范例推理在制袋機系統參數設定中的應用*

彭 杭，彭澤光，黃林勇，邵 明

（1.廣東中包機械有限公司，廣東潮州 515638；2.華南理工大學機械與汽車工程學院，廣東廣州 510640）

0 引言

制袋是軟包裝印刷生產線上最后一道工序，制袋機是制袋的主要加工設備。制袋機主要是利用塑料的熱塑原理，經牽引與送料、燙壓熱封、切割等加工工藝，將印刷好的薄膜制成包裝袋[1]。影響包裝袋產品質量的因素主要有制袋機的機械性能、塑料薄膜的類型和制袋機參數設定，其中制袋機參數設定是否合理將直接影響產品質量和工人的勞動強度。

對于單制式單功能單列制袋設備，需要設定和調整的系統參數就有基本系統參數19個，制式參數5個，工藝參數15個和溫控參數4個，共計4類43個調整參數，其中最重要的溫控參數又與生產速度和薄膜的材質相關。這些參數的設置與調整目前主要依靠設備制造廠長期積累的技術資料和現場操作工人的經驗，對工人的要求很高且工作量大。目前制袋機已發展為雙列多制式，本文作者研制成功的雙列多制式制袋機已能夠在一臺設備上生產括中封、三邊封、四邊封、自立、拉鏈等制式的包裝袋，設備系統參數設定和調整的難度明顯增加，有必要引入智能技術來解決這一技術難題。

本文把制袋機的智能參數設定分為兩步，第一步采用基于范例推理方法完成制袋機系統參數的初始設定，第二步對有需要的制袋機的部分參數進行智能調整。系統開發成功后，只要在人機界面上輸入塑料薄膜的材質和要生產的產品型號，系統將對參數自動進行設定和調整。本文僅對第一步的工作進行介紹。

1 制袋機系統參數智能設定

1.1 基于范例推理

基于范例推理（Case Based Reasoning CBR），是一種人工智能范式[2]，它能避免了專家系統難以獲取專家知識和不易表達的瓶頸。CBR不需要對經驗分解或抽象以形成規則，也不需要用語言符號明確表達該知識領域中的規則和原理。CBR知識表示的單位是范例，制袋機系統參數的一個范例就是在某種生產條件下的一組系統參數，它收集容易，成本也不高。基于范例推理在系統參數設定中的應用相關參考文獻不多，可供參考的文獻主要有金新明等完成的“人工智能在設定注塑參數中的應用”[3]和Kwong等[4]開發的解決注塑參數設定的基于范例推理的系統（Case-Based Rea?soning System，CBRS），可供開發制袋機參數設定系統時參考。

范例推理由范例庫、范例檢索、范例匹配和范例調整四部分組成。范例庫儲存已有的知識和經驗構成的參數范例，經過范例檢索后得到一組相近的參數，再和設定的生產要求進行參數匹配，得到的一組范例庫中的最優參數，在此范例的基礎上再進行參數的修正，獲得初始參數，其推理過程如圖1所示。

圖1 范例推理獲得初始參數

1.2 范例庫的建立

范例庫是CBR的重要組成部分，是CBR中的重要知識庫。制袋機范例庫的范例選擇、儲存的范例數量和組成結構直接影響到檢索到參數初始設定的效率和準確性。把制袋機的參數分成兩部分，第一類是不隨制式、產品品種和薄膜材質改變的參數，第二類是隨不同制式、產品品種和薄膜材質改變的參數。第一類參數不需要設定，儲存后直接調用，需要設定和調整的是設定第二類參數。

制袋機范例庫中的范例獲得有三種方式：（1）采集制袋機制造廠和用戶積累的參數，根據不同制式、不同的薄膜材質和不同的生產速度和不同的生產工藝等各種情況建立對應的一組參數；（2）每次生產后舊范例經調整后產生的新參數組儲存在范例庫中，成為新的范例；（3）通過界面，用戶可以編輯和修改范例中的參數從而產生新的范例。通過這三種方式可以獲得高質量且數量足夠的范例庫。

1.3 范例的檢索與修正

制袋機范例的檢索是根據要生產的包裝袋的型號、薄膜類型和生產速度等數據，CBR對這些屬性進行描述后由CBR系統生成定一個新的范例，利用這個新范例從范例庫中檢索一個最相似的范例。因為范例檢索后得到的范例是制袋機的待生產產品的初始參數，直接影響到后續的范例修正和產品的質量，所以范例檢索在制袋機范例推理系統中是最為關鍵的步驟，采用一種適當的范例檢索方法是非常重要的。好的范例檢索方法使檢索和和匹配的時間很短，檢索效率高，也能保證找到的是最優相似范例。范例檢索中核心的檢索算法，數據結構和算法之間是緊密相連的，因此檢索算法必須和范例庫的組織結構相對應。一般最常用的檢索方法有三種方法：最近鄰法，歸納法和模板檢索。最近鄰法的缺點是隨范例庫中的范例數量增大檢索時間和復雜度呈線性增加，不適合用于范例庫數量很大的系統，但制袋機的范例庫數量不大，最近鄰法簡單而且最常用，所以本文選用最近鄰法。

范例的檢索是在相似性的基礎上匹配的，范例之間的相似性用相似度表示，相似度越小，表示相似程度越高；反之，相似度越大，相似程度越低。相似度最小的稱為相似范例[5]。本文采用基于范式計算相似度，考慮到各屬性參數的量綱不同而具有不可共度性，必須對各屬性參數進行歸一化化處理，將各屬性值變換到[0，1]區間。基于歐氏距離的范例檢索模型相似度計算公式如下：

式（1）中diT為新范例T和范例庫中第i范例之間的基于歐氏距離的相似度；vi(j)為范例庫中第i個范例的第j個屬性的值；vT(j)新范例的第j個屬性的值；n為屬性總數。

通過檢索后得到的范例可能和所需的制袋參數不是完全匹配，所以需要對范例中的參數進行調整。通過設定一個匹配標準，如果超過這個標準則進行范例替換，否則，范例中的參數調整進入下一步進行智能調整。

2 結束語

本文引入范例推理技術對制袋機的系統參數進行初始設定，可以快速高質量的設定制袋機的初始參數，為進一步開展系統參數智能調整工作奠定基礎。目前已經開發的部分證實了所作工作的有效性，后續開發工作正在進行中，其應用效果將另文介紹。

［1］韓凌，陸榮鑒.制袋機的檢測與控制技術發展概述［J］.包裝工程，2010（11）.

［2］姚志強，余嘉元.基于范例推理：原理、研究及應用［J］.寧波大學學報，2004（4）：13-18.

［3］金新明，朱學峰.人工智能在設定注塑參數中的應用［J］.塑料科技，1999（06）：9-13.

［4］C.K.Kwong，G.F.Smith，W.S.Lau.Application of Case Based Reasoning in Injection Moulding，Journal of Mate?rials Processing Technology［J］.1997（l63）：463-467.

［5］彭小云，陳小軍，葉萬軍.不同范例檢索模型在邊坡穩定性評價中的對比分析［J］.西安科技大學學報，2007（03）：368-371.