CN103399022B - 一种烟包在线微波水分检测方法及系统 - Google Patents

Abstract

一种烟包在线微波水分检测方法及系统，该方法的步骤为：（1）获取烟包叶片内部水分；（2）获得在线微波水分测量装置的衰减A与相位差P测量分量；（3）建立内部水分与衰减A和相位差P测量分量的数学模型，利用所述数学模型预测烟包内部水分。该系统用来实施上述方法，其包括分析仪机壳以及安装于分析仪机壳内的供电单元、控制单元、水分预测模块、微波信号发射器、发射天线、接收天线和微波信号处理单元。本发明具有能够检测烟包内的整体水分、检测精度高、维护简单、运行稳定、适用范围广等优点。

Description

一种烟包在线微波水分检测方法及系统

技术领域

本发明主要涉及到烟草物理化学分析领域，特指一种烟包在线微波水分检测方法及系统。

背景技术

“烟包”是制丝车间的主要生产原料之一。烟包中的叶片经过拆包机与切片机之后进入松散回潮机加湿，并与一定量的配液混合。确定来料烟包的水分对松散回潮出口的稳定性起着决定性作用。为获得烟包内在水分，可利用烘箱法对样本进行离线水分化验。但是这种方法精度较高，但由于耗时长，无法满足制丝的需要。

目前，在烟草行业所使用的在线水分仪主要包括红外水分仪、基于微波谐振腔微扰理论的微波水分仪，以上两类水分仪难以满足测量烟包水分的需要。

红外水分仪的工作原理是：水分子对某些特定波长的近红外光吸收特别强烈。如果用近红外光照射被测物质，就可以通过测量反射光的衰减程度来测量物质的水分。近红外水分仪难以测量烟包的内在水分，这是因为：1、红外法只能测量物料表面的水分，而烟包表面水分难以代表烟包内部烟叶的实际水分。烟包需要在烟厂库房存储相当长的一段时间（一年到六年）才能投入生产环节，长时间的存储将会导致烟包表面水分与内部水分存在较大差异。2、物料颜色的变化会显著地影响红外法的测量结果。由于产地不同，生产同一牌号的卷烟所使用的烟包存在着明显的色差。

基于微波谐振腔微扰理论的微波水分仪，利用反射式谐振腔把一段标准矩形波导管的一端加上带有耦合孔的金属板，另一端加上封闭的金属板，从而构成谐振腔。根据微扰理论，当金属板上的物料量较小且与金属表面稳定接触时，将微波（波长为1m-0.1mm）馈入谐振腔后，物料中所含水分会导致微波的反射过程变慢，同时反射回波的幅度降低。基于该方法所设计的水分分析仪也难以实现对烟包水分的检测，主要是由于：1、反射式谐振腔要求物料与金属探头稳定接触，且接触范围较小。这就意味着烟包的表面水分对检测量起着决定性的影响。同时，由于是采用接触式测量，长期的接触会导致金属探头的磨损，不利于设备的维护。2、根据微扰理论，传感器读数不仅受到物料水分影响，同时它也是受扰前后电场强度变化、磁感应强度变化、谐振腔品质因数的函数。在复杂的工业生产过程中，维持以上因素的稳定是比较困难的。

常规微波水分测量装置难以在烟草行业，特别是烟包水分检测中取得良好的效果。这主要是由于：1）该类微波水分测量装置仅仅直接利用相位差（相移）或衰减信号作为检测变量，测量手段单一。同时相位差（相移）和衰减信号不可避免的存在着难以避免的随机干扰，这种干扰极大的影响了测量精度。2）难以建立有效的烟包内部水分与检测变量之间的数学模型。现有的水分预测模型大多依靠最小二乘方法建立回归模型。最小二乘方法需假定烟包内部水分与检测变量符合正态分布，且容易受到异常观测值的显著影响。目前已有文献报道利用基于遗传算法的模糊神经元网络建立数学模型的方法，但该方法计算量极大，难以实现在线水分预测，同时建立决策变量的模糊准则依靠专家知识，难以在实际中推广。

发明内容

本发明要解决的技术问题就在于：针对现有技术存在的技术问题，本发明提供一种能够检测烟包内的整体水分、检测精度高、维护简单、运行稳定、适用范围广的烟包在线微波水分检测方法及系统。

为解决上述技术问题，本发明采用以下技术方案：

一种烟包在线微波水分检测方法，其步骤为：

（1）获取烟包叶片内部水分；

（2）获得在线微波水分测量装置的衰减A与相位差P测量分量；

（3）建立内部水分与衰减A和相位差P测量分量的数学模型，利用所述数学模型预测烟包内部水分。

作为本发明检测方法的进一步改进：所述步骤（1）的具体步骤为：从烟包切片机出口处在一个烟包的多个叶片的不同部位抓取多个叶片样本并密封；利用烟草水分化验标准YCT31-1996，对这些样本单独化验，剔除异常化验值后计算这些样本的平均水分与标准偏差，即为该烟包的内部整体水分与制样偏差。

