。

3.根據權利要求1或2所述的基于置信規則庫的水松紙透氣度檢測方法，其特征在于：所述輸入為煙草行業中采集的打孔水松紙的灰度、孔面積，所述輸出為打孔水松紙的透氣度。