一種基于最小二乘支持向量機(jī)的水松紙透氣度檢測方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種基于最小二乘支持向量機(jī)的水松紙透氣度檢測方法，屬于信息處 理技術(shù)領(lǐng)域。
【背景技術(shù)】
[0002] 當(dāng)前，隨著國家經(jīng)濟(jì)和社會(huì)的發(fā)展，人們對(duì)健康問題的日益關(guān)注，自我保護(hù)意識(shí)不 斷加強(qiáng)。我們知道吸煙對(duì)健康有很大的危害性，為了減輕吸煙對(duì)人體健康的危害，煙草行業(yè) 投入了大量的人力物力進(jìn)行研究。
[0003] 打孔水松紙透氣度的大小是有效控制卷煙中焦油含量的一個(gè)重要指標(biāo)，而焦油量 是香煙對(duì)人體健康造成傷害的一個(gè)重要的指標(biāo)，我國是一個(gè)煙草大國，擁有世界上最多的 煙民，研究高效可靠的水松紙透氣度檢測方法對(duì)國民經(jīng)濟(jì)和人民生活水平的提高都具有特 別重要的意義。
[0004] 現(xiàn)有的水松紙檢測方法有如下幾種：
[0005] ( -）離線檢測
[0006] 本特生法檢測原理：在一種規(guī)定的壓差下，在一定的時(shí)間內(nèi)測量通過試樣一定的 表面積的空氣量。通常試樣的測定表面積為2cm2，透氣度最終精確到1CU。
[0007] 肖伯爾法檢測原理：在規(guī)定的壓差下，測試一定時(shí)間透過試樣的空氣體積。測試的 面積為 2. 0±0. 2cm2。
[0008] 通過對(duì)本特生法和肖伯爾法這兩種傳統(tǒng)方法的分析和調(diào)研可知，它們?cè)趯?shí)際應(yīng)用 中已經(jīng)取得了很好的效果，但是仍然存在一些不足。首先，傳統(tǒng)的方法需要使空氣壓縮機(jī)產(chǎn) 生的氣體通過水松紙，然后通過檢測水松紙兩端的壓差來計(jì)算透氣度，故所需要較多的硬 件設(shè)備，導(dǎo)致造價(jià)比較昂貴；其次，傳統(tǒng)方法的測量速度比較慢，最快也是要到4s，不利于 提高生產(chǎn)率；此外，采用這種方法設(shè)計(jì)的透氣度檢測是只能用離線測量。
[0009] (二）在線檢測
[0010] 國內(nèi)使用的水松紙透氣度在線檢測儀大多來自德國和瑞典，德國BASTAN公司生 產(chǎn)的在線透氣度檢測儀，其原理是使用普通光源光穿過孔后被聚焦到光電二極管陣列，使 光信號(hào)轉(zhuǎn)變?yōu)殡娦盘?hào)，該電信號(hào)即為與透氣度相對(duì)應(yīng)的一個(gè)測量值，但光源的不穩(wěn)定性及 光的不均勻性，會(huì)使測量產(chǎn)生誤差。瑞典L&W公司的2000型在線透氣度檢測儀，其原理則是 使移動(dòng)的紙張緊貼到測量輻板表面，在輻板上一定面積的測量槽內(nèi)施加恒定吸力，然后測 量一定體積的空氣穿透紙張所需的時(shí)間，再將時(shí)間轉(zhuǎn)換成與透氣度指標(biāo)相對(duì)應(yīng)的參數(shù)。由 于紙張移動(dòng)速度極快。這種測量方法會(huì)產(chǎn)生較大的測量誤差。

【發(fā)明內(nèi)容】

[0011] 本發(fā)明提供了一種基于最小二乘支持向量機(jī)的水松紙透氣度檢測方法，以用于現(xiàn) 有的水松紙透氣度檢測設(shè)備造價(jià)昂貴，測量速度慢及在線檢測測量誤差較大的問題。
[0012] 本發(fā)明基于最小二乘支持向量機(jī)的水松紙透氣度檢測方法是這樣實(shí)現(xiàn)的：所述基 于最小二乘支持向量機(jī)的水松紙透氣度檢測方法的具體步驟如下：
[0013] S1、獲取已知的打孔水松紙透氣度樣本數(shù)據(jù)；
[0014] S2、對(duì)采集的數(shù)據(jù)進(jìn)行歸一化處理，得到樣本集；
[0015] S3、將樣本集的數(shù)據(jù)分為兩部分，一部分作為LS-SVM(最小二乘支持向量機(jī)）訓(xùn)練 樣本，一部分作為測試樣本，并通過PSO (粒子群優(yōu)化算法）算法對(duì)LS-SVM參數(shù)進(jìn)行優(yōu)化， 即粒子群算法對(duì)LS-SVM參數(shù)進(jìn)行優(yōu)化；將訓(xùn)練樣本用于支持向量回歸機(jī)的訓(xùn)練，得到最小 二乘支持向量機(jī)數(shù)學(xué)模型；測試樣本用于測試模型的精度；
[0016] S4、獲得LS-SVM最優(yōu)參數(shù)；