作为本发明检测方法的进一步改进：所述步骤（2）的具体步骤为：

（2.1）将一个采样周期内的衰减A与相位差P的时间序列A(1),A(2)…，A(N),P(1),P(2)…，P(N)组合成序列{c(k),k=1,…K}，K=2N并扩展成以下的投影矩阵：

$C_L=\left[\begin{array}{cccc}A\left(1\right)& A\left(2\right)& \·\·\·& A(N-L+1)\\ A\left(2\right)& A\left(3\right)& \·\·\·& A(N-L+2)\\ \·& \·& \·& \·\\ \·& \·& \·& \·\\ \·& \·& \·& \·\\ A\left(L\right)& A(L+1)& \·\·\·& A\left(N\right)\\ P\left(1\right)& P\left(2\right)& \·\·\·& P(N-L+1)\\ P\left(2\right)& P\left(3\right)& \·\·\·& P(N-L+2)\\ \·& \·& \·& \·\\ \·& \·& \·& \·\\ \·& \·& \·& \·\\ P\left(L\right)& P(L+1)& \·\·\·& P\left(N\right)\end{array}\right]---\left(1\right)$

（2.2）确定系数L，构造算子：

$E_L=\frac{1}{2N-L}\underset{k=0}{\overset{2N-L-1}{\mathrm{\Σ}}}\frac{\left|\right|Y_{L+1}\left(k\right)-Y_{L+1}^{\mathrm{NN}}\left(k\right)\left|\right|}{\left|\right|Y_L\left(k\right)-Y_L^{\mathrm{NN}}\left(k\right)\left|\right|}---\left(2\right)$

其中 $\left|\right|Y_L\left(k\right)-Y_L^{\mathrm{NN}}\left(k\right)\left|\right|=\underset{0\≤i\≤L-1}{\max }|c(k+i)-c^{\mathrm{NN}}(k+i)|,$ 这里c^NN(k+i)为c(k+i)在序列{c(k),k=1,…2N}中最接近的元素；计算d_L=E_L+1/E_L，当d_L大于等于0.9时，将此时所对应的C_L保留，并带入下面的步骤；

（2.3）对步骤（2.2）确定C_L进行奇异值分解，即计算C_L的特征值λ_i与特征向量U_i；只考虑最大的两个特征值λ_i及对应的特征向量U_i，这样C_L可被近似为其中 $C_L^i=\sqrt{{\mathrm{\λ}}_i}{U}_i{V}_i^T,$ $V_i={C_L}^T{U}_i/\sqrt{{\mathrm{\λ}}_i},$ 这里T为转置操作；

（2.4）利用以下公式重构衰减A与相位差P的估计序列：

$c_L^i\left(k\right)=\left\{\begin{array}{cc}\frac{1}{k+1}\underset{f=1}{\overset{k+1}{\mathrm{\&Sigma;}}}{\tilde{C}}_{f,g}& 0\&le;k<L^{*}-1\\ \frac{1}{L^{*}}\underset{f=1}{\overset{L^{*}}{\mathrm{\&Sigma;}}}{\tilde{C}}_{f,g}& L^{*\&le;k<K^{*}-1}\\ \frac{1}{K-k}\underset{f=k-K^{*}+2}{\overset{K-K^{*}+1}{\mathrm{\&Sigma;}}}{\tilde{C}}_{f,g}& K^{*}-1\&le;k<K\end{array}\right.---\left(3\right)$

其中，L^*是L与K-L+1中的最小值，K^*是L与K-L+1中的最大值，是步骤（2.3）中矩阵的第f行第g列的元素；对与的前N的数据取平均，得到衰减A的第一分量A¹和第二分量A²；对与的后N的数据取平均，得到相位差P的第一分量P¹和第二分量P²。

作为本发明检测方法的进一步改进：所述步骤（3）的具体步骤为：

步骤（3.1）：将步骤（2）获得的A¹，A²，P¹和P²考虑为一个矢量，建立x与步骤（1）得到的平均水分y的映射函数如下

$f\left(x\right)=W^T\&CenterDot;\mathrm{\&Phi;}\left(x\right)+b=\underset{i=1}{\overset{l}{\mathrm{\&Sigma;}}}({\mathrm{\&alpha;}}_i-{\mathrm{\&alpha;}}_i^{*})K(x_i,x)+b---\left(4\right)$

其中W为垂直于支持向量机超平面的向量，·为内积操作，α_i与为待优化的拉格朗日因子，K(x_i,x)=Φ(x_i)Φ(x)为核函数，b为常系数。

步骤（3.2）：选择核函数为径向基函数K(x_i,x_j)=exp{-||x_i-x_j||²/(2σ²)}；

步骤（3.3）：定义损失函数：

其中ε为预先定义的参数；

步骤（3.4）建立极小化目标函数如下：

$R(C,\mathrm{\&epsiv;})=\frac{C}{l}\underset{i=1}{\overset{l}{\mathrm{\&Sigma;}}}e(f\left(x_i\right),y_i)+\frac{1}{2}{\left|\right|W\left|\right|}^2---\left(6\right)$

