CN115078380A - 一种卷烟燃烧外观的评价方法 - Google Patents

Abstract

本发明公开一种卷烟燃烧外观评价方法，其包括如下步骤：S1、卷烟外在属性数据采集；S2、卷烟数据标准化；S3、构建卷烟外在属性模糊综合评价矩阵；S4、通过因子分析确定每个属性的权向量以完成模糊综合评价模型计算，并根据计算得到的模糊向量B确定最终评价等级。针对卷烟燃烧外观分析与评定问题，本发明建立一套卷烟燃烧外观模糊综合模型，能够确定不同属性和来自不同样本的数据的因素权向量，结合对卷烟样本各外观属性的主观评判以获取对卷烟燃烧外观的等级评价。

Description

一种卷烟燃烧外观的评价方法

技术领域

本发明属于卷烟燃烧外观研究领域，具体涉及一种卷烟燃烧外观的评价方法。

背景技术

随着市场经济的高速发展，卷烟行业一直保持着良好的发展前景，逐步实现烟叶生产智能化、防控技术环保化、质量追溯链条化。随着人民群众消费水平的逐步上升，卷烟的生产质量标准不断提高，卷烟制造也随之持续进行着技术更新与迭代，探索减小吸入伤害、改善产品质量的生产工艺。

卷烟研创需要通过卫生部门的临床试验观察、药理和毒性检验和成分分析等审查程序，卷烟制造则需要通过质量鉴定，按照国家颁布的GB5606～5610-85标准进行质量判定。质检主要围绕卷烟的内在质量、外在质量、焦油含量进行评价。卷烟燃烧外观是卷烟产品在燃烧过程中消费者直观感受到的重要外观形态，其优劣直接影响着消费者对卷烟产品质量的判断。同时，卷烟在抽吸过程中，烟支的频繁落灰、飞灰，严重时发生燃烧锥脱落的现象，不仅污染环境，也是引起消费者及被迫吸烟者对所处环境不适、反感的重要影响因素之一，还会影响消费者对于卷烟品牌的忠诚度，甚至带来一定安全隐患。另一方面，随着卷烟技术的发展，消费水平和质量的不断提升，消费者对卷烟质量要求也不断提高，对卷烟产品的关注和选择由口味、价格、包装等方面逐渐向更多因素拓展，卷烟燃烧后的外观状态由于其直观性，越来越受到消费者的重视。从消费者的角度而言，卷烟燃烧和抽吸时带来的体验则是最重要的评价方向，如燃烧时间、烟灰可停留在烟支上的长度等。

近年来，烟草行业内针对卷烟燃烧外观形态开展了相关研究，主要包括卷烟包灰与飞灰性能研究和检测方法研究两个方面，但是没有一套完备的卷烟在抽吸过程中燃烧外观的评价方法，而卷烟燃烧外观的客观评价是对卷烟外观的客观分析以及不同卷烟之间燃烧外观形态进行比较具有重要意义。

为了解决以上问题，提出本发明。

发明内容

本发明旨在对卷烟在抽吸过程中的燃烧外观进行综合评测，形成一套完备的分析评定方法，为卷烟制造行业提供有效的卷烟质量信息，为卷烟制造工艺的改善提供有效反馈。

为了填补上述评价项目的空白，本发明提供一种卷烟燃烧外观分析与评定方法，建立一套适用于所有类型卷烟的燃烧外观模糊综合评价模型，通过全视觉相机对卷烟的各项外在属性进行记录并输入模型中，最终得到一个综合评分从而反映所测卷烟的燃烧外观。

本发明第一方面提供一种卷烟燃烧外观评价方法，其包括如下步骤：

S1、卷烟外在属性数据采集：在卷烟实时抽吸状态时，采集卷烟外在属性，所述卷烟外在属性包括：裂口率、灰柱偏离度、灰柱灰度、灰柱长度、灰柱面积、缩灰率、飞灰值、持灰率、炭线宽度、炭线整齐度及燃烧速度，共11个属性；