[0017] S5、利用訓(xùn)練樣本集，對(duì)優(yōu)化參數(shù)的LS-SVM進(jìn)行訓(xùn)練，得到最優(yōu)化的LS-SVM數(shù)學(xué) 模型，即打孔水松紙透氣度檢測模型；
[0018] S6、采用建立的打孔水松紙透氣度檢測模型，對(duì)測試樣本進(jìn)行檢測。
[0019] 所述Sl步驟中，所述已知的打孔水松紙透氣度樣本數(shù)據(jù)包括水松紙的打孔面積 及水松紙透氣度。
[0020] 所述S2步驟中，所述歸一化處理的公式為：
[0021]
[0022] 其中，Sk為獲取的第k個(gè)打孔水松紙的打孔面積，s_為所述Sk中的最小值，s_ 為所述s k中的最大值，η為所述打孔水松紙透氣度樣本的數(shù)目，g (s k)為％歸一化處理后得 到的數(shù)據(jù)。
[0023] 所述S3步驟中，所述的將樣本集的數(shù)據(jù)分為兩部分包括：隨機(jī)選擇樣本集中2/3 的數(shù)據(jù)為訓(xùn)練樣本，構(gòu)成訓(xùn)練樣本集；其余1/3的數(shù)據(jù)為測試樣本，構(gòu)成測試樣本集。
[0024] 所述S3步驟中，所述的通過PSO算法對(duì)LS-SVM參數(shù)進(jìn)行優(yōu)化，其具體步驟如下：
[0025] S3. 1、初始化粒子群，即隨機(jī)產(chǎn)生一組初始化值，包括微粒的速度和位置；設(shè)定粒 子群參數(shù)，在空間Rn中隨機(jī)產(chǎn)生η個(gè)粒子X i，x2, ...，Xn，組成初始化種群X (t);隨機(jī)產(chǎn)生各 粒子的初始速度V1, v2, ...，Vn，組成速度矩陣V (t);每個(gè)粒子的個(gè)體最優(yōu)值P1的初始值為 Xi的初始值，所述Pi= (Pil, Pi2);
[0026] S3. 2、計(jì)算所述粒子群中所有粒子的適應(yīng)度；
[0027] 其中，所述適應(yīng)度值公式如下：
[0028]
[0029] 其中，y]為訓(xùn)練樣本集中的第j個(gè)樣本的透氣度真實(shí)值，^為訓(xùn)練樣本集中的第j 個(gè)樣本的透氣度預(yù)測值，m為訓(xùn)練樣本集中樣本向量的個(gè)數(shù)；
[0030] S3. 3、對(duì)于每個(gè)粒子，將當(dāng)前各微粒的適應(yīng)度值f (X1)與自身的最優(yōu)值適應(yīng)度值 f (P1)進(jìn)行比較，若f (X1) <f (P1)，則用適應(yīng)度值f (X1)更新f (P1);
[0031] S3. 4、對(duì)于每個(gè)粒子，將每個(gè)粒子的最優(yōu)適應(yīng)度值f (X1)與所有粒子的最優(yōu)適應(yīng)度 值f(Pg)進(jìn)行比較，若f(Xl) <f(Pg)，則用適應(yīng)度值f(Xl)更新f(Pg)，同時(shí)保存粒子的當(dāng)前 位置和速度；
[0032] S3. 5、更新粒子位置、速度，產(chǎn)生新種群X(t+1)，其中，速度調(diào)整方式為：
[0033] 當(dāng) V1 > v nax時(shí)，視為 v i = v nax;當(dāng) v A -v nax時(shí)，視為 v i = -v nax;
[0034] 其中，所述的更新粒子的速度和位置公式如下：
[0035]
[0036]
[0037] 其中，ω為慣性權(quán)因子，(^和c 2為正的加速常數(shù)，r挪r 2為在0到1之間均勻分 布的隨機(jī)數(shù)，另外，通過設(shè)置微粒的速度區(qū)間[-v_，v_]和位置范圍[1_，1_]，則對(duì)微粒 的移動(dòng)進(jìn)行限制；
[0038] 對(duì)種群中每一個(gè)粒子i而言，它的位置表示為X1= (X u，xl2, ...，xld)，它的飛行速 度表示為Vi= (V vi2, · · ·，vid)，粒子自身經(jīng)歷過的最優(yōu)位置記為Pi= (P Pi2, · · ·，Pid)， 種群中所有粒子目前為止所經(jīng)歷過的最優(yōu)位置記為Pg= (p gl，pg2,...，Pgd)。
[0039] 對(duì)于公式中i，j的解釋：其中j = 1，2, . . .，d，d為解空間的維數(shù)，（由于本方法中 只需要優(yōu)化LS-SVM中的兩個(gè)參數(shù)，故d = 2) ;i = 1，2, ...，η，η為粒子種群規(guī)模，即隨機(jī)產(chǎn) 生的粒子數(shù)，（本發(fā)明中可取η = 20)。
[0040] 其中，更新慣性因子ω公式如下：
[0041 ]
[0042]其中，