其中，C为预先定义的参数。该函数的对偶问题是寻找最优的α_i与使得如下带约束的函数得到极大值：

$D({\mathrm{\&alpha;}}_i,{\mathrm{\&alpha;}}_i^{*})=-\mathrm{\&epsiv;}\underset{i=1}{\overset{l}{\mathrm{\&Sigma;}}}({\mathrm{\&alpha;}}_i^{*}+{\mathrm{\&alpha;}}_{/})+\underset{i=1}{\overset{l}{\mathrm{\&Sigma;}}}({\mathrm{\&alpha;}}_i^{*}-{\mathrm{\&alpha;}}_i)y_i-\frac{1}{2}\underset{i,j=1}{\overset{l}{\mathrm{\&Sigma;}}}({\mathrm{\&alpha;}}_i^{*}-{\mathrm{\&alpha;}}_i)({\mathrm{\&alpha;}}_j^{*}-{\mathrm{\&alpha;}}_j)K(x_i,x_j)---\left(7\right)$

同时满足0≤α_i≤C，i=1,…,l；公式(7)中的α_i,需满足对公式(7)中的最优解为唯一解，可以由凸二次规划得到；

步骤（3.5）：选取不同的参数C，ε和σ对公式（5）～（7）进行训练求解，C，ε和σ的变化范围均为[2^-1/3,2³]；然后，利用测试样本对训练效果进行检验，判断回归模型是否训练成功的标准采用均方差指标。

本发明进一步提供一种烟包在线微波水分检测系统，包括分析仪机壳以及安装于分析仪机壳内的供电单元、控制单元、水分预测模块、微波信号发射器、发射天线、接收天线和微波信号处理单元，所述微波信号发射器用来产生微波发射源信号并经发射天线发射至烟包，所述微波信号处理单元通过接收天线接收穿透烟包后的微波信号，所述微波信号处理单元将微波信号转换为基带信号，并得到基带信号的衰减A与相位差P后传送至控制单元中供水分预测模块处理。

作为本发明检测系统的进一步改进，本发明还包括一个光电开关，所述光电开关用来检测传输带上是否有烟包通过，并将检测信号传送给控制单元。

作为本发明检测系统的进一步改进，所述微波信号发射器包括带有温度补偿的石英晶体振荡器、低噪声锁相环式频率综合器、IQ调制器、混频器以及可调功率衰减器；所述石英晶体振荡器产生本振信号，通过低噪声锁相环式频率综合器将上述本振信号变频生成微波载波信号；所述微波载波信号与IQ调制器产生的两路100K～10MHz基带信号经混频器与可调功率衰减器后，形成微波发射源信号；所述微波发射源信号经发射天线输出。

作为本发明检测系统的进一步改进，所述微波信号处理单元包括前置功率放大器、差分放大器、带通滤波器、对数放大器与相位差比较器；穿透烟包后的微波信号经接收天线接收后传送给前置功率放大器，然后依次经差分放大器、带通滤波器被下变频至100K～10MHz的基带信号，所述对数放大器与相位差比较器得到基带信号的衰减A与相位差P并送至控制单元，其中相位差比较器的一路信号来自IQ调制器中Q路调制信号，另外一路信号来自下变频后的基带信号。

作为本发明检测系统的进一步改进，所述供电单元包括依次相连的漏电保护装置、纹波滤波器和直流开关电源，交流电源经过漏电保护装置、纹波滤波器后连接直流开关电源。

作为本发明检测系统的进一步改进，所述发射天线和接收天线均采用阻抗50欧姆、增益大于6dB、驻波比小于1.25的微带阵列天线。

与现有技术相比，本发明的优点在于：

1、本发明的烟包在线微波水分检测方法及系统，能够检测烟包内的整体水分，检测精度高，维护简单，运行稳定，不受烟包颜色、环境温湿度、外部蒸汽浓度等现场环境的影响。

2、本发明的烟包在线微波水分检测方法中，数据处理方法包括利用迭代投影矩阵与奇异值分解方法对接收到的衰减与相位差信号分解成4个测量分量，这4个测量分量不包含测量数据的噪声信息，且相互独立，从而保证了测量结果的可靠性。

3、本发明的烟包在线微波水分检测方法中，标定本装置的数学模型方法包括建立烟包叶片内部水分和检测变量之间的支持向量机回归模型。利用以上模型标定本装置的主要优点是所需样本量小且所得到的模型参数为唯一最优解，这就避免了对烟包样本的大量取样，从而加大的提高了工作效率。