采集卷烟外在属性，可以采用现有技术中常用的设备和方法，当然更优选地，基于模拟人体卷烟抽吸全过程的机械手臂，通过摄像系统捕捉卷烟实时抽吸状态，采集卷烟外在属性。其中模拟人体卷烟抽吸过程和抽吸环境的机械手臂，可以参考本申请人于2020年04月20日已经申请的，申请号为202010329623.9；专利名称为一种模拟人体卷烟抽吸全过程的机械手臂及其模拟方法，的专利申请，同时利用该机械手臂采集卷烟外在属性的方法可以参考本申请人于2020年04月26日已经申请的，申请号为202010340747.7；专利名称为一种基于机械手仿真人体卷烟抽吸全过程及全视觉测定表征卷烟燃烧包灰性能的方法，的专利申请。同时将上述两篇专利对于机械手臂和卷烟包灰性能的测定方法的技术方案表述并入本申请中。

上述卷烟外在属性的含义如下：裂口率是灰柱上灰片掉落或裂开面积与灰柱整体表面积的比值；灰柱偏离度指烟支燃烧灰柱与烟支滤棒轴心的最大偏离角度；灰柱灰度反映了卷烟燃烧后除去裂口以外剩余部分在同一参考系下的相对颜色差异，数值越大，灰柱越白；灰柱长度是烟支燃烧后形成的灰柱的长度；灰柱面积是烟支燃烧后形成的灰柱的宽度；缩灰率是卷烟燃烧后灰柱面积和未燃烧前面积的比值；飞灰值是散落在定点弹灰点以外的烟灰面积；持灰率是卷烟燃烧过程中能保持灰柱的最长值与烟支燃烧至烟蒂长度的比值；炭线宽度是烟支燃烧锥底部炭线的宽度；炭线整齐度是指烟支燃烧锥底部炭线与烟支横截面的最大偏离角度；燃烧速度是燃烧时间和燃烧长度的比值。

S2、卷烟数据标准化：通过下式对数据进行标准化处理得到标准数据X：

式中min(X_og)，表示X_og的最小值；max(X_og)，表示X_og的最大值；X_og＝(x_1og,x_2og,...,x_11og)为步骤S1采集的卷烟数据，其中x_1og,x_2og,...,x_11og表示烟支11个外在属性的测量计算值；n＝11；

S3、构建卷烟外在属性模糊综合评价矩阵：

定属性集u＝(u₁,u₂,...,u_n)，其中u₁,u₂,...,u_n分别表示不同的卷烟外在属性；

定评价集v＝(v₁,v₂,...,v_m)，其中v₁,v₂,...,v_m表示不同的评价结果；

定r_ij为属性集中第i个属性对评价集V中第j种评价的隶属度，则第i个属性进行单因素评价的结果表示为模糊集合R_i：R_i＝(r_i1,r_i2,...,r_im)；

则全部属性单因素评价的模糊集合共同构成了长度为n×m的模糊综合评价矩阵R；

S4、通过因子分析确定每个属性的权向量以完成模糊综合评价模型计算，并根据计算得到的模糊向量B确定最终评价等级：

给每个属性建立如下形式的因子分析模型：x_i＝c_i1F₁+c_i2F₂+...+c_ipF_p+q_iU_i(i＝1,2,...,n)，

其中p代表公共因子数量(即变量数量)，F＝F₁,...,F_p为每个变量都有的公共因子，U_i为仅与变量x_i有关的特殊因子；c_ij,q_i(i＝1,2,...,n,j＝1,2,...,p)为因子载荷，其中c_ij(i＝1,2,...,n,j＝1,2,...,p)构成了因子载荷矩阵C；

则上述因子分析模型表示为如下的矩阵形式：X＝CF+QU，

其中：Q＝diag(q₁,q₂,...,q_n)，U＝(U₁,U₂,...,U_n)；

认定各公共因子都是均值为0、方差为1的独立正态随机变量，其协方差矩阵为单位阵I_p，即F～N(0,I_p)；认定各特殊因子之间以及特殊因子与公共因子之间相互独立，即

