建立卷烟叶组配方设计的混合专家系统的方法

摘要

本发明为建立卷烟叶组配方设计的混合专家系统的方法。本发明将传统专家系统与进化计算(遗传算法)组合优化方法，以及卷烟感官评吸(感觉测试)和烟气分析指标的神经网络预测模型三者有机结合，建立卷烟叶组配方设计的混合专家系统(智能系统)。该系统根据企业确定的新产品设计要求，确定目标叶组特性；依专家系统规则，选取符合设计要求的备选烟叶集合，并形成多个叶组配方方案；并运用神经网络预测模型与进化计算方法对它们进行组合优化，从而为卷烟生产推荐符合设计目标要求的若干方案。

说明书

技术领域

本发明涉及一种智能配方设计系统的建立方法，具体是运用遗传算法、神经网络专家系统方法与传统专家系统规则推理有机结合，建立卷烟叶组配方设计的混合专家系统的方法。

背景技术

烟叶包含几千种化学成分，而且在吸烟过程中众多的化学成分相互作用，刺激人的味觉、嗅觉、触觉，产生感官评吸的各项指标，其关系极其复杂。配方师的经验是十分可贵的，但也具有明显的不确定性。在传统的卷烟叶组配方设计(即新产品开发)中，最令行业专家难以把握的，就是如何从备选烟叶集合中选择合适的烟叶，分配以各自合适的比例，使它们最终满足叶组配方目标设计要求。早期，叶组配方设计是凭借配方师经验与反复试验实现。近些年，有的企业采用了传统的计算机辅助设计方法，即是采用统计学线性规划方法实现配方过程的多参数优化。但是，由于叶组配方涉及到的是一个很复杂的优化问题，这种传统方法要求约束条件多，解搜索空间小，不能有效地辅助配方人员进行新产品设计。

模拟进化计算的主要内容是遗传算法，是一种模拟达尔文进化论思想的全局性优化算法。它以‘基因编码’、‘遗传’、‘变异’、‘杂交’、‘适应与自然选择’、‘种群进化’等遗传学与进化论思想为基础，形成了一套迭代自适应概率性搜索与优化方法，比传统的线性规划方法搜索范围更大，得到最佳或满意解的可能更大。实践表明，将遗传算法、神经网络专家系统方法与传统专家系统规则推理有机结合，为建立卷烟叶组配方的智能设计系统提供了有效方法。

发明内容

本发明的目的在于，克服已有技术的不足，提供一种建立卷烟叶组配方设计的混合专家系统的方法。本发明将传统专家系统与进化计算(遗传算法)组合优化方法，以及卷烟感官评吸(即感觉测试)和烟气分析指标的神经网络预测模型三者有机结合，建立卷烟叶组配方的智能设计系统。该系统根据企业确定的新产品设计要求，确定目标叶组特性；依专家系统规则，选取符合设计要求的备选烟叶集合，并形成多个叶组配方方案；并运用神经网络预测模型与进化计算方法对它们进行组合优化，从而为卷烟生产推荐符合设计目标要求的若干方案。

本发明的核心技术，是将遗传算法、传统专家系统、行业专家经验以及神经网络预测模型有机结合，以构成高效的卷烟叶组配方的智能设计系统。

本发明以烟叶选用的比例为‘基因编码’，将备选烟叶按选择顺序进行实数编码，构成配方方案‘种群’；计算出各叶组的理化指标；再依其风格的不同，调用神经网络评价和预测模型，计算每代配方方案‘个体’或‘染色体’的评价值‘适应度’。在进行‘遗传’、‘遗传变异’操作中结合专家经验的规则推理，加快搜索到最佳或满意解的速率。

例如，形式为‘如果......则......’的专家经验推理规则：

如果新叶组方案的成本大于目标值

则减小叶组中价格最高的烟叶的比例，增大价格最小的烟叶的比例；

如果感官中的香气质分值误差＞0.5

则改变(即‘变异’)主料烟中香气质最好的和最差的烟叶的比例；

如果感官质量中光泽、协调、杂气、刺激性的分值中有两项分值误差大于＞0.5

则改变主辅料烟中相应感官质量项最好的和最差的烟叶的比例；

如果烟气中烟碱值或焦油量大于设计值

则改变填充料烟、辅料烟集合中的烟叶比例。

实践证明，本方法是一种行之有效的建立卷烟叶组配方的智能设计系统的方法。建立起来的系统能明显提高叶组配方设计的效率与精度，缩短新产品开发时间，提高企业库存管理、资源管理与信息化水平。