附图说明

图1是本发明方法在具体应用实例中的流程示意图。

图2是本发明于具体应用实例中烟包叶片内部水分的取制样方式的原理示意图。

图3是本发明系统的框架结构原理示意图。

图4是本发明系统的微波信号发射器与微波信号处理单元原理示意图。

图例说明：

1、漏电保护装置；2、纹波滤波器；3、直流开关电源；4、控制单元；5、水分预测模块；6、存储介质；7、微波信号发射器；8、发射天线；9、接收天线；10、微波信号处理单元；11、光电开关；12、触摸显示屏；13、石英晶体振荡器；14、低噪声锁相环式频率综合器；15、IQ调制器；16、混频器；17、可调功率衰减器；18、前置功率放大器；19、差分放大器；20、带通滤波器；21、对数放大器；22、相位差比较器。

具体实施方式

以下将结合说明书附图和具体实施例对本发明做进一步详细说明。

本发明的烟包在线微波水分检测方法为：（1）获取烟包叶片内部水分；（2）获得在线微波水分测量装置的衰减A与相位差P测量分量；（3）建立内部水分、衰减A与相位差P测量分量的数学模型，利用上述数学模型即可用来预测烟包内部水分。

本发明是基于微波透射物料时在自由空间的传输模型。该模型表明水分的存在使得微波在穿透物料的过程中发生相位的变化与幅度的衰减。水分越高，相位差与幅度变化越大。这是由于水的介电常数(约等于75)，远高于其他物质。介电常数越大，物质保持电荷的能力越强。损耗因数越大，会导致微波穿透物质时，由于物质的分散程度较高，导致大量的能量损失。

如图1所示，为本发明方法在具体应用实例中的流程示意图。

在步骤（1）中，如图2所示，为本实例中对烟包叶片内部水分进行取制样的方法。

烟包通过切片机后被切分成大小一致的5片。分别在第2、3、4片的中部左、中、右位置（如标记*位置）抓取50g左右的烟叶，获得9个独立子样，并单独密封。利用烟草水分化验标准YCT31-1996，对这些独立子样进行单独化验，得到水分化验值，并将其从小至大排列M₁<M₂…M₈<M₉。计算各独立子样的水分化验值与其最接近独立子样化验值的绝对差值，并将该绝对差值除以水分化验值范围（M₉～M₁），得到该子样化验Q值。根据由子样数量与置信区间所决定的Q分布表确认该样本点是否属于异常值。若某一样本点被剔除后，应重新计算剩余样本点中是否存在异常点。剔除所有异常值后，计算所有有效子样本的化验平均值，即为该样本的平均水分。

现举一具体实施例进行说明，一个烟包切片后的9个独立子样本水分化验值排序如下：

取95%的置信区间，得到临界分布值Q（95%，9）=0.493。显然，第一独立子样的Q值超过临界分布值Q，该子样本化验值应属于异常值，需予以剔除。对剩余子样本再次检查后，未发现异常点，得到该烟包叶片的内部平均水分为12.57%。

在步骤（2）中，执行以下步骤：

（2.1）将一个采样周期内的衰减A与相位差P的时间序列A(1),A(2)…，A(N),P(1),P(2)…，P(N)组合成序列{c(k),k=1,…K}，K=2N并扩展成以下的投影矩阵:

$C_L=\left[\begin{array}{cccc}A\left(1\right)& A\left(2\right)& \&CenterDot;\&CenterDot;\&CenterDot;& A(N-L+1)\\ A\left(2\right)& A\left(3\right)& \&CenterDot;\&CenterDot;\&CenterDot;& A(N-L+2)\\ \&CenterDot;& \&CenterDot;& \&CenterDot;& \&CenterDot;\\ \&CenterDot;& \&CenterDot;& \&CenterDot;& \&CenterDot;\\ \&CenterDot;& \&CenterDot;& \&CenterDot;& \&CenterDot;\\ A\left(L\right)& A(L+1)& \&CenterDot;\&CenterDot;\&CenterDot;& A\left(N\right)\\ P\left(1\right)& P\left(2\right)& \&CenterDot;\&CenterDot;\&CenterDot;& P(N-L+1)\\ P\left(2\right)& P\left(3\right)& \&CenterDot;\&CenterDot;\&CenterDot;& P(N-L+2)\\ \&CenterDot;& \&CenterDot;& \&CenterDot;& \&CenterDot;\\ \&CenterDot;& \&CenterDot;& \&CenterDot;& \&CenterDot;\\ \&CenterDot;& \&CenterDot;& \&CenterDot;& \&CenterDot;\\ P\left(L\right)& P(L+1)& \&CenterDot;\&CenterDot;\&CenterDot;& P\left(N\right)\end{array}\right]---\left(1\right)$

（2.2）确定系数L，构造算子：

$E_L=\frac{1}{2N-L}\underset{k=0}{\overset{2N-L-1}{\mathrm{\&Sigma;}}}\frac{\left|\right|Y_{L+1}\left(k\right)-Y_{L+1}^{\mathrm{NN}}\left(k\right)\left|\right|}{\left|\right|Y_L\left(k\right)-Y_L^{\mathrm{NN}}\left(k\right)\left|\right|}---\left(2\right)$

