基于RBF網(wǎng)絡(luò)的卷煙質(zhì)量檢測與診斷探究

林潔 蔣海玲 葉雷 李倩

河北中煙工業(yè)有限責(zé)任公司 河北 石家莊 050000

引言

RBF網(wǎng)絡(luò)全稱為Radial Basis Function Neyral Network，中文名為徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)。作為一種三層神經(jīng)網(wǎng)絡(luò)，RBF神經(jīng)網(wǎng)絡(luò)包括輸入層、隱藏層、輸出層，其中，從輸入層到隱藏層是非線性的，從隱藏層到輸出層是線性的。RBF神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)流過程如下：

圖1 RBF神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)流

輸入層到隱藏層之間并非通過權(quán)值和閾值進(jìn)行連接，而是憑借輸入樣本與隱藏層點(diǎn)之間的距離（與中心點(diǎn)的距離）達(dá)到連接的目的。先通過計(jì)算確定實(shí)際距離，將距離代入徑向基函數(shù)，得到相應(yīng)的數(shù)值。隨后，再將該數(shù)值與權(quán)值相乘并求和，便可得到相應(yīng)輸入的輸出。作為實(shí)值函數(shù)的徑向基函數(shù)，其取值往往取決于原點(diǎn)距離，簡單來說，就是以原點(diǎn)到中心點(diǎn)的距離為依據(jù)，通過計(jì)算的方式輸出實(shí)值，離中心點(diǎn)越近，則輸出值越大。

RBF神經(jīng)網(wǎng)絡(luò)強(qiáng)調(diào)以自身學(xué)習(xí)機(jī)制為依托，確保決策區(qū)域可自動(dòng)形成。該技術(shù)不僅能夠通過逐一訓(xùn)練狀態(tài)不同的信息的方式，對(duì)相應(yīng)的映射關(guān)系進(jìn)行獲取，而且具備連續(xù)學(xué)習(xí)的功能，其作用是在外界環(huán)境發(fā)生變化的情況下，使訓(xùn)練所得映射關(guān)系實(shí)現(xiàn)自適應(yīng)。另外，該技術(shù)還新增了提取特征、變換信號(hào)模式等功能，現(xiàn)階段主要被用來輔助實(shí)時(shí)監(jiān)測、狀態(tài)診斷以及離線診斷工作的開展，將神經(jīng)網(wǎng)絡(luò)應(yīng)用在檢測卷煙質(zhì)量的過程中是大勢(shì)所趨。

1 項(xiàng)目建設(shè)背景

在很長一段時(shí)間內(nèi)，實(shí)驗(yàn)室對(duì)數(shù)據(jù)進(jìn)行管理的方式均為人工管理，傳統(tǒng)管理方式所存在問題較多，例如，管理效率難以提高，數(shù)據(jù)保密性較差，對(duì)數(shù)據(jù)關(guān)聯(lián)度進(jìn)行分析所得結(jié)論不全面，此外，隨著生產(chǎn)規(guī)模的擴(kuò)大，將有大量紙質(zhì)報(bào)表及文件產(chǎn)生，無論是查找、日常維護(hù)還是更新工作，其難度均有目共睹。作為可使檢測過程得到完善，確保卷煙質(zhì)量得到實(shí)時(shí)監(jiān)督的關(guān)鍵，數(shù)據(jù)處理系統(tǒng)所分析內(nèi)容，通常會(huì)給決策層、管理層產(chǎn)生深遠(yuǎn)影響，在實(shí)際應(yīng)用中，本系統(tǒng)可充分利用現(xiàn)有技術(shù)對(duì)儀器進(jìn)行聯(lián)網(wǎng)，確保儀器數(shù)據(jù)得到快速且全面收集，在此基礎(chǔ)上，通過整理檢測所得數(shù)據(jù)的方式，利用軟件完成建模及綜合分析操作，通過對(duì)數(shù)據(jù)挖掘模型進(jìn)行建立的方式，確保質(zhì)量分析工作具有符合項(xiàng)目特點(diǎn)的各類模型，并結(jié)合RBF神經(jīng)網(wǎng)絡(luò)算法對(duì)卷煙質(zhì)量進(jìn)行預(yù)測與分析，保證決策層以及管理層均能夠做到以分析結(jié)果為依據(jù)，對(duì)卷煙日常生產(chǎn)提供科學(xué)指導(dǎo)，為管理層各項(xiàng)工作的開展提供便利[1]。