[0043] Tniax為最大迭代次數(shù)，ω e [ ω _，ω _]，將ω初始化為〇· 9,并使其隨迭代次數(shù)增 加而線性遞減至0. 4 ;
[0044] S3. 6、檢查停止條件，如果達(dá)到最大迭代次數(shù)Tniax則停止迭代；否則，返回步驟 S3. 2 ；
[0045] S3. 7、輸出最優(yōu)參數(shù)。
[0046] 本發(fā)明的有益效果是：
[0047] 基于最小二乘支持向量機(jī)水松紙透氣度檢測方法對(duì)硬件需求低，結(jié)構(gòu)簡單，具有 良好的可靠性。
[0048] 基于最小二乘支持向量機(jī)的水松紙透氣度檢測方法能夠?qū)ζ溥M(jìn)行快速，準(zhǔn)確的擬 合預(yù)測。
[0049] 基于最小二乘支持向量機(jī)的水松紙透氣度檢測方法，提高了模型精度和泛化能 力，克服了現(xiàn)有檢測方法精度低的缺點(diǎn)，對(duì)實(shí)現(xiàn)水松紙透氣度在線檢測和智能控制具有重 要意義。
【附圖說明】
[0050] 圖1為本發(fā)明中的流程圖；
[0051] 圖2為本發(fā)明采用PSO-LS-SVM模型的測試集預(yù)測結(jié)果圖；
[0052] 圖3為本發(fā)明采用PSO-LS-SVM模型的測試集誤差結(jié)果圖。
【具體實(shí)施方式】
[0053] 實(shí)施例1 :如圖1-3所示，一種基于最小二乘支持向量機(jī)的水松紙透氣度檢測方 法，所述基于最小二乘支持向量機(jī)的水松紙透氣度檢測方法的具體步驟如下：
[0054] S1、獲取已知的打孔水松紙透氣度樣本數(shù)據(jù)；
[0055] S2、對(duì)采集的數(shù)據(jù)進(jìn)行歸一化處理，得到樣本集；
[0056] S3、將樣本集的數(shù)據(jù)分為兩部分，一部分作為LS-SVM訓(xùn)練樣本，一部分作為測試 樣本，并通過PSO算法對(duì)LS-SVM參數(shù)進(jìn)行優(yōu)化，即粒子群算法對(duì)LS-SVM參數(shù)進(jìn)行優(yōu)化；將 訓(xùn)練樣本用于支持向量機(jī)的訓(xùn)練，得到最小二乘支持向量機(jī)數(shù)學(xué)模型；測試樣本用于測試 模型的精度；
[0057] S4、獲得LS-SVM最優(yōu)參數(shù)；
[0058] S5、利用訓(xùn)練樣本集，對(duì)優(yōu)化參數(shù)的LS-SVM進(jìn)行訓(xùn)練，得到最優(yōu)化的LS-SVM數(shù)學(xué) 模型，即打孔水松紙透氣度檢測模型；
[0059] S6、采用建立的打孔水松紙透氣度檢測模型，對(duì)測試樣本進(jìn)行檢測。
[0060] 所述Sl步驟中，采集到某煙廠的108個(gè)打孔水松紙樣本數(shù)據(jù)，所述已知的打孔水 松紙透氣度樣本數(shù)據(jù)包括水松紙的打孔面積及水松紙透氣度。
[0061] 所述S2步驟中，所述歸一化處理的公式為：
[0062]
[0063] 其中，Sk為獲取的第k個(gè)打孔水松紙的打孔面積，s_為所述Sk中的最小值，s_ 為所述s k中的最大值，η為所述打孔水松紙透氣度樣本的數(shù)目，g (s k)為％歸一化處理后得 到的數(shù)據(jù)。
[0064] 所述S3步驟中，所述的將樣本集的數(shù)據(jù)分為兩部分包括：隨機(jī)選擇樣本集中2/3 的數(shù)據(jù)（即72個(gè)樣本）為訓(xùn)練樣本，構(gòu)成訓(xùn)練樣本集；其余1/3的數(shù)據(jù)（即36個(gè)樣本）為 測試樣本，構(gòu)成測試樣本集。
[0065] 利用訓(xùn)練樣本集，建立最小二乘支持向量機(jī)數(shù)學(xué)模型，具體步驟如下：
[0066] 給定一個(gè)有N個(gè)訓(xùn)練樣本的集合{xk, yk}，k = 1，2, . . .，n，其中訓(xùn)練樣本η維向量 Xke RnJke
[0067] 首先用一個(gè)非線性映射〇把原空間樣本從1^映射到特征空間Ρ(Χ,)，這樣就把低 維空間的非線性逼近問題轉(zhuǎn)化為高維空間的線性化逼近問題，在這個(gè)高維特征空間中構(gòu)造 最優(yōu)決策函數(shù)：
[0068]
[0069] 依據(jù)結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則，尋找ω，b就是最小化：
[0070]
[0071] 其中，I I ω I I2控制模型的復(fù)雜度；γ是正規(guī)化參數(shù)，控制對(duì)超出誤差樣本的懲罰 程度；ω為權(quán)矢量；b為偏差量，1