其中σ₁ ²,σ₂ ²,...,σ_n ²表示特殊因子的方差；

则p个公共因子对第i个变量方差的贡献为：h_i ²＝a_i1 ²+a_i2 ²+...+a_ip ²；

第i个变量的方差有如下分解：Varx_i＝h_i ²+σ_i ²,i＝1,2,...,n；

定λ₁≥λ₂≥...≥λ_n为样本相关系数R_c的特征值，η＝η₁,η₂,...,η_n为相应的标准正交化特征向量，此时样本相关系数矩阵R_c的主成分因子载荷矩阵C为：

特殊因子的方差用R_c-CC^T的对角元来估计，即

其中残差矩阵可用R_c-CC^T-Cov(U)来表示；CC^T+Cov(U)与相关系数矩阵R_c比较接近时，即残差小于5％时，认为模型的拟合程度较好后继续进行；

通过因子逆时针旋转使变换后的因子具有清晰的可解释性及唯一性，当针对两个因子进行平面正交旋转时，因子载荷矩阵C具有如下形式：C＝(c_ij),i＝1,2,...,n,j＝1,2；

取正交矩阵如下：

则D＝CS＝(d_ij),i＝1,2,...,n,j＝1,2)为旋转因子载荷矩阵，模型变为如下形式：X＝D(S^TF)+QU；

此时公共因子由F变为Q^TF，当前旋转双因子的目的是将变量分为由不同因子说明的两个部分，故需要将(d₁₁ ²,d₂₁ ²,...,d_n1 ²)和(d₁₂ ²,d₂₂ ²,...,d_n2 ²)的方差最大化，二者的相对方差可以表示为：

以消除d_ij符号的影响，消除各个属性变量对公共因子依赖程度不同的影响；

接下来将总方差V＝V₁+V₂最大化，令

经计算，φ满足：

其中：

对于p个公共因子，将这些因子两两进行旋转；在一遍完整的旋转过程中，从p个因子中每次选两个进行逆时针旋转，共有p(p-1)/2次旋转，完成一遍旋转后，继续进行下一遍循环，在此重复过程中C各列的相对方差和总方差V会递增，直至某一次循环的总方差比前和一次循环的总方差相比差距不大于5％则停止旋转，此时得到最终旋转因子载荷矩阵D，和标准正交化特征向量相乘即得到模糊综合评价的因素权向量：A＝Dη^T，A实际上反映了u中属性的重要程度；

然后通过模糊变换将反映u的模糊向量A转换成反映v的模糊向量B，即B＝AR＝(b₁,b₂,...,b_m)，模糊向量B中的元素与评价集v中的元素一一对应，最大的元素对应的评价即为卷烟的模糊综合最终评价等级。

优选地，步骤S1中，基于模拟人体卷烟抽吸全过程的机械手臂，通过摄像系统捕捉卷烟实时抽吸状态，采集卷烟外在属性。

优选地，步骤S3中，m＝4，按照优劣排序，v₁是特等级，v₂是优等级，v₃是中等级，v₄是次等级。

优选地，步骤S3中，r_ij由专家打分获得。

相对于现有技术，本发明具有以下有益效果：

1、针对卷烟燃烧外观分析与评定问题，本发明建立一套卷烟燃烧外观模糊综合模型，能够确定来自不同样本的不同属性的数据因素权向量，从而获取对卷烟燃烧外观的等级评价。

2、本发明评价方法与卷烟燃烧实际外观性能结果一致，评价结果可以客观反映出卷烟燃烧外观性能，对卷烟包灰及飞灰性能的客观分析以及不同卷烟之间外在属性能进行比较具有重要意义。

附图说明

图1为本发明方法的总体流程图。

具体实施方式

下面结合具体实施例对本发明进行说明，但本发明的实施方式不限于此。实施例中未注明具体条件的实验方法,通常按照常规条件以及手册中所述的条件,或按照制造厂商所建议的条件所用的通用设备、材料、试剂等,如无特殊说明,均可从商业途径得到。以下实施例和对比例中所需要的原料均为市售。