2 現(xiàn)有卷煙質(zhì)量檢測情況

技術(shù)中心現(xiàn)有檢驗(yàn)儀器的類別涉及二十多類，各類檢驗(yàn)儀器都需要檢測人員手動(dòng)拷貝儀器數(shù)據(jù)至電腦并向工藝質(zhì)量平臺(tái)進(jìn)行上傳，此外，檢測人員還可以選擇向申請(qǐng)部門提供檢測文本，由申請(qǐng)部門根據(jù)文本數(shù)據(jù)完成后續(xù)工作。一部分儀器配有相應(yīng)的網(wǎng)絡(luò)接口及工業(yè)電腦，通常只需將其與網(wǎng)絡(luò)進(jìn)行連接，便可使檢測數(shù)據(jù)被上傳至相應(yīng)的系統(tǒng)。例如，拉力儀、透氣度測試儀、卷煙密度水分儀、含末率檢測儀、檢測卷煙薄膜所具有熱收縮率的儀器等。對(duì)重金屬、有機(jī)物進(jìn)行檢測的儀器，通常要借助儀器廠商所提供軟件對(duì)數(shù)據(jù)進(jìn)行分析，才能獲得最終的檢測結(jié)果[2]。與此同時(shí)，專業(yè)的技術(shù)人員還應(yīng)當(dāng)目測卷煙外觀、包裝，手工登記目測所發(fā)現(xiàn)的缺陷與不足，通過與紙質(zhì)材料進(jìn)行匯總的方式，得出卷煙的最終檢測結(jié)果。

3 項(xiàng)目建設(shè)具體內(nèi)容說明

本系統(tǒng)首先需要完成對(duì)實(shí)驗(yàn)室現(xiàn)有檢測儀器的數(shù)據(jù)對(duì)接處理，確保檢測原始數(shù)據(jù)可得到自動(dòng)采集、處理及存儲(chǔ)，與此同時(shí)，通過引入RBF神經(jīng)網(wǎng)絡(luò)算法，計(jì)算并分析原始數(shù)據(jù)，生成相應(yīng)的文本報(bào)告或報(bào)表，利用圖表對(duì)匯總數(shù)據(jù)進(jìn)行分析，對(duì)卷煙質(zhì)量結(jié)果進(jìn)行分析與診斷，為日后卷煙生產(chǎn)工作的開展提供參考。結(jié)合整體規(guī)劃可知，本項(xiàng)目的建設(shè)內(nèi)容可被劃分成以下部分：

3.1 存儲(chǔ)數(shù)據(jù)

升級(jí)實(shí)驗(yàn)室沒有進(jìn)行電子化處理的儀器數(shù)據(jù)，根據(jù)本系統(tǒng)所提供數(shù)據(jù)規(guī)范，對(duì)各種格式的數(shù)據(jù)進(jìn)行存儲(chǔ)并應(yīng)用，通過將固有屏障打通的方式，確保數(shù)據(jù)得到充分融合。

3.2 歸集數(shù)據(jù)

基于大數(shù)據(jù)平臺(tái)對(duì)下屬煙廠和卷煙質(zhì)量數(shù)據(jù)進(jìn)行歸集，將平臺(tái)所歸集數(shù)據(jù)和實(shí)驗(yàn)室數(shù)據(jù)關(guān)聯(lián)，通過實(shí)驗(yàn)室數(shù)據(jù)整合卷煙質(zhì)量數(shù)據(jù)、檢測所得數(shù)據(jù)，確保業(yè)務(wù)系統(tǒng)與煙廠間所存在數(shù)據(jù)壁壘被打破，為質(zhì)量數(shù)據(jù)庫的建立提供支持。

3.3 建立模型

綜合考慮數(shù)據(jù)規(guī)模、數(shù)據(jù)結(jié)構(gòu)和存儲(chǔ)結(jié)果，通過建模計(jì)算的方式，獲得具有實(shí)際意義的分析結(jié)果。在分析計(jì)算過程中，本系統(tǒng)可經(jīng)由數(shù)據(jù)集完成學(xué)習(xí)訓(xùn)練操作，對(duì)質(zhì)量規(guī)律進(jìn)行總結(jié)并建模，借助模型對(duì)生產(chǎn)質(zhì)量所涉及各分析項(xiàng)加以確定[3]。

3.4 RBF網(wǎng)絡(luò)應(yīng)用

引入RBF神經(jīng)網(wǎng)絡(luò)算法，以輔材、卷煙各類檢測項(xiàng)目的檢測結(jié)果作為輸入層數(shù)據(jù)進(jìn)行接入，將各檢測項(xiàng)目的國標(biāo)、企標(biāo)質(zhì)量判定標(biāo)準(zhǔn)作為隱藏層進(jìn)行計(jì)算標(biāo)準(zhǔn)，以各指標(biāo)檢測結(jié)果與國標(biāo)、企標(biāo)質(zhì)量標(biāo)準(zhǔn)的距離為基礎(chǔ)，結(jié)合徑向基函數(shù)進(jìn)行結(jié)果輸出，由此來全面了解卷煙各類檢測項(xiàng)目質(zhì)量結(jié)果的分布情況[4]。