其中 $\left|\right|Y_L\left(k\right)-Y_L^{\mathrm{NN}}\left(k\right)\left|\right|=\underset{0\&le;i\&le;L-1}{\max }|c(k+i)-c^{\mathrm{NN}}(k+i)|,$ 这里c^NN(k+i)为c(k+i)在序列{c(k),k=1,…2N}中最接近的元素。计算d_L=E_L+1/E_L，当d_L大于等于0.9时，将此时所对应的C_L保留，并带入下面的步骤。

（2.3）对步骤（2.2）确定C_L进行奇异值分解，即计算C_L的特征值λ_i与特征向量U_i。只考虑最大的两个特征值λ_i及对应的特征向量U_i，这样C_L可被近似为其中 这里T为转置操作。被忽略的分量可以被看成是噪声项。

（2.4）利用以下公式重构衰减A与相位差P的估计序列：

$c_L^i\left(k\right)=\left\{\begin{array}{cc}\frac{1}{k+1}\underset{f=1}{\overset{k+1}{\mathrm{\&Sigma;}}}{\tilde{C}}_{f,g}& 0\&le;k<L^{*}-1\\ \frac{1}{L^{*}}\underset{f=1}{\overset{L^{*}}{\mathrm{\&Sigma;}}}{\tilde{C}}_{f,g}& L^{*\&le;k<K^{*}-1}\\ \frac{1}{K-k}\underset{f=k-K^{*}+2}{\overset{K-K^{*}+1}{\mathrm{\&Sigma;}}}{\tilde{C}}_{f,g}& K^{*}-1\&le;k<K\end{array}\right.---\left(3\right)$

其中，L^*是L与K-L+1中的最小值，K^*是L与K-L+1中的最大值，是步骤（2.3）中矩阵的第f行第g列的元素。对与的前N的数据取平均，得到衰减A的第一分量A¹和第二分量A²。对与的后N的数据取平均，得到相位差P的第一分量P¹和第二分量P²。由于与为相互独立的特征向量所扩张的正交矩阵，因此与相互独立，这就为后面的设备标定模型的建立提供了良好的基础。

在步骤（3）中，执行以下步骤：对多个烟包重复步骤（1）与（2），得到烟包在线微波水分测量装置的样本集合T:={(y₁,x₁),(y₂,x₂),…(y_l,x_l)}，其中y_i为第i的烟包的平均水分，x_i为该烟包的特征向量，包含衰减A的第一分量A_i ¹和第二分量A_i ²，以及相位差P的第一分量P_i ¹和第二分量P_i ²，然后采取以下步骤进行模型标定。

步骤（3.1）：将步骤（2）获得的A¹，A²，P¹和P²考虑为一个矢量，建立x与步骤（1）得到的平均水分y的映射函数如下

$f\left(x\right)=W^T\&CenterDot;\mathrm{\&Phi;}\left(x\right)+b=\underset{i=1}{\overset{l}{\mathrm{\&Sigma;}}}({\mathrm{\&alpha;}}_i-{\mathrm{\&alpha;}}_i^{*})K(x_i,x)+b---\left(4\right)$

其中，W为垂直于支持向量机超平面的向量，·为内积操作，α_i与为待优化的拉格朗日因子，K(x_i,x)=Φ(x_i)Φ(x)为核函数，b为常系数。

步骤（3.2）：选择核函数为径向基函数K(x_i,x_j)=exp{-||x_i-x_j||²/(2σ²)}

步骤（3.3）：定义损失函数：

其中ε为预先定义的参数。

步骤（3.4）建立极小化目标函数如下

$R(C,\mathrm{\&epsiv;})=\frac{C}{l}\underset{i=1}{\overset{l}{\mathrm{\&Sigma;}}}e(f\left(x_i\right),y_i)+\frac{1}{2}{\left|\right|W\left|\right|}^2---\left(6\right)$

其中，C为预先定义的参数。该函数的对偶问题是寻找最优的α_i与使得如下带约束的函数得到极大值：

$D({\mathrm{\&alpha;}}_i,{\mathrm{\&alpha;}}_i^{*})=-\mathrm{\&epsiv;}\underset{i=1}{\overset{l}{\mathrm{\&Sigma;}}}({\mathrm{\&alpha;}}_i^{*}+{\mathrm{\&alpha;}}_{/})+\underset{i=1}{\overset{l}{\mathrm{\&Sigma;}}}({\mathrm{\&alpha;}}_i^{*}-{\mathrm{\&alpha;}}_i)y_i-\frac{1}{2}\underset{i,j=1}{\overset{l}{\mathrm{\&Sigma;}}}({\mathrm{\&alpha;}}_i^{*}-{\mathrm{\&alpha;}}_i)({\mathrm{\&alpha;}}_j^{*}-{\mathrm{\&alpha;}}_j)K(x_i,x_j)---\left(7\right)$

