范例推理在制袋机系统参数设定中的应用*

彭 杭，彭泽光，黄林勇，邵 明

（1.广东中包机械有限公司，广东潮州 515638；2.华南理工大学机械与汽车工程学院，广东广州 510640）

0 引言

制袋是软包装印刷生产线上最后一道工序，制袋机是制袋的主要加工设备。制袋机主要是利用塑料的热塑原理，经牵引与送料、烫压热封、切割等加工工艺，将印刷好的薄膜制成包装袋[1]。影响包装袋产品质量的因素主要有制袋机的机械性能、塑料薄膜的类型和制袋机参数设定，其中制袋机参数设定是否合理将直接影响产品质量和工人的劳动强度。

对于单制式单功能单列制袋设备，需要设定和调整的系统参数就有基本系统参数19个，制式参数5个，工艺参数15个和温控参数4个，共计4类43个调整参数，其中最重要的温控参数又与生产速度和薄膜的材质相关。这些参数的设置与调整目前主要依靠设备制造厂长期积累的技术资料和现场操作工人的经验，对工人的要求很高且工作量大。目前制袋机已发展为双列多制式，本文作者研制成功的双列多制式制袋机已能够在一台设备上生产括中封、三边封、四边封、自立、拉链等制式的包装袋，设备系统参数设定和调整的难度明显增加，有必要引入智能技术来解决这一技术难题。

本文把制袋机的智能参数设定分为两步，第一步采用基于范例推理方法完成制袋机系统参数的初始设定，第二步对有需要的制袋机的部分参数进行智能调整。系统开发成功后，只要在人机界面上输入塑料薄膜的材质和要生产的产品型号，系统将对参数自动进行设定和调整。本文仅对第一步的工作进行介绍。

1 制袋机系统参数智能设定

1.1 基于范例推理

基于范例推理（Case Based Reasoning CBR），是一种人工智能范式[2]，它能避免了专家系统难以获取专家知识和不易表达的瓶颈。CBR不需要对经验分解或抽象以形成规则，也不需要用语言符号明确表达该知识领域中的规则和原理。CBR知识表示的单位是范例，制袋机系统参数的一个范例就是在某种生产条件下的一组系统参数，它收集容易，成本也不高。基于范例推理在系统参数设定中的应用相关参考文献不多，可供参考的文献主要有金新明等完成的“人工智能在设定注塑参数中的应用”[3]和Kwong等[4]开发的解决注塑参数设定的基于范例推理的系统（Case-Based Rea⁃soning System，CBRS），可供开发制袋机参数设定系统时参考。

范例推理由范例库、范例检索、范例匹配和范例调整四部分组成。范例库储存已有的知识和经验构成的参数范例，经过范例检索后得到一组相近的参数，再和设定的生产要求进行参数匹配，得到的一组范例库中的最优参数，在此范例的基础上再进行参数的修正，获得初始参数，其推理过程如图1所示。

图1 范例推理获得初始参数

1.2 范例库的建立

范例库是CBR的重要组成部分，是CBR中的重要知识库。制袋机范例库的范例选择、储存的范例数量和组成结构直接影响到检索到参数初始设定的效率和准确性。把制袋机的参数分成两部分，第一类是不随制式、产品品种和薄膜材质改变的参数，第二类是随不同制式、产品品种和薄膜材质改变的参数。第一类参数不需要设定，储存后直接调用，需要设定和调整的是设定第二类参数。

制袋机范例库中的范例获得有三种方式：（1）采集制袋机制造厂和用户积累的参数，根据不同制式、不同的薄膜材质和不同的生产速度和不同的生产工艺等各种情况建立对应的一组参数；（2）每次生产后旧范例经调整后产生的新参数组储存在范例库中，成为新的范例；（3）通过界面，用户可以编辑和修改范例中的参数从而产生新的范例。通过这三种方式可以获得高质量且数量足够的范例库。

1.3 范例的检索与修正

制袋机范例的检索是根据要生产的包装袋的型号、薄膜类型和生产速度等数据，CBR对这些属性进行描述后由CBR系统生成定一个新的范例，利用这个新范例从范例库中检索一个最相似的范例。因为范例检索后得到的范例是制袋机的待生产产品的初始参数，直接影响到后续的范例修正和产品的质量，所以范例检索在制袋机范例推理系统中是最为关键的步骤，采用一种适当的范例检索方法是非常重要的。好的范例检索方法使检索和和匹配的时间很短，检索效率高，也能保证找到的是最优相似范例。范例检索中核心的检索算法，数据结构和算法之间是紧密相连的，因此检索算法必须和范例库的组织结构相对应。一般最常用的检索方法有三种方法：最近邻法，归纳法和模板检索。最近邻法的缺点是随范例库中的范例数量增大检索时间和复杂度呈线性增加，不适合用于范例库数量很大的系统，但制袋机的范例库数量不大，最近邻法简单而且最常用，所以本文选用最近邻法。

范例的检索是在相似性的基础上匹配的，范例之间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。相似度最小的称为相似范例[5]。本文采用基于范式计算相似度，考虑到各属性参数的量纲不同而具有不可共度性，必须对各属性参数进行归一化化处理，将各属性值变换到[0，1]区间。基于欧氏距离的范例检索模型相似度计算公式如下：

式（1）中diT为新范例T和范例库中第i范例之间的基于欧氏距离的相似度；vi(j)为范例库中第i个范例的第j个属性的值；vT(j)新范例的第j个属性的值；n为属性总数。

通过检索后得到的范例可能和所需的制袋参数不是完全匹配，所以需要对范例中的参数进行调整。通过设定一个匹配标准，如果超过这个标准则进行范例替换，否则，范例中的参数调整进入下一步进行智能调整。

2 结束语

本文引入范例推理技术对制袋机的系统参数进行初始设定，可以快速高质量的设定制袋机的初始参数，为进一步开展系统参数智能调整工作奠定基础。目前已经开发的部分证实了所作工作的有效性，后续开发工作正在进行中，其应用效果将另文介绍。

［1］韩凌，陆荣鉴.制袋机的检测与控制技术发展概述［J］.包装工程，2010（11）.

［2］姚志强，余嘉元.基于范例推理：原理、研究及应用［J］.宁波大学学报，2004（4）：13-18.

［3］金新明，朱学峰.人工智能在设定注塑参数中的应用［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，陈小军，叶万军.不同范例检索模型在边坡稳定性评价中的对比分析［J］.西安科技大学学报，2007（03）：368-371.