3.5 分析數(shù)據(jù)

以RBF神經(jīng)網(wǎng)絡(luò)輸出的質(zhì)量分布情況為基礎(chǔ)，整合所得質(zhì)量數(shù)據(jù)為依托，對(duì)質(zhì)量分析應(yīng)用進(jìn)行構(gòu)建，淘汰現(xiàn)有煙囪應(yīng)用模式，避免出現(xiàn)線下上報(bào)以及各系統(tǒng)獨(dú)立開展分析工作的情況。

3.6 生成報(bào)告

將歷史數(shù)據(jù)導(dǎo)入質(zhì)量評(píng)估模型，根據(jù)分析所得結(jié)果和調(diào)整所得數(shù)據(jù)，獲得最終分析結(jié)果，利用文字與圖表相結(jié)合的方式，對(duì)分析結(jié)果進(jìn)行直觀展示。在本項(xiàng)目中，可供選擇的圖表類型較多，包括但不限于散點(diǎn)圖、彩虹圖以及熱力圖，檢測人員應(yīng)酌情選用，以此來降低其他人員掌握分析結(jié)果的難度。

圖2 RBF網(wǎng)絡(luò)應(yīng)用流程

4 數(shù)據(jù)處理系統(tǒng)開發(fā)必要性

4.1 數(shù)據(jù)采集方面

為保障數(shù)據(jù)的全面性與有據(jù)可查，通過全面對(duì)接實(shí)驗(yàn)室檢測儀器，采集各類檢測結(jié)果，將實(shí)驗(yàn)室實(shí)驗(yàn)原始數(shù)據(jù)進(jìn)行采集與存儲(chǔ)，保障數(shù)據(jù)完整性與溯源。

4.2 數(shù)據(jù)應(yīng)用方面

根據(jù)各個(gè)部門情況和需求，基于質(zhì)量數(shù)據(jù)平臺(tái)對(duì)上傳數(shù)據(jù)、檢測數(shù)據(jù)和分析數(shù)據(jù)的流程進(jìn)行開發(fā)，對(duì)于自動(dòng)采集所得儀器數(shù)據(jù)，可采取經(jīng)由數(shù)字化門戶對(duì)應(yīng)用模塊進(jìn)行建立的方案，確保檢測數(shù)據(jù)能夠及時(shí)得到分析與反饋，通過整合送檢至分析全過程的方式，打造可被用來對(duì)卷煙質(zhì)量進(jìn)行檢測的管理閉環(huán)[5]。

4.3 質(zhì)量提升方面

通過對(duì)實(shí)驗(yàn)室各檢測項(xiàng)目原始數(shù)據(jù)以及國標(biāo)、企標(biāo)質(zhì)量判定標(biāo)準(zhǔn)的對(duì)接，多維度衡量卷煙質(zhì)量，及時(shí)發(fā)現(xiàn)存在的缺陷，同時(shí)對(duì)卷煙質(zhì)量進(jìn)行量化分層評(píng)估，有效保障產(chǎn)品質(zhì)量。

若以數(shù)據(jù)應(yīng)用迫切程度為依據(jù)，可將該計(jì)劃分成兩部分，第一部分是頻繁檢測、亟待分析的數(shù)據(jù)，第二部分是檢測相對(duì)頻繁、不需要盡快進(jìn)行分析的數(shù)據(jù)。有關(guān)人員在2020年10月對(duì)儀器數(shù)據(jù)采集、檢測數(shù)據(jù)應(yīng)用所涉及模塊的各項(xiàng)功能進(jìn)行了開發(fā)，10月底完成了相應(yīng)的測試及上線工作，本系統(tǒng)于11月初正式投入使用。

5 結(jié)束語

綜上，基于全量采集的實(shí)驗(yàn)檢測項(xiàng)目的原始數(shù)據(jù)結(jié)合RBF神經(jīng)網(wǎng)絡(luò)對(duì)數(shù)據(jù)進(jìn)行分析，對(duì)卷煙質(zhì)量的判定具有明顯的提升與改善效果。

RBF網(wǎng)絡(luò)的核心功能為提取特征、變化信號(hào)、變換輸出模式。事實(shí)證明，基于RBF所開發(fā)數(shù)據(jù)處理系統(tǒng)，其學(xué)習(xí)速度較其他系統(tǒng)更快，同時(shí)能夠滿足本項(xiàng)目所提出實(shí)時(shí)檢測卷煙質(zhì)量的要求，對(duì)RBF進(jìn)行應(yīng)用后，可使卷煙質(zhì)量檢測及相關(guān)工作得到更加高效的開展。