專利名稱：基于人工免疫方法的卷煙葉組配方維護(hù)方法
技術(shù)領(lǐng)域：
本發(fā)明涉及的是一種應(yīng)用于葉組配方維護(hù)的計(jì)算機(jī)控制方法。
(二)
背景技術(shù)：
在巻煙葉組配方維護(hù)中，行業(yè)專家關(guān)心的是，哪些替代煙葉與未被替換的煙 葉組成新葉組后，仍能保持原標(biāo)準(zhǔn)葉組的風(fēng)格、感官質(zhì)量和煙氣含量指標(biāo)。就是 說(shuō)，要知道煙葉之間或小范圍葉組組合間的相似性。人憑經(jīng)驗(yàn)判斷，多從地區(qū)、 香型風(fēng)格等較少的主要因素考慮，不能完全平衡感官質(zhì)量和煙氣各項(xiàng)指標(biāo)，使新 葉組的這兩大質(zhì)量指標(biāo)不超出標(biāo)準(zhǔn)葉組維護(hù)允許的波動(dòng)范圍。
(三)

發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種將行業(yè)專家經(jīng)驗(yàn)、免疫網(wǎng)絡(luò)聚類與免疫神經(jīng)網(wǎng)絡(luò) 預(yù)測(cè)模型有機(jī)結(jié)合，能有效輔助葉組配方設(shè)計(jì)及提高巻煙質(zhì)量生產(chǎn)的穩(wěn)定性的基 于人工免疫方法的巻煙葉組配方維護(hù)方法。
本發(fā)明的目的是這樣實(shí)現(xiàn)的-
(1) 先將樣本數(shù)據(jù)按風(fēng)格分組，再將各組內(nèi)單料煙的理化、感官評(píng)吸、煙 氣指標(biāo)數(shù)據(jù)通過(guò)免疫網(wǎng)絡(luò)聚類，得到多類的煙葉集合；
(2) 選擇要維護(hù)的葉組配方名稱，査詢出原葉組的煙葉組成；
(3) 根據(jù)生產(chǎn)需要確定葉組中要替換的煙葉，讀取每個(gè)被替換煙葉所屬各 類集合的信息，推薦給用戶；
(4) 再根據(jù)被替換煙葉所屬大地區(qū)與出產(chǎn)年度，用戶在相近煙葉基礎(chǔ)上選 擇可用作替換的煙葉，添加到備選煙葉中；
(5) 將原葉組未被替換的煙葉與備選煙葉按一定順序組合成若干新葉組， 各新葉組中，添加煙葉的種數(shù)大于原被替換煙葉的種數(shù)；
(6) 按照免疫算法步驟，分別對(duì)各新葉組'編碼'，構(gòu)成配方方案'抗體種 群'；計(jì)算出新葉組的理化指標(biāo)，以神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)和預(yù)測(cè)模型的輸出值來(lái)計(jì)算每 代'抗體'的'適應(yīng)度'值；
(7) 進(jìn)行"免疫操作"，在"免疫變異操作"中結(jié)合專家經(jīng)驗(yàn)的規(guī)則推理，加快搜索到最佳或次佳解的速率；
(8) 在規(guī)定的抗體進(jìn)化最大代數(shù)內(nèi)，査詢是否有'適應(yīng)度'值符合目標(biāo)要 求的葉組，有則停止，否則循環(huán)至結(jié)束；
(9) 計(jì)算過(guò)程結(jié)束有解，則系統(tǒng)輸出搜索到的最佳或次佳方案，同時(shí)給出 免疫神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的感官評(píng)吸值和煙氣分析值；否則，提示沒(méi)有最佳方案的信息。
本發(fā)明的創(chuàng)新點(diǎn)在于，采用傳統(tǒng)人工智能專家系統(tǒng)方法，發(fā)揮行業(yè)專家經(jīng)驗(yàn) 及推理能力，與新的計(jì)算智能技術(shù)(免疫算法)、免疫網(wǎng)絡(luò)聚類、免疫神經(jīng)網(wǎng)絡(luò)預(yù) 測(cè)模型有機(jī)結(jié)合，構(gòu)成強(qiáng)有力的專家系統(tǒng)，應(yīng)用于葉組配方維護(hù)中。其關(guān)鍵技術(shù) 有
1、 獨(dú)特型免疫網(wǎng)絡(luò)數(shù)據(jù)自組織算法 本方法中免疫網(wǎng)絡(luò)通過(guò)免疫抗體映射聚類過(guò)程實(shí)現(xiàn)對(duì)輸入模式特征"聚類"，
