專利名稱：應(yīng)用模糊邏輯模型對(duì)高光澤度涂層表面進(jìn)行評(píng)價(jià)的方法
技術(shù)領(lǐng)域：
本發(fā)明屬于涂裝質(zhì)量評(píng)估領(lǐng)域，涉及一種通過(guò)模糊邏輯的方法 綜合高光澤度涂層表面的光澤度、霧影和桔皮三項(xiàng)質(zhì)量指標(biāo)的評(píng) 分，對(duì)高光澤度涂層表面進(jìn)行評(píng)價(jià)，使評(píng)價(jià)結(jié)果與人眼視覺(jué)效果一 致的"i平^介方法。
背景技術(shù)：
涂層外觀的質(zhì)量是評(píng)價(jià)一個(gè)產(chǎn)品好壞的指標(biāo)之一。目前評(píng)價(jià)表 觀質(zhì)量的測(cè)試項(xiàng)目已發(fā)展有光澤、霧影、桔皮等。光澤度表征漆膜 表面向一定方向反射入射光的光量，直接反射的光量越大，光澤的感 覺(jué)就越明顯。霧影是指在漆膜表面映射圖案的局部區(qū)域呈現(xiàn)霧狀章 圈的程度，它反映了漫反射光線的強(qiáng)度。涂層表面外觀呈現(xiàn)許多半 圓狀突起，像桔皮一樣的波紋稱為桔皮，它反映了漆膜表面起伏高 度對(duì)反射光線的影響程度。其測(cè)試標(biāo)準(zhǔn)和檢測(cè)儀器也正在不斷的完 善中。人眼在觀察一個(gè)物體時(shí)，會(huì)從不同方面去對(duì)它進(jìn)行評(píng)價(jià)，也 會(huì)對(duì)物體形成一個(gè)整體印象，該整體印象直接影響人們判斷一個(gè)物 體好壞的標(biāo)準(zhǔn)。
在早期的綜合評(píng)價(jià)中，主要是通過(guò)求取光澤度、霧影和桔皮各 項(xiàng)質(zhì)量指標(biāo)的平均值來(lái)對(duì)涂層表面質(zhì)量進(jìn)行評(píng)價(jià)，該方法忽略了各項(xiàng)質(zhì)量指標(biāo)對(duì)人眼視覺(jué)效果的影響程度。
后來(lái)人們通過(guò)經(jīng)驗(yàn)公式綜合涂層各質(zhì)量指標(biāo)的打分來(lái)對(duì)涂層表 面質(zhì)量進(jìn)行綜合評(píng)價(jià)。在經(jīng)驗(yàn)公式中為光澤度、霧影和桔皮每項(xiàng)涂 層質(zhì)量指標(biāo)打分設(shè)定一個(gè)系數(shù)，該系數(shù)決定各項(xiàng)質(zhì)量指標(biāo)對(duì)人眼主 觀視覺(jué)效果的影響程度。通過(guò)各項(xiàng)質(zhì)量指標(biāo)與系數(shù)乘積的線性組合 來(lái)評(píng)價(jià)涂層表面的綜合質(zhì)量。但是人眼的在對(duì)涂層質(zhì)量進(jìn)行綜合評(píng) 價(jià)時(shí)，各涂層質(zhì)量指標(biāo)相互間的聯(lián)系要復(fù)雜的多，因?yàn)樵撨^(guò)程是一 個(gè)多輸入的非線性系統(tǒng)。因此釆用經(jīng)驗(yàn)公式組合各項(xiàng)質(zhì)量指標(biāo)形成 綜合評(píng)價(jià)的方法也不能準(zhǔn)確的模擬人眼的視覺(jué)效果。
傳統(tǒng)方法根據(jù)一系列"…如果…那么…"的經(jīng)驗(yàn)語(yǔ)句做出判 斷，得到這形如"一般"、"較好，，、"好"等結(jié)論。模糊推理系 統(tǒng)正是利用模糊規(guī)則進(jìn)行推理，表達(dá)過(guò)渡性界限或定性知識(shí)經(jīng)驗(yàn)， 模擬人腦方式，實(shí)行模糊綜合判斷，推理解決常規(guī)方法難于對(duì)付的 規(guī)則型模糊信息問(wèn)題。因此使用模糊邏輯的方法可以保證系統(tǒng)打分 更接近人類視覺(jué)評(píng)價(jià)。