实施例1

本发明提供一种卷烟燃烧外观分析与评定方法，其包括如下步骤：

S1、卷烟外在属性数据采集。在机器人仿真抽吸状态和环境模拟条件下，通过多组摄像头在不同角度捕捉卷烟实时状态，包括裂口率、灰柱偏离度、灰柱灰度、灰柱长度、灰柱面积、缩灰率、飞灰值、持灰率、炭线宽度、炭线整齐度和燃烧速度。

使用两组多轴工业机械手夹持卷烟，以模拟吸烟者吸烟时的手臂及手腕动作，其中机械手的移动速度和角度在一定范围内可调。通过机械手指施力模拟弹烟灰动作，其中力度、间隔、次数在一定范围内可调。使用抽吸装置模拟吸烟过程，其中抽吸模式、抽吸时间、抽吸量、抽吸间隔在一定范围内可调。采用分辨率1600*1200、帧率50fps以上的高速精密智能相机组完成数据采集。

采集到的卷烟外在属性有：裂口率、灰柱偏离度、灰柱灰度、灰柱长度、灰柱面积、缩灰率、飞灰值、持灰率、炭线宽度、炭线整齐度及燃烧速度，共11个属性。这些属性的含义如下：裂口率是灰柱上灰片掉落或裂开面积与灰柱整体表面积的比值；灰柱偏离度指烟支燃烧灰柱与烟支滤棒轴心的最大偏离角度；灰柱灰度反映了卷烟燃烧后除去裂口以外剩余部分在同一参考系下的相对颜色差异，数值越大，灰柱越白；灰柱长度是烟支燃烧后形成的灰柱的长度；灰柱面积是烟支燃烧后形成的灰柱的宽度；缩灰率是卷烟燃烧后灰柱面积和未燃烧前面积的比值；飞灰值是散落在定点弹灰点以外的烟灰面积；持灰率是卷烟燃烧过程中能保持灰柱的最长值与烟支燃烧至烟蒂长度的比值；炭线宽度是烟支燃烧锥底部炭线的宽度；炭线整齐度是指烟支燃烧锥底部炭线与烟支横截面的最大偏离角度；燃烧速度是燃烧时间和燃烧长度的比值。

实施例采集了常规圆周卷烟样品390支，对每支样品采集如上所示的11个外观指标，各样本各指标的采集值如表1所示，其中：x₁代表裂口率，x₂代表灰柱偏离度，x₃代表灰柱灰度，x₄代表炭线宽度，x₅代表灰柱长度，x₆代表灰柱面积，x₇代表缩灰率，x₈代表炭线整齐度，x₉代表燃烧速度，x₁₀代表飞灰值，x₁₁代表持灰率。

表1实施例样本燃烧外观采集值

S2、卷烟数据标准化。设X_og＝(x_1og,x_2og,...,x_11og)为步骤S1采集的卷烟数据，其中x_1og,x_2og,...,x_11og表示烟支11个外在属性的测量计算值。通过下式对数据进行标准化处理得到具有零均值和单位方差的标准数据X：

式中min(X_og)，表示X_og的最小值；max(X_og)，表示X_og的最大值；本发明中n＝11。

以实施例的四支卷烟样本1、100、167、300为例，标准化后各指标数据如表2所示：

表2标准化后的样本数据示例

序号	x<sub>1</sub>	x<sub>2</sub>	x<sub>3</sub>	x<sub>4</sub>	x<sub>5</sub>	x<sub>6</sub>	x<sub>7</sub>	x<sub>8</sub>	x<sub>9</sub>	x<sub>10</sub>	x<sub>11</sub>
												1	0.33	0.84	0.24	0.53	0.46	0.69	0.49	0.43	0.11	0.03	0.12
100	0.17	0.39	0.18	0.45	0.61	0.77	0.60	0.36	0.28	0.10	0.12
												167	0.32	0.22	0.14	0.59	0.42	0.63	0.51	0.47	0.32	0.11	0.11
300	0.09	0.11	0.32	0.30	0.71	0.84	0.81	0.17	0.28	0.16	0.10