同时满足0≤α_i≤C，i=1,…,l。公式(7)中的α_i,需满足对公式(7)中的最优解为唯一解，可以由凸二次规划得到。

步骤（3.5）：选取不同的参数C，ε和σ对公式（5）～（7）进行训练求解，C，ε和σ的变化范围均为[2^-1/3,2³]。然后，利用测试样本对训练效果进行检验，判断回归模型是否训练成功的标准采用均方差指标。最优的回归模型参数为C=4,ε=0.5,σ=0，保存于在线微波水分测量装置的存储介质中，供水分预测模块所使用。

为检验标定模型效果，本实施例中根据步骤（1）所揭示的方法获得25个验证烟包所对应的衰减A及相位差P的分量；利用步骤（2）所揭示的方法获得了25个验证烟包水分。由于各烟包等级、存放时间与产地不同，验证烟包的水分分布于8.68%至12.63%，且各烟包外观颜色存在明显差异。水分预测模块根据步骤（3）所确定的标定模型预测各烟包水分，验证结果如下表1所示，下表1为应用本发明方法的步骤（3）与最小二乘回归模型方法的对比。

表1

从上表1中的数据可以看出，本发明所提供方法能够更为准确的跟踪制丝车间来料烟包的水分波动。

如图3所示，本发明进一步提供一种烟包在线微波水分检测系统，用来实施上述方法。该检测系统包括分析仪机壳以及安装于分析仪机壳内的供电单元、控制单元4、水分预测模块5、存储介质6、微波信号发射器7、发射天线8、接收天线9、微波信号处理单元10、光电开关11与触摸显示屏12。分析仪机壳上开孔，引入220-380V交流电源；供电单元与交流电源相连并为检测系统供电。微波信号发射器7用来产生微波发射源信号并经发射天线8发射至烟包，微波信号处理单元10通过接收天线9接收穿透烟包后的微波信号，微波信号处理单元10将微波信号转换为基带信号，并得到基带信号的衰减A与相位差P后传送至控制单元4中供水分预测模块5处理。

本实施例中，进一步设置一个光电开关11，该光电开关11用来检测传输带上是否有烟包通过，并将检测信号传送给控制单元4。

本实施例中，进一步设置一个存储介质6，用来存储经过水分预测模块5处理得到的数据。

本实施例中，供电单元包括依次相连的漏电保护装置1、纹波滤波器2和直流开关电源3，交流电源经过漏电保护装置1、纹波滤波器2后连接直流开关电源3，直流开关电源3为控制单元4、微波信号发射器7、微波信号处理单元10、光电开关11与触摸显示屏12供电。

本实施例中，控制单元4采用带有中央处理器的工业控制主板，光电开关11通过RS232/485串口与工业控制主板连接。

本实施例中，进一步设置一触摸显示屏12，该触摸显示屏12用于实现操作人员与烟包微波水分分析仪的人机交互。

如图4所示，本实施例中，微波信号发射器7包括带有温度补偿的石英晶体振荡器13、低噪声锁相环式频率综合器14、IQ调制器15、混频器16以及可调功率衰减器17；其中，带有温度补偿的石英晶体振荡器13产生频率为10MHz、频率稳定度为±3ppm的本振信号。通过改变低噪声锁相环式频率综合器14中的可编程分频器中分频比，将上述本振信号变频至1G～10GHz的微波载波信号。该载波信号作为参考信号供微波信号处理单元10中差分放大器19所使用。该微波载波信号与IQ调制器15产生的两路100K～10MHz基带信号经混频器16与可调功率衰减器17后，形成功率为0.1mW的微波发射源信号。该微波发射源信号经低损耗同轴电缆连接至发射天线8。发射天线8可以采用阻抗50欧姆、增益大于6dB、驻波比小于1.25的微带阵列天线。IQ调制器15产生的Q路调制信号连接至所述微波信号处理单元10中的相位差比较器22。

如图4所示，本实施例中，微波信号处理单元10包括前置功率放大器18、差分放大器19、带通滤波器20、对数放大器21与相位差比较器22。微波信号处理单元10通过低损耗同轴电缆与接收天线9连接，获得穿透烟包后的微波信号。接收天线9可以采用与阻抗50欧姆，增益大于6dB，驻波比小于1.25的微带阵列接收天线。上述微波信号经过前置功率放大器18、差分放大器19、带通滤波器20被下变频至100K～10MHz的基带信号。利用对数放大器21与相位差比较器22得到基带信号的衰减A与相位差P，并通过RS232/485串口送至工业控制主板（即控制单元4），供水分预测模块5处理并保存在存储介质6上。其中相位差比较器22的一路信号来自IQ调制器15中Q路调制信号，另外一路信号来自下变频后的基带信号。

以上仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，应视为本发明的保护范围。

Claims (9)