現(xiàn)在被廣泛使用的模糊推理方法是曼達(dá)尼(Mamdani)的模糊推 理系統(tǒng)，因此系統(tǒng)采用Mamdani-type作為綜合評(píng)價(jià)系統(tǒng)的模型，模 型將輸入變量經(jīng)過(guò)模糊化-〉推理-〉解模糊的過(guò)程得到最后的綜合打 分。

發(fā)明內(nèi)容
本發(fā)明的目的是提供一種采用模糊邏輯的方法模擬人眼視覺(jué)效 果，綜合涂層表面的光澤度、霧影、桔皮的質(zhì)量打分，基于物體表面的某些紋理或光學(xué)特征評(píng)價(jià)，通過(guò)對(duì)這些評(píng)價(jià)的綜合分析得到高 反射能力物體表面 一個(gè)充分接近人類視覺(jué)的綜合評(píng)價(jià)的方法。
為了實(shí)現(xiàn)以上目的，本發(fā)明采用的方法為
第一步驟評(píng)價(jià)指標(biāo)的選取選取光澤度、霧影和桔皮來(lái)作為 分析高反射能力物體表面的綜合評(píng)價(jià)的分析因素；
第二步驟根據(jù)使用傳統(tǒng)的評(píng)價(jià)方法對(duì)標(biāo)準(zhǔn)板測(cè)試所得數(shù)據(jù)作 為訓(xùn)練集，建立Mamdan i模糊推理系統(tǒng)模型；
第三步驟將測(cè)量獲得的光澤度、霧影、桔皮值輸入狀態(tài)參量
進(jìn)行指標(biāo)^f莫糊化，得到每個(gè)參量的才莫糊集；
第四步驟根據(jù)每個(gè)采樣時(shí)刻的輸入狀態(tài)測(cè)量的具體值，利用 模糊推理規(guī)則庫(kù)中的每條規(guī)則進(jìn)行模糊推理，得到該推理規(guī)則對(duì)應(yīng)
的綜合評(píng)價(jià)的輸出值和對(duì)應(yīng)模糊集；
第五步驟將對(duì)應(yīng)綜合評(píng)價(jià)輸出值和模糊集進(jìn)行加權(quán)合并，得 到最終的綜合評(píng)價(jià)輸出集，最后對(duì)輸出集求重心，以重心對(duì)應(yīng)橫坐 標(biāo)值作為綜合評(píng)價(jià)分?jǐn)?shù)綜合評(píng)價(jià)輸出值的量化范圍可根據(jù)具體應(yīng) 用情況進(jìn)行具體設(shè)定，輸出值的量化范圍定義在O-99. 9之間，0表 示表面質(zhì)量極差或輸入測(cè)量值非法，IOO表示表面質(zhì)量纟及好或?yàn)槠矫?鏡。
本發(fā)明的優(yōu)點(diǎn)在于1、參數(shù)選擇靈活，算法具有很好的擴(kuò)展 性。用戶可以自己選擇需要考察的狀態(tài)參量，甚至可以根據(jù)自己的 測(cè)量數(shù)據(jù)自定義參數(shù)；2、輸出結(jié)果直觀，用戶無(wú)需了解測(cè)量參數(shù)的 實(shí)際意義，只要根據(jù)最后的輸出結(jié)果，就可以判斷待測(cè)表面的涂層質(zhì)量；3、根據(jù)量化后的涂層表面綜合質(zhì)量指標(biāo)，可以很容易比較不 同涂層之間的質(zhì)量差異，這在涂裝領(lǐng)域中有較為積極的意義。


圖1為本發(fā)明輸入狀態(tài)參量桔皮的隸屬度函數(shù)曲線。
圖2為本發(fā)明輸入狀態(tài)參量霧影的隸屬度函數(shù)曲線。
圖3為本發(fā)明輸入狀態(tài)參量光澤度的隸屬度函數(shù)曲線。
圖4為本發(fā)明綜合評(píng)價(jià)輸出隸屬度函數(shù)曲線。
圖5為本發(fā)明利用決策樹方法對(duì)實(shí)驗(yàn)數(shù)據(jù)所構(gòu)造的決策樹。
圖6為本發(fā)明實(shí)施例所使用的規(guī)則庫(kù)。
具體實(shí)施例方式
下面結(jié)合附圖和實(shí)施例對(duì)本發(fā)明作進(jìn)一步的詳細(xì)描述。
本發(fā)明提出的一種基于模糊邏輯的高反射能力物體表面綜合質(zhì)
量量化方法，并依據(jù)量化數(shù)據(jù)對(duì)物體表面綜合質(zhì)量進(jìn)行評(píng)價(jià)，具體