S3、构建卷烟外在属性模糊综合评价矩阵。设属性集u＝(u₁,u₂,...,u_n)，其中u₁,u₂,...,u_n分别表示不同的卷烟外在属性。设评价集v＝(v₁,v₂,...,v_m)，其中v₁,v₂,...,v_m表示不同的评价结果，本发明中m＝4。按照优劣排序，v₁是最佳等级，v₄是最差等级。实施例设定评价集为v＝(很好,好,较好,一般)。

设r_ij为属性集中第i个属性对评价集V中第j种评价的隶属度，由专家打分获得，那么对第i个属性进行单因素评价的结果表示为模糊集合R_i：

R_i＝(r_i1,r_i2,...,r_im)

则全部属性单因素评价的模糊集合共同构成了长度为n×m的模糊综合评价矩阵R。

以实施例的四支卷烟样本1、100、167、300为例，每支样本的模糊综合评价矩阵如表3-6所示：

表3模糊综合评价矩阵(1号样本)

指标	很好	好	较好	一般
					裂口率	0.05	0.13	0.32	0.5
灰柱偏离度	0.44	0.31	0.19	0.06
					灰柱灰度	0.1	0.35	0.4	0.15
炭线宽度	0.06	0.13	0.31	0.5
					灰柱长度	0.06	0.16	0.5	0.28
灰柱面积	0.04	0.2	0.56	0.2
					缩灰率	0.09	0.11	0.5	0.3
炭线整齐度	0	0.23	0.48	0.29
					燃烧速度	0.46	0.32	0.18	0.04
飞灰值	0.48	0.33	0.17	0.02
					持灰率	0.27	0.5	0.18	0.05

表4模糊综合评价矩阵(100号样本)

指标	很好	好	较好	一般
					裂口率	0.28	0.5	0.17	0.05
灰柱偏离度	0.5	0.31	0.13	0.06
					灰柱灰度	0.09	0.12	0.5	0.29
炭线宽度	0.04	0.29	0.46	0.21
					灰柱长度	0.25	0.49	0.26	0
灰柱面积	0.23	0.48	0.27	0.02
					缩灰率	0.08	0.33	0.42	0.17
炭线整齐度	0.18	0.43	0.32	0.07
					燃烧速度	0.04	0.19	0.5	0.27
飞灰值	0.13	0.38	0.37	0.12
					持灰率	0.5	0.31	0.12	0.07

表5模糊综合评价矩阵(167号样本)

表6模糊综合评价矩阵(300号样本)

指标	很好	好	较好	一般
					裂口率	0.47	0.32	0.18	0.03
灰柱偏离度	0.02	0.15	0.33	0.5
					灰柱灰度	0.26	0.5	0.21	0.03
炭线宽度	0.5	0.32	0.14	0.04
					灰柱长度	0.5	0.31	0.13	0.06
灰柱面积	0.5	0.33	0.15	0.02
					缩灰率	0.5	0.32	0.15	0.03
炭线整齐度	0.47	0.32	0.18	0.03
					燃烧速度	0.04	0.2	0.5	0.26
飞灰值	0.07	0.15	0.5	0.28
					持灰率	0.01	0.16	0.33	0.5

S4、通过因子分析确定每个属性的权向量以完成模糊综合评价模型计算。给每个属性建立如下形式的因子分析模型：

x_i＝c_i1F₁+c_i2F₂+...+c_ipF_p+q_iU_i(i＝1,2,...,n)

其中p代表公共因子数量(即变量数量)，F＝F₁,...,F_p为每个变量都有的公共因子，U_i为仅与变量x_i有关的特殊因子。c_ij,q_i(i＝1,2,...,n,j＝1,2,...,p)为因子载荷，其中c_ij(i＝1,2,...,n,j＝1,2,...,p)构成了载荷矩阵C。此时因子分析模型可以表示为如下的矩阵形式：

X＝CF+QU

其中：Q＝diag(q₁,q₂,...,q_n)，U＝(U₁,U₂,...,U_n)