提取輸入數(shù)據(jù)中的重要特征或某種內(nèi)在規(guī)律性。
系統(tǒng)先根據(jù)行業(yè)專家經(jīng)驗(yàn)將煙葉樣本按風(fēng)格分組；在煙葉的理化、感官質(zhì)量、 煙氣指標(biāo)數(shù)據(jù)歸一化后，依屬性重要性的不同分配不同的'聚類參與度'。例如， 糖堿比、施木克值、鉀氯比、香氣質(zhì)、香氣量這些重要參數(shù)分配參與度0.8，次 要參數(shù)分配參與度0.3。
免疫網(wǎng)絡(luò)根據(jù)歐氏距離相似性函數(shù)實(shí)現(xiàn)數(shù)據(jù)自組織聚類，基于被聚類數(shù)據(jù)產(chǎn) 生少量抗體，利用這些抗體表示原始煙葉數(shù)據(jù)類別特征，煙葉的類特征，可由其 理化、感官質(zhì)量、煙氣指標(biāo)表征。以這些參數(shù)作為聚類的輸入向量，得到映射到 同一類中心樣本點(diǎn)的煙葉，都可為推薦煙葉。要對(duì)煙葉進(jìn)行替換必須區(qū)分出各屬 性(參數(shù))的細(xì)微差別，因此算法中采用抗體小鄰域變異，得到抗體映射中心點(diǎn) 后，采用歐氏距離分析法計(jì)算出各中心點(diǎn)的差別度，再判定類別個(gè)數(shù)及各類包含 樣本集。
2、 免疫算法
免疫算法是一種模擬免疫系統(tǒng)抗體進(jìn)化思想的搜索優(yōu)化算法,可以避免進(jìn)化 計(jì)算易陷于局部最優(yōu)的缺陷。它以'抗體編碼'、'克隆'、'變異'、'克隆選擇'、 <抗體更新'等免疫學(xué)與進(jìn)化論思想為基礎(chǔ)，建立新型的迭代自適應(yīng)概率性搜索 與優(yōu)化方法，能夠有效保持解的多樣性，因此比傳統(tǒng)的線性規(guī)劃方法和進(jìn)化計(jì)算 方法搜索范圍更大，得到最佳或次優(yōu)解的可能更大。本方法用免疫算法完成配方葉組中煙葉比例的組合優(yōu)化，將原葉組中保留 (不被替換)煙葉加上備選替代煙葉共同組成新葉組配方，采用實(shí)數(shù)編碼。免疫 算法的'適應(yīng)度'(抗體親和力)值是用神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型計(jì)算，即為新葉組與 原葉組的感官質(zhì)量指標(biāo)、煙氣值之間的均方誤差的倒數(shù)。
本發(fā)明為建立基于人工免疫方法的巻煙葉組配方維護(hù)專家系統(tǒng)。該方法將免 疫神經(jīng)網(wǎng)絡(luò)、免疫網(wǎng)絡(luò)、免疫算法與專家系統(tǒng)方法相結(jié)合，應(yīng)用于巻煙葉組標(biāo)準(zhǔn) 配方維護(hù)，建立配方維護(hù)設(shè)計(jì)的智能系統(tǒng)。該方法先根據(jù)行業(yè)專家經(jīng)驗(yàn)將樣本數(shù) 據(jù)按風(fēng)格分組；再用獨(dú)特型免疫網(wǎng)絡(luò)聚類，將單料煙按(理化、感官、煙氣)指 標(biāo)劃分為不同的類，同類煙葉具有可替換性；結(jié)合專家經(jīng)驗(yàn)選擇煙葉，組成新葉 組方案，并采用免疫優(yōu)化算法對(duì)葉組方案編碼，進(jìn)行優(yōu)化搜索；調(diào)用成品煙的神 經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，對(duì)葉組配方方案進(jìn)行評(píng)價(jià)，最終推薦出最優(yōu)或接近最優(yōu)的幾組 葉組配方維護(hù)方案。該方法將行業(yè)專家經(jīng)驗(yàn)、免疫網(wǎng)絡(luò)聚類與免疫神經(jīng)網(wǎng)絡(luò)預(yù)測(cè) 模型有機(jī)結(jié)合，能有效輔助葉組配方設(shè)計(jì)及提高巻煙質(zhì)量生產(chǎn)的穩(wěn)定性。
(四)


圖l智能葉組配方維護(hù)系統(tǒng)的總體結(jié)構(gòu)圖。 圖2智能葉組配方維護(hù)系統(tǒng)的使用管理圖。 圖3智能葉組配方維護(hù)系統(tǒng)的流程圖。