實(shí)施方法如下
第一步驟目前評(píng)價(jià)表觀質(zhì)量的測(cè)試項(xiàng)目已發(fā)展有光澤、霧 影、桔皮等，所以首先評(píng)價(jià)指標(biāo)的選取光澤度、霧影和桔皮來(lái)分析 高反射能力物體表面的綜合評(píng)價(jià)的分析因素。
第二步驟根據(jù)使用傳統(tǒng)的評(píng)價(jià)方法對(duì)標(biāo)準(zhǔn)板測(cè)試所得數(shù)據(jù)作 為訓(xùn)練集，建立Mamdani模糊推理系統(tǒng)模型。本發(fā)明使用的是知識(shí) 挖掘的方法，從多位專家的打分以及同類設(shè)備所測(cè)量結(jié)果中提取滿 足系統(tǒng)精度的規(guī)則，建立決策樹。第三步驟將測(cè)量獲得的光澤度、霧影、桔皮值輸入狀態(tài)參量 進(jìn)行指標(biāo)模糊化，得到個(gè)參量的模糊集。
1、本發(fā)明對(duì)三個(gè)輸入狀態(tài)量進(jìn)行量化處理本實(shí)施例將光澤 度、霧影、桔皮度按照大小分為低、中、高，即定義模糊集為 {低，中，高},為其定義隸屬度函數(shù)(圖1-3)，曲線Low, Mid， High分別表示三個(gè)狀態(tài)，橫坐標(biāo)為輸入?yún)⒘康膶?shí)際值，縱坐標(biāo)為隸 屬度，O表示完全不屬于該狀態(tài)，l表示完全屬于此狀態(tài)。
2、設(shè)置綜合評(píng)價(jià)輸出值的量化范圍和模糊化參數(shù)(圖4):本 實(shí)施例將綜合評(píng)價(jià)輸出值范圍定義在0 - 99. 9之間，0表示表面質(zhì)量 極差或輸入測(cè)量值非法，IOO表示表面質(zhì)量極好或?yàn)槠矫骁R。并將綜 合評(píng)價(jià)輸出值定位差、 一般、好、極好四個(gè)級(jí)別。橫坐標(biāo)為綜合打 分值，縱坐標(biāo)為隸屬度。
第四步驟根據(jù)每個(gè)采樣時(shí)刻的輸入狀態(tài)測(cè)量的具體值，利用
模糊推理規(guī)則庫(kù)中的每條規(guī)則進(jìn)行模糊推理，得到該推理規(guī)則對(duì)應(yīng) 的綜合評(píng)價(jià)的輸出值和對(duì)應(yīng)模糊集。模糊推理規(guī)則如圖6所示，首 先根據(jù)隸屬度函數(shù)確定參量的隸屬度，對(duì)每一輸入值就需要有圖6 的7條規(guī)則進(jìn)行推理，每次都得到一個(gè)輸出值0i,以及該規(guī)則和實(shí)際
情況的匹配程度OCi。
第五步驟將對(duì)應(yīng)綜合評(píng)價(jià)輸出值和模糊集進(jìn)行加權(quán)合并，得 到最終的綜合評(píng)價(jià)輸出集，最后對(duì)輸出集求重心，以重心對(duì)應(yīng)橫坐 標(biāo)值作為綜合評(píng)價(jià)分?jǐn)?shù)。首先對(duì)一條模糊推理規(guī)則中的每個(gè)輸入狀 態(tài)參量的隸屬度函數(shù)得到該參數(shù)的隸屬度，然后以隸屬度最小的值為準(zhǔn)，結(jié)合該模糊推理規(guī)則中所對(duì)應(yīng)的輸出參量狀態(tài)等級(jí)隸屬度函 數(shù)，求出該模糊推理規(guī)則的綜合評(píng)價(jià)輸出值以及該值的匹配程度。
所述第三步驟中對(duì)參量進(jìn)行模糊化的具體操作的方法包括 第一步根據(jù)所選定的每個(gè)輸入?yún)⒘康臏y(cè)量數(shù)值大小劃分為多 個(gè)狀態(tài)等級(jí)；例如，可根據(jù)光澤度的大小這個(gè)狀態(tài)參量的測(cè)量值大 小劃分為三個(gè)狀態(tài)等級(jí)高、中、低，分別對(duì)應(yīng)光澤度的好壞程
度；
第二步設(shè)置表示每個(gè)輸入狀態(tài)參量的測(cè)量值對(duì)應(yīng)該參量狀態(tài) 等級(jí)的隸屬程度的隸屬度函數(shù)；隸屬度用0-l之間的實(shí)數(shù)表示。