假设各公共因子都是均值为0、方差为1的独立正态随机变量，其协方差矩阵为单位阵I_p，即F～N(0,I_p)；假设各特殊因子之间以及特殊因子与公共因子之间相互独立，即

其中σ₁ ²,σ₂ ²,...,σ_n ²表示特殊因子的方差。则p个公共因子对第i个变量方差的贡献为：

h_i ²＝a_i1 ²+a_i2 ²+...+a_ip ²

第i个变量的方差有如下分解：

Varx_i＝h_i ²+σ_i ²,i＝1,2,...,n

设λ₁≥λ₂≥...≥λ_n为样本相关系数R_c的特征值，η＝η₁,η₂,...,η_n为相应的标准正交化特征向量，此时样本相关系数矩阵R_c的主成分因子分析载荷矩阵C为：

至此，对于实施例，经由390支样本计算得到相关系数矩阵如表7所示，主成分因子分析载荷矩阵如表8所示：

表7相关系数矩阵

	x<sub>1</sub>	x<sub>2</sub>	x<sub>3</sub>	x<sub>4</sub>	x<sub>5</sub>	x<sub>6</sub>	x<sub>7</sub>	x<sub>8</sub>	x<sub>9</sub>	x<sub>10</sub>	x<sub>11</sub>
												x<sub>1</sub>	1.000	0.126	-0.182	0.650	0.037	0.203	0.033	0.609	-0.272	0.029	-0.154
x<sub>2</sub>	0.126	1.000	-0.031	0.052	0.009	0.060	0.049	0.029	-0.019	-0.059	-0.008
												x<sub>3</sub>	-0.182	-0.031	1.000	-0.464	-0.352	-0.532	-0.552	-0.341	0.600	-0.048	0.383
x4	0.650	0.052	-0.464	1.000	0.246	0.464	0.310	0.814	-0.383	0.095	-0.334
												x5	0.037	0.009	-0.352	0.246	1.000	0.756	0.720	0.189	-0.309	0.049	-0.179
x6	0.203	0.060	-0.532	0.464	0.756	1.000	0.796	0.338	-0.691	0.123	-0.451
												x<sub>7</sub>	0.033	0.049	-0.552	0.310	0.720	0.796	1.000	0.189	-0.482	0.056	-0.248
x<sub>8</sub>	0.609	0.029	-0.341	0.814	0.189	0.338	0.189	1.000	-0.309	0.046	-0.300
												x<sub>9</sub>	-0.272	-0.019	0.600	-0.383	-0.309	-0.691	-0.482	-0.309	1.000	-0.061	0.384
x<sub>10</sub>	0.029	-0.059	-0.048	0.095	0.049	0.123	0.056	0.046	-0.061	1.000	-0.029
												x<sub>11</sub>	-0.154	-0.008	0.383	-0.334	-0.179	-0.451	-0.248	-0.300	0.384	-0.029	1.000

表8载荷矩阵

特殊因子的方差用R_c-CC^T的对角元来估计，即

其中残差矩阵可用R_c-CC^T-Cov(U)来表示。

主成分解的解释不是严格唯一的，因此继续通过因子逆时针旋转使变换后的因子具有清晰的可解释性及唯一性。当针对两个因子进行平面正交旋转时，因子载荷矩阵C具有如下形式：

C＝(c_ij),i＝1,2,...,n,j＝1,2

取正交矩阵如下：

则D＝CS＝(d_ij),i＝1,2,...,n,j＝1,2)为旋转因子载荷矩阵，模型变为如下形式：

X＝D(S^TF)+QU

此时公共因子由F变为Q^TF。当前需要将(d₁₁ ²,d₂₁ ²,...,d_n1 ²)和(d₁₂ ²,d₂₂ ²,...,d_n2 ²)的方差最大化。二者的相对方差可以表示为：