1.一种烟包在线微波水分检测方法，其特征在于，步骤为：

(1)获取烟包叶片内部水分；

(2)获得烟包在线微波水分检测系统的衰减A与相位差P测量分量；

(3)建立内部水分与衰减A和相位差P测量分量的数学模型，利用所述数学模型预测烟包内部水分；

所述步骤(2)的具体步骤为：

(2.1)将一个采样周期内的衰减A与相位差P的时间序列A(1),A(2)…，A(N),P(1),P(2)…，P(N)组合成序列{c(k),k＝1,…K}，K＝2N并扩展成以下的投影矩阵：

$C_L=\left[\begin{array}{cccc}A\left(1\right)& A\left(2\right)& ...& A(N-L+1)\\ A\left(2\right)& A\left(3\right)& ...& A(N-L+2)\\ \begin{array}{c}.\\ .\\ .\end{array}& \begin{array}{c}.\\ .\\ .\end{array}& \begin{array}{c}.\\ .\\ .\end{array}& \begin{array}{c}.\\ .\\ .\end{array}\\ A\left(L\right)& A(L+1)& ...& A\left(N\right)\\ P\left(1\right)& P\left(2\right)& ...& P(N-L+1)\\ P\left(2\right)& P\left(3\right)& ...& P(N-L+2)\\ \begin{array}{c}.\\ .\\ .\end{array}& \begin{array}{c}.\\ .\\ .\end{array}& \begin{array}{c}.\\ .\\ .\end{array}& \begin{array}{c}.\\ .\\ .\end{array}\\ P\left(L\right)& P(L+1)& ...& P\left(N\right)\end{array}\right]---\left(1\right)$

(2.2)确定系数L，构造算子：

$E_L=\frac{1}{2N-L}\underset{k=0}{\overset{2N-L-1}{\&Sigma;}}\frac{\left|\right|Y_{L+1}\left(k\right)-Y_{L+1}^{NN}\left(k\right)\left|\right|}{\left|\right|Y_L\left(k\right)-Y_L^{NN}\left(k\right)\left|\right|}---\left(2\right)$

其中 $\left|\right|Y_L\left(k\right)-Y_L^{NN}\left(k\right)\left|\right|=\underset{0\&le;i\&le;L-1}{max}|c(k+i)-c^{NN}(k+i)|,$ 这里c^NN(k+i)为c(k+i)在序列{c(k),k＝1,…2N}中最接近的元素；计算d_L＝E_L+1/E_L，当d_L大于等于0.9时，将此时所对应的C_L保留，并带入下面的步骤；

(2.3)对步骤(2.2)确定C_L进行奇异值分解，即计算C_L的特征值λ_i与特征向量U_i；只考虑最大的两个特征值λ_i及对应的特征向量U_i，这样C_L可被近似为其中 $C_L^i=\sqrt{{\mathrm{\&lambda;}}_i}{U}_i{V}_i^T,V_i={C_L}^T{U}_i/\sqrt{{\mathrm{\&lambda;}}_i},$ 这里T为转置操作；

(2.4)利用以下公式重构衰减A与相位差P的估计序列：

$c_L^i\left(k\right)=\left\{\begin{array}{cc}\frac{1}{k+1}\underset{f=1}{\overset{k+1}{\&Sigma;}}{\tilde{C}}_{f,g}& 0\&le;k<L^{*}-1\\ \frac{1}{L^{*}}\underset{f=1}{\overset{L^{*}}{\&Sigma;}}{\tilde{C}}_{f,g}& L^{*}\&le;k<K^{*}-1\\ \frac{1}{K-k}\underset{f=k-K^{*}+2}{\overset{K-K^{*}+1}{\&Sigma;}}{\tilde{C}}_{f,g}& K^{*}-1\&le;k<K\end{array}\right.---\left(3\right)$

其中，L^*是L与K-L+1中的最小值，K^*是L与K-L+1中的最大值，是步骤(2.3)中矩阵的第f行第g列的元素；对与的前N的数据取平均，得到衰减A的第一分量A¹和第二分量A²；对与的后N的数据取平均，得到相位差P的第一分量P¹和第二分量P²。

2.根据权利要求1所述的烟包在线微波水分检测方法，其特征在于，所述步骤(1)的具体步骤为：从烟包切片机出口处在一个烟包的多个叶片的不同部位抓取多个叶片样本并密封；利用烟草水分化验标准YCT31-1996，对这些样本单独化验，剔除异常化验值后计算这些样本的平均水分y与标准偏差，即为该烟包的内部整体水分与制样偏差。

3.根据权利要求1所述的烟包在线微波水分检测方法，其特征在于，所述步骤(3)的具体步骤为：

步骤(3.1)：将步骤(2)得到的A¹，A²，P¹和P²考虑为回归矢量x，建立x与步骤(1)

得到的平均水分y的映射函数如下

$y=W^T\&CenterDot;\mathrm{\&Phi;}\left(x\right)+b=\underset{i=1}{\overset{l}{\&Sigma;}}\left({\mathrm{\&alpha;}}_i-{\mathrm{\&alpha;}}_i^{*}\right)K(x_i,x)+b---\left(4\right)$