具體實(shí)施方式
下面結(jié)合附圖舉例對(duì)本發(fā)明做更詳細(xì)地描述
本發(fā)明的基于人工免疫方法的巻煙葉組配方維護(hù)方法的實(shí)現(xiàn)步驟為-
(1) 先根據(jù)行業(yè)專家經(jīng)驗(yàn)將樣本數(shù)據(jù)按風(fēng)格分組，再將各組內(nèi)單料煙的理 化、感官評(píng)吸、煙氣指標(biāo)數(shù)據(jù)通過(guò)免疫網(wǎng)絡(luò)聚類，得到多類的煙葉集合。
(2) 選擇要維護(hù)的葉組配方名稱，査詢出原葉組的煙葉組成。
(3) 根據(jù)生產(chǎn)需要確定葉組中要替換的煙葉，讀取每個(gè)被替換煙葉所屬各 類集合的信息，推薦給用戶。用戶在此基礎(chǔ)上選擇認(rèn)為可用作替換的煙葉，加到 備選煙葉中。
(4) 再根據(jù)被替換煙葉所屬大地區(qū)與出產(chǎn)年度，用戶在相近煙葉基礎(chǔ)上選 擇可用作替換的煙葉，添加到備選煙葉中。
(5) 將原葉組未被替換的煙葉與備選煙葉按一定順序組合成若干新葉組。各新葉組中，添加煙葉的種數(shù)一般應(yīng)大于原被替換煙葉的種數(shù)。
(6) 按照免疫算法步驟，分別對(duì)各新葉組'編碼'，構(gòu)成配方方案'抗體種 群'；計(jì)算出新葉組的理化指標(biāo)，以神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)和預(yù)測(cè)模型的輸出值來(lái)計(jì)算每 代'抗體，(配方)的'適應(yīng)度'值；
(7) 進(jìn)行"免疫操作"，在"免疫變異操作"中結(jié)合專家經(jīng)驗(yàn)的規(guī)則推理， 加快搜索到最佳或次佳解的速率。
(8) 在規(guī)定的抗體進(jìn)化最大代數(shù)內(nèi)，査詢是否有'適應(yīng)度'值符合目標(biāo)要 求的葉組，有則停止，否則循環(huán)至結(jié)束。
(9) 計(jì)算過(guò)程結(jié)束有解，則系統(tǒng)輸出搜索到的最佳或次佳方案，同時(shí)給出
免疫神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的感官評(píng)吸值和煙氣分析值；否則，提示沒(méi)有最佳方案的信息。
本發(fā)明的使用管理過(guò)程為
(1) 按系統(tǒng)的用戶界面提示，用戶選擇需維護(hù)的葉組配方名稱。
(2) 査詢出此葉組配方的單料煙組成，及其他基本屬性、理化、感官評(píng)吸、 煙氣指標(biāo)的數(shù)據(jù)。
(3) 確定該葉組配方中要替換的單料煙。
(4) 系統(tǒng)從免疫神經(jīng)網(wǎng)絡(luò)知識(shí)庫(kù)中讀取與各被替換煙同類的單料煙信息，
供用戶選擇，并添加到備選替換煙葉集合中。
(5) 用戶再由系統(tǒng)根據(jù)專家經(jīng)驗(yàn)推薦的煙葉信息中選擇多種煙葉，并添加 到備選替換煙葉集合中。
(6) 系統(tǒng)調(diào)用免疫算法進(jìn)行葉組配方方案搜索與優(yōu)化，逐步逐個(gè)通過(guò)免疫 神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型評(píng)價(jià)，最終推薦出滿足要求的多個(gè)方案。
(7) 以與原葉組的各項(xiàng)屬性對(duì)比的方式，顯示新葉組配方方案的性能。 用于建立葉組配方維護(hù)的樣本數(shù)據(jù)為行業(yè)專家根據(jù)經(jīng)驗(yàn)提出相關(guān)性最大的
輸入與輸出參數(shù)包括
(1) 采集所有單料煙的指標(biāo)(理化、感官、煙氣)共23項(xiàng)作為免疫網(wǎng)絡(luò)的
輸入總糖，總煙堿，還原糖，總氮，蛋白質(zhì)，氯氣，鉀，施木克值，糖堿比， 鉀氯比；香型，香氣質(zhì)，香氣量，濃度，勁頭，雜氣，剌激性，余味，燃燒性， 灰分；焦油，煙堿，CO。