这样的形式可以消除d_ij符号的影响，消除各个属性变量对公共因子依赖程度不同的影响。接下来将总方差V＝V₁+V₂最大化，令

经计算，φ应该满足：

其中：

对于p个公共因子，将这些因子两两进行旋转。在一遍完整的旋转过程中，从p个因子中每次选两个进行逆时针旋转，共有p(p-1)/2次旋转。完成一遍旋转后，继续进行下一遍循环，在此重复过程中C各列的相对方差和总方差V会递增，直至某一次循环的总方差比前和一次循环的总方差相比差距不大于5％则停止旋转。此时得到最终旋转因子载荷矩阵D，和标准正交化特征向量相乘即得到模糊综合评价的因素权向量：

A＝Dη^T

对于实施例，经由390支样本计算得到旋转后因子载荷矩阵如表9所示：

表9旋转因子载荷矩阵

指标	成分1	成分2	成分3
				裂口率	-0.006	0.847	0.100
灰柱偏离度	0.047	0.099	0.764
				灰柱灰度	-0.668	-0.316	0.029
炭线宽度	0.310	0.865	-0.039
				灰柱长度	0.809	-0.055	0.020
灰柱面积	0.919	0.206	-0.026
				缩灰率	0.898	-0.009	0.034
炭线整齐度	0.183	0.868	-0.031
				燃烧速度	-0.672	-0.320	0.046
飞灰值	0.069	0.076	-0.679
				持灰率	-0.426	-0.328	0.085

相应地，模糊综合评价因素权向量为：

A＝(0.12,0.08,0.10,0.14,0.06,0.10,0.07,0.13,0.09,0.04,0.07)

A实际上反映了u中属性的重要程度，现在通过模糊变换将反映u的模糊向量A转换成反映v的模糊向量B，即

B＝(0.337,0.296,0.233,0.134)

模糊向量B中的元素与评价集v中的元素一一对应，最大的元素对应的评价即为卷烟的模糊综合最终评价等级。

以实施例的四支卷烟样本1、100、167、300为例，样本1的模糊向量为B＝(0.153,0.238,0.356,0.253)，其卷烟燃烧外观评级为“较好”；样本100的模糊向量为B＝(0.199,0.348,0.327,0.126)，其卷烟燃烧外观评级为“好”；样本167的模糊向量为B＝(0.046,0.165,0.345,0.444)，其卷烟燃烧外观评级为“一般”；样本300的模糊向量为B＝(0.337,0.296,0.233,0.134)，其卷烟燃烧外观评级为“很好”。

Claims (4)

1.一种卷烟燃烧外观评价方法，其特征在于，其包括如下步骤：

S1、卷烟外在属性数据采集：在卷烟实时抽吸状态时，采集卷烟外在属性，所述卷烟外在属性包括：裂口率、灰柱偏离度、灰柱灰度、灰柱长度、灰柱面积、缩灰率、飞灰值、持灰率、炭线宽度、炭线整齐度、燃烧速度，共11个属性；

S2、卷烟数据标准化：通过下式对数据进行标准化处理得到标准数据X：

式中min(X_og)，表示X_og的最小值；max(X_og)，表示X_og的最大值；X_og＝(x_1og,x_2og,...,x_11og)为步骤S1采集的卷烟数据，其中x_1og,x_2og,...,x_11og表示烟支11个外在属性的测量计算值；n＝11；

S3、构建卷烟外在属性模糊综合评价矩阵：

定属性集u＝(u₁,u₂,...,u_n)，其中u₁,u₂,...,u_n分别表示不同的卷烟外在属性；

定评价集v＝(v₁,v₂,...,v_m)，其中v₁,v₂,...,v_m表示不同的评价结果；

定r_ij为属性集中第i个属性对评价集V中第j种评价的隶属度，则第i个属性进行单因素评价的结果表示为模糊集合R_i：R_i＝(r_i1,r_i2,...,r_im)；

则全部属性单因素评价的模糊集合共同构成了长度为n×m的模糊综合评价矩阵R；

S4、通过因子分析确定每个属性的权向量以完成模糊综合评价模型计算，并根据计算得到的模糊向量B确定最终评价等级：

给每个属性建立如下形式的因子分析模型：x_i＝c_i1F₁+c_i2F₂+...+c_ipF_p+q_iU_i(i＝1,2,...,n)，

其中p代表公共因子数量(即变量数量)，F＝F₁,...,F_p为每个变量都有的公共因子，U_i为仅与变量x_i有关的特殊因子；c_ij,q_i(i＝1,2,...,n,j＝1,2,...,p)为因子载荷，其中c_ij(i＝1,2,...,n,j＝1,2,...,p)构成了因子载荷矩阵C；