附图说明

下面结合附图进一步说明本发明。

图1卷烟叶组配方的设计智能系统流程图。

图2卷烟叶组配方设计智能系统的使用管理图。

图3卷烟叶组配方设计智能系统的总体结构图。

具体实施方式

本发明用于建立卷烟叶组配方的智能设计系统的流程如图3所示，其步骤如下：

(1)首先由企业确定产品开发目标叶组的风格、价位，以及感官质量(感觉测试)、烟气指标的目标值；

(2)设定目标叶组中主料烟、辅料烟、填充料烟的比例浮动范围。专家根据人机交互选择合适的烟叶，备选烟叶个数不限制；

(3)根据专家规则选取符合设计要求的各地区烟叶，分别作为主料烟、辅料烟、填充料烟，并按选择顺序添加到备选烟叶集合中，并成多个叶组配方方案；

(4)按照遗传算法步骤，以烟叶选用的比例为‘基因编码’，将备选烟叶按选择顺序进行实数编码，构成配方方案‘种群’；计算出各叶组的理化指标；再依其风格的不同，调用神经网络评价和预测模型，计算每代‘个体’(配方)的‘适应度’(评价)值；

(5)进行‘遗传’操作，在‘遗传变异’操作中结合专家经验的规则推理，加快搜索到最佳或满意解的速率；

(6)系统算出染色体所代表的叶组的理化指标值，调用已有的卷烟评吸与烟气指标的神经网络预测模型，求出新叶组的感官和烟气的预测值。在‘进化最大代’时间内，是否有‘适应度’值符合目标要求的叶组，有则停止，否则循环至结束；

(7)若运行过程结束有解，则系统输出搜索到的最佳或满意方案，同时给出神经网络模型预测的感官评吸和烟气分析值；否则，提示没有最佳方案的信息。

本发明所建立的叶组配方智能设计系统的使用管理步骤如图2所示，为：

(1)按系统用户界面提示，用户录入叶组配方设计目标，即设计要求的目标叶组配方的风格；包括目标成品烟的风格，各感官质量和烟气指标值；依次录入目标叶组的感官质量、烟气指标值；

(2)用户根据目标设计需要，查询库存烟叶，选择有可能用于配方的多个品种烟叶；

(3)调用遗传算法完成配方叶组中烟叶比例的组合优化，即系统对多种初始配方方案进行组合优化，再通过神经网络预测模型对相应风格的叶组的评价，最终推荐出符合设计目标的多个叶组配方方案，并显示出新叶组方案的组成及比例，同时显示经神经网络预测的新叶组方案将达到的感官质量和烟气指标值。如果组合优化过程无满意结果，则系统提示在规定条件下，设计目标无满意解；

(4)如果没有找到满意结果，用户可调整备选烟叶集合，重新进行叶组配方设计。

所建立的系统的总体结构如图1所示。智能系统的关键部分包括：结合专家经验、实现优化搜索的遗传算法，以及基于神经网络的叶组特性分类、叶组评吸指标的BP网络预测模型。用户和技术人员通过人机交互界面与系统协同工作，确定目标叶组的风格、价位、感官评吸及烟气指标的目标值，目标叶组中主料烟、辅料烟、填充料烟的比例浮动范围；选取符合设计要求的各地区烟叶，形成多个叶组配方方案；最后由系统搜索并推荐出满意的多个叶组配方方案，作为系统的输出。

本方法可使用以下指标参数，如烟叶理化指标、感官质量指标以及烟气分析指标，也允许作某些改变。

烟叶的理化指标：

总糖，总烟碱，还原糖，总氮，蛋白质，氯气，钾，施木克值，糖碱比，钾氯比，以及气相色谱分析成分。

烟叶的感官质量指标：

香型，香气质，香气量，浓度，劲头，杂气，刺激性，余味，燃烧性，灰分。

烟叶的烟气分析指标：焦油，CO，烟碱。

综上所述，本发明所建立的叶组配方智能设计系统，一方面采用传统人工智能专家系统方法，以便更好地发挥行业专家经验；另一方面采用遗传算法、神经网络专家系统方法，发掘大量数据内部的知识，实现高效配方方案的搜索与优化；再将两者有机结合，构成了强有力的混合专家系统，应用于叶组配方设计中。

除以上所述内容外，随着经验知识积累，对烟叶成分科学分析的深入，以及计算智能与神经网络技术的改进，对本系统的适当修改都为本发明的范围。