所述模糊化參數(shù)可包括將所述綜合評(píng)價(jià)輸出值的大小分為若 干個(gè)級(jí)別，定義相應(yīng)的隸屬度函數(shù)。
所述第四步驟中模糊推理規(guī)則庫(kù)是根據(jù)專家的實(shí)際經(jīng)驗(yàn)知識(shí)歸 納得到，或者利用知識(shí)挖掘的方法從大量經(jīng)驗(yàn)數(shù)據(jù)集中提取獲得， 其中每條模糊推理規(guī)則由所述多個(gè)輸入狀態(tài)參量的不同狀態(tài)等級(jí)通 過(guò)一定的與/或邏輯關(guān)系構(gòu)成的條件，對(duì)應(yīng)于所述一個(gè)負(fù)載輸出值的 相應(yīng)狀態(tài)等級(jí)，該推理規(guī)則可用"如果…則…"的條件語(yǔ)句表示。 本發(fā)明使用的是知識(shí)挖掘的方法，從多位專家的打分以及同類設(shè)備 所測(cè)量結(jié)果中提取滿足系統(tǒng)精度的規(guī)則，建立決策樹，具體方法
第一步使用對(duì)標(biāo)準(zhǔn)板測(cè)量的值進(jìn)行訓(xùn)練，得到?jīng)Q策樹，如圖5 所示。
第二步根據(jù)輸出值的隸屬度函數(shù)，每個(gè)結(jié)果一般由2-3個(gè)規(guī) 則導(dǎo)出，所以將原始決策樹剪枝，得到有10個(gè)葉子結(jié)點(diǎn)的子決策樹。將決策樹轉(zhuǎn)化為對(duì)應(yīng)規(guī)則表示。
所述第五步驟中加權(quán)合并處理方法為將通過(guò)每條推理規(guī)則得
到的匹配程度對(duì)其綜合評(píng)價(jià)輸出值進(jìn)行加權(quán)運(yùn)算，得到一個(gè)最重的 綜合輸出模糊集，再對(duì)該模糊集進(jìn)行求重心運(yùn)算，對(duì)應(yīng)重心的橫坐
標(biāo)值作為綜合評(píng)價(jià)值。該模糊系統(tǒng)可表示為
AI = f (OF,訓(xùn),GLS),AI e (0,99.9)，
其中AI表示表面綜合打分指數(shù)，OP表示桔皮輸入值，D0I表示 霧影輸入值，GLS表示光澤度輸入值。
本發(fā)明的參數(shù)模糊化處理過(guò)程就是將原來(lái)精確輸入?yún)⒘扛鶕?jù)事 先定義好的模糊集和隸屬度函數(shù)進(jìn)行模糊化處理，用狀態(tài)和隸屬度 關(guān)系描述一個(gè)參量的狀態(tài)，比如，將桔皮的程度劃分為低、中等和 高三個(gè)狀態(tài)，當(dāng)前桔皮輸入值為30，根據(jù)隸屬度函數(shù)經(jīng)過(guò)模糊化處 理后，就可以描述為當(dāng)前桔皮現(xiàn)象對(duì)的狀態(tài)隸屬度為0. 6，對(duì)中等狀 態(tài)的隸屬度為0. 08。
模糊推理規(guī)則是進(jìn)行綜合評(píng)價(jià)的關(guān)鍵步驟，它是對(duì)被控對(duì)象進(jìn) 行控制的一個(gè)知識(shí)數(shù)據(jù)庫(kù)，模糊推理的方法是結(jié)合推理規(guī)則，按照 預(yù)先選定的推理算法進(jìn)行推理。每條推理規(guī)則都會(huì)對(duì)輸入?yún)?shù)量相 作用，然后給出一個(gè)輸出值0i，以及該規(guī)則和實(shí)際情況的匹配程度 oti。本發(fā)明的模糊推理方法就是Mamdari模糊推理算法的一種具體應(yīng) 用。該算法的實(shí)現(xiàn)過(guò)程主要包括首先對(duì)一條模糊推理規(guī)則中的每 個(gè)輸入狀態(tài)參量的隸屬度函數(shù)得到該參數(shù)的隸屬度，然后以隸屬度 最小的值為準(zhǔn)，結(jié)合該模糊推理規(guī)則中所對(duì)應(yīng)的輸出參量狀態(tài)等級(jí)隸屬度函數(shù)，求出該模糊推理規(guī)則的綜合評(píng)價(jià)輸出值以及該值的匹 配程度。