则上述因子分析模型表示为如下的矩阵形式：X＝CF+QU，

其中：Q＝diag(q₁,q₂,...,q_n)，U＝(U₁,U₂,...,U_n)；

认定各公共因子都是均值为0、方差为1的独立正态随机变量，其协方差矩阵为单位阵I_p，即F～N(0,I_p)；认定各特殊因子之间以及特殊因子与公共因子之间相互独立，即

其中σ₁ ²,σ₂ ²,...,σ_n ²表示特殊因子的方差；

则p个公共因子对第i个变量方差的贡献为：h_i ²＝a_i1 ²+a_i2 ²+...+a_ip ²；

第i个变量的方差有如下分解：Varx_i＝h_i ²+σ_i ²,i＝1,2,...,n；

定λ₁≥λ₂≥...≥λ_n为样本相关系数R_c的特征值，η＝η₁,η₂,...,η_n为相应的标准正交化特征向量，此时样本相关系数矩阵R_c的主成分因子载荷矩阵C为：

特殊因子的方差用R_c-CC^T的对角元来估计，即

其中残差矩阵可用R_c-CC^T-Cov(U)来表示；CC^T+Cov(U)与相关系数矩阵R_c残差小于5％时，认为模型的拟合程度较好后继续进行；

通过因子逆时针旋转使变换后的因子具有清晰的可解释性及唯一性，当针对两个因子进行平面正交旋转时，因子载荷矩阵C具有如下形式：C＝(c_ij),i＝1,2,...,n,j＝1,2；

取正交矩阵如下：

则D＝CS＝(d_ij),i＝1,2,...,n,j＝1,2)为旋转因子载荷矩阵，模型变为如下形式：X＝D(S^TF)+QU；

此时公共因子由F变为Q^TF，当前旋转双因子的目的是将变量分为由不同因子说明的两个部分，故需要将(d₁₁ ²,d₂₁ ²,...,d_n1 ²)和(d₁₂ ²,d₂₂ ²,...,d_n2 ²)的方差最大化，二者的相对方差可以表示为：

以消除d_ij符号的影响，消除各个属性变量对公共因子依赖程度不同的影响；

接下来将总方差V＝V₁+V₂最大化，令

经计算，φ满足：

其中：

对于p个公共因子，将这些因子两两进行旋转；在一遍完整的旋转过程中，从p个因子中每次选两个进行逆时针旋转，共有p(p-1)/2次旋转，完成一遍旋转后，继续进行下一遍循环，在此重复过程中C各列的相对方差和总方差V会递增，直至某一次循环的总方差比前和一次循环的总方差相比差距不大于5％则停止旋转，此时得到最终旋转因子载荷矩阵D，和标准正交化特征向量相乘即得到模糊综合评价的因素权向量：A＝Dη^T，A实际上反映了u中属性的重要程度；

然后通过模糊变换将反映u的模糊向量A转换成反映v的模糊向量B，即B＝AR＝(b₁,b₂,...,b_m)，模糊向量B中的元素与评价集v中的元素一一对应，最大的元素对应的评价即为卷烟的模糊综合最终评价等级。

2.根据权利要求1所述的卷烟燃烧外观评价方法，其特征在于，步骤S1中，基于模拟人体卷烟抽吸全过程的机械手臂，通过摄像系统捕捉卷烟实时抽吸状态，采集卷烟外在属性。

3.根据权利要求1所述的卷烟燃烧外观评价方法，其特征在于，步骤S3中，m＝4，按照优劣排序，v₁是特等级，v₂是优等级，v₃是中等级，v₄是次等级。

4.根据权利要求1所述的卷烟燃烧外观评价方法，其特征在于，步骤S4中，r_ij由专家打分获得。

Images