其中W为垂直于支持向量机超平面的向量，·为内积操作，α_i与为待优化的拉格朗日因子，K(x_i,x)＝Φ(x_i)Φ(x)为核函数，b为常系数；

步骤(3.2)：选择核函数为径向基函数K(x_i,x_j)＝exp{-||x_i-x_j||²/(2σ²)}；

步骤(3.3)：定义损失函数：

其中ε为预先定义的参数；

步骤(3.4)建立极小化目标函数如下：

$R(C,\mathrm{\&epsiv;})=\frac{C}{l}\underset{i=1}{\overset{l}{\&Sigma;}}e\left(f\right(x_i),y_i)+\frac{1}{2}\left|\right|W|{|}^2---\left(6\right)$

其中，C为预先定义的参数；该函数的对偶问题是寻找最优的α_i与使得如下带约束的函数得到极大值：

$D({\mathrm{\&alpha;}}_i,{\mathrm{\&alpha;}}_i^{*})=-\mathrm{\&epsiv;}\underset{i=1}{\overset{l}{\&Sigma;}}({\mathrm{\&alpha;}}_i^{*}+{\mathrm{\&alpha;}}_i)+\underset{i=1}{\overset{l}{\&Sigma;}}({\mathrm{\&alpha;}}_i^{*}-{\mathrm{\&alpha;}}_i)y_i-\frac{1}{2}\underset{i,j=1}{\overset{l}{\&Sigma;}}({\mathrm{\&alpha;}}_i^{*}-{\mathrm{\&alpha;}}_i)({\mathrm{\&alpha;}}_j^{*}-{\mathrm{\&alpha;}}_j)K(x_i,x_j)---\left(7\right)$

同时满足0≤α_i≤C，i＝1,…,l；公式(7)中的α_i,需满足对公式(7)中的最优解为唯一解，可以由凸二次规划得到；

步骤(3.5)：选取不同的参数C，ε和σ对公式(5)～(7)进行训练求解，C，ε和σ的变化范围均为[2-1/3,23]；然后，利用测试样本对训练效果进行检验，判断回归模型是否训练成功的标准采用均方差指标。

4.一种用来实施上述权利要求1～3中任意一项检测方法的烟包在线微波水分检测系统，其特征在于，包括分析仪机壳以及安装于分析仪机壳内的供电单元、控制单元(4)、水分预测模块(5)、微波信号发射器(7)、发射天线(8)、接收天线(9)和微波信号处理单元(10)，所述微波信号发射器(7)用来产生微波发射源信号并经发射天线(8)发射至烟包，所述微波信号处理单元(10)通过接收天线(9)接收穿透烟包后的微波信号，所述微波信号处理单元(10)将微波信号转换为基带信号，并得到基带信号的衰减A与相位差P后传送至控制单元(4)中供水分预测模块(5)处理。

5.根据权利要求4所述烟包在线微波水分检测系统，其特征在于，还包括一个光电开关(11)，所述光电开关(11)用来检测传输带上是否有烟包通过，并将检测信号传送给控制单元(4)。

6.根据权利要求4或5所述烟包在线微波水分检测系统，其特征在于，所述微波信号发射器(7)包括带有温度补偿的石英晶体振荡器(13)、低噪声锁相环式频率综合器(14)、IQ调制器(15)、混频器(16)以及可调功率衰减器(17)；所述石英晶体振荡器(13)产生本振信号，通过低噪声锁相环式频率综合器(14)将上述本振信号变频生成微波载波信号；所述微波载波信号与IQ调制器(15)产生的两路100K～10MHz基带信号经混频器(16)与可调功率衰减器(17)后，形成微波发射源信号；所述微波发射源信号经发射天线(8)输出。

7.根据权利要求4或5所述烟包在线微波水分检测系统，其特征在于，所述微波信号处理单元(10)包括前置功率放大器(18)、差分放大器(19)、带通滤波器(20)、对数放大器(21)与相位差比较器(22)；穿透烟包后的微波信号经接收天线(9)接收后传送给前置功率放大器(18)，然后依次经差分放大器(19)、带通滤波器(20)被下变频至100K～10MHz的基带信号，所述对数放大器(21)与相位差比较器(22)得到基带信号的衰减A与相位差P并送至控制单元(4)，其中相位差比较器(22)的一路信号来自IQ调制器(15)中Q路调制信号，另外一路信号来自下变频后的基带信号。

8.根据权利要求4或5所述烟包在线微波水分检测系统，其特征在于，所述供电单元包括依次相连的漏电保护装置(1)、纹波滤波器(2)和直流开关电源(3)，交流电源经过漏电保护装置(1)、纹波滤波器(2)后连接直流开关电源(3)。

9.根据权利要求4或5所述烟包在线微波水分检测系统，其特征在于，所述发射天线(8)和接收天线(9)均采用阻抗50欧姆、增益大于6dB、驻波比小于1.25的微带阵列天线。