(2) 計(jì)算新葉組組成的理化參數(shù)(總糖，總煙堿，還原糖，總氮，蛋白質(zhì)，氯氣，鉀，施木克值，糖堿比，鉀氯比)作為免疫神經(jīng)網(wǎng)絡(luò)評(píng)吸預(yù)測(cè)模型的輸入 參數(shù)。
權(quán)利要求
1、一種基于人工免疫方法的卷煙葉組配方維護(hù)方法，其特征是(1)先將樣本數(shù)據(jù)按風(fēng)格分組，再將各組內(nèi)單料煙的理化、感官評(píng)吸、煙氣指標(biāo)數(shù)據(jù)通過(guò)免疫網(wǎng)絡(luò)聚類，得到多類的煙葉集合；(2)選擇要維護(hù)的葉組配方名稱，查詢出原葉組的煙葉組成；(3)根據(jù)生產(chǎn)需要確定葉組中要替換的煙葉，讀取每個(gè)被替換煙葉所屬各類集合的信息，推薦給用戶；(4)再根據(jù)被替換煙葉所屬大地區(qū)與出產(chǎn)年度，用戶在相近煙葉基礎(chǔ)上選擇可用作替換的煙葉，添加到備選煙葉中；(5)將原葉組未被替換的煙葉與備選煙葉按一定順序組合成若干新葉組，各新葉組中，添加煙葉的種數(shù)大于原被替換煙葉的種數(shù)；(6)按照免疫算法步驟，分別對(duì)各新葉組‘編碼’，構(gòu)成配方方案‘抗體種群’；計(jì)算出新葉組的理化指標(biāo)，以神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)和預(yù)測(cè)模型的輸出值來(lái)計(jì)算每代‘抗體’的‘適應(yīng)度’值；(7)進(jìn)行“免疫操作”，在“免疫變異操作”中結(jié)合專家經(jīng)驗(yàn)的規(guī)則推理，加快搜索到最佳或次佳解的速率；(8)在規(guī)定的抗體進(jìn)化最大代數(shù)內(nèi)，查詢是否有‘適應(yīng)度’值符合目標(biāo)要求的葉組，有則停止，否則循環(huán)至結(jié)束；(9)計(jì)算過(guò)程結(jié)束有解，則系統(tǒng)輸出搜索到的最佳或次佳方案，同時(shí)給出免疫神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的感官評(píng)吸值和煙氣分析值；否則，提示沒(méi)有最佳方案的信息。
全文摘要
本發(fā)明提供的是一種基于人工免疫方法的卷煙葉組配方維護(hù)方法。將免疫神經(jīng)網(wǎng)絡(luò)、免疫網(wǎng)絡(luò)、免疫算法與專家系統(tǒng)方法相結(jié)合，應(yīng)用于卷煙葉組標(biāo)準(zhǔn)配方維護(hù)，建立配方維護(hù)設(shè)計(jì)的智能系統(tǒng)。該方法先根據(jù)行業(yè)專家經(jīng)驗(yàn)將樣本數(shù)據(jù)按風(fēng)格分組；再用獨(dú)特型免疫網(wǎng)絡(luò)聚類，將單料煙按指標(biāo)劃分為不同的類，同類煙葉具有可替換性；結(jié)合專家經(jīng)驗(yàn)選擇煙葉，組成新葉組方案，并采用免疫優(yōu)化算法對(duì)葉組方案編碼，進(jìn)行優(yōu)化搜索；調(diào)用成品煙的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，對(duì)葉組配方方案進(jìn)行評(píng)價(jià)，最終推薦出最優(yōu)或接近最優(yōu)的幾組葉組配方維護(hù)方案。該方法將行業(yè)專家經(jīng)驗(yàn)、免疫網(wǎng)絡(luò)聚類與免疫神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型有機(jī)結(jié)合，能有效輔助葉組配方設(shè)計(jì)及提高卷煙質(zhì)量生產(chǎn)的穩(wěn)定性。
文檔編號(hào)G05B19/418GK101419454SQ20081020960
公開(kāi)日2009年4月29日 申請(qǐng)日期2008年12月4日 優(yōu)先權(quán)日2008年12月4日
發(fā)明者丁香乾, 馮天瑾, 周長(zhǎng)生, 毅 安, 徐立芳, 輝 李, 王志軍, 管鳳旭, 莫宏偉, 馬琳濤 申請(qǐng)人:哈爾濱工程大學(xué)