本說(shuō)明書中未作詳細(xì)描述的內(nèi)容屬于本領(lǐng)域?qū)I(yè)l支術(shù)人員公知 的現(xiàn)有技術(shù)。
權(quán)利要求
1、一種應(yīng)用模糊邏輯模型對(duì)高光澤度涂層表面進(jìn)行評(píng)價(jià)的方法，其方法是第一步驟評(píng)價(jià)指標(biāo)的選取選取光澤度、霧影和桔皮來(lái)作為分析高反射能力物體表面的綜合評(píng)價(jià)的分析因素；第二步驟根據(jù)已有的數(shù)據(jù)使用傳統(tǒng)的評(píng)價(jià)方法對(duì)標(biāo)準(zhǔn)板測(cè)試所得數(shù)據(jù)作為訓(xùn)練集，建立Mamdani模糊推理系統(tǒng)模型；第三步驟將測(cè)量獲得的光澤度、霧影、桔皮值輸入狀態(tài)參量進(jìn)行指標(biāo)模糊化，得到每個(gè)參量的模糊集；第四步驟根據(jù)每個(gè)采樣時(shí)刻的輸入狀態(tài)測(cè)量的具體值，利用模糊推理規(guī)則庫(kù)中的每條規(guī)則進(jìn)行模糊推理，得到該推理規(guī)則對(duì)應(yīng)的綜合評(píng)價(jià)的輸出值和對(duì)應(yīng)模糊集；第五步驟將對(duì)應(yīng)綜合評(píng)價(jià)輸出值和模糊集進(jìn)行加權(quán)合并，得到最終的綜合評(píng)價(jià)輸出集，最后對(duì)輸出集求重心，以重心對(duì)應(yīng)橫坐標(biāo)值作為綜合評(píng)價(jià)分?jǐn)?shù)綜合評(píng)價(jià)輸出值的量化范圍根據(jù)具體應(yīng)用情況進(jìn)行具體設(shè)定，輸出值的量化范圍定義在0-100之間，0表示表面質(zhì)量極差或輸入測(cè)量值非法，100表示表面質(zhì)量極好或?yàn)槠矫骁R。
2、如權(quán)利要求1所述的應(yīng)用模糊邏輯模型對(duì)高光澤度涂層表面 進(jìn)行評(píng)價(jià)的方法，其特征在于所述第三步驟中對(duì)參量進(jìn)行模糊化 的具體操作的方法包括第一步根據(jù)所選定的每個(gè)輸入?yún)⒘康臏y(cè)量數(shù)值大小劃分為多個(gè)狀態(tài)等級(jí)根據(jù)光澤度的大小這個(gè)狀態(tài)參量的測(cè)量值大小劃分為 三個(gè)狀態(tài)等級(jí)高、中、低，分別對(duì)應(yīng)光澤度的好壞程度；第二步設(shè)置表示每個(gè)輸入狀態(tài)參量的測(cè)量值對(duì)應(yīng)該參量狀態(tài) 等級(jí)的隸屬程度的隸屬度函數(shù)；隸屬度用0 - 1之間的實(shí)數(shù)表示。
3、 如權(quán)利要求1或2所迷的應(yīng)用模糊邏輯模型對(duì)高光澤度涂層 表面進(jìn)行評(píng)價(jià)的方法，其特征在于所述模糊化參數(shù)包括將所述 綜合評(píng)價(jià)輸出值的大小分為若干個(gè)級(jí)別，定義相應(yīng)的隸屬度函數(shù)。
4、 如權(quán)利要求1所述的應(yīng)用模糊邏輯模型對(duì)高光澤度涂層表面 進(jìn)行評(píng)價(jià)的方法，其特征在于所述第四步驟中模糊推理規(guī)則庫(kù)是 根據(jù)專家的實(shí)際經(jīng)驗(yàn)知識(shí)歸納得到，或者利用知識(shí)挖掘的方法從大 量經(jīng)驗(yàn)數(shù)據(jù)集中提取獲得，其中每條模糊推理規(guī)則由所述多個(gè)輸入 狀態(tài)參量的不同狀態(tài)等級(jí)通過(guò)一定的與/或邏輯關(guān)系構(gòu)成的條件，對(duì) 應(yīng)于所述一個(gè)負(fù)載輸出值的相應(yīng)狀態(tài)等級(jí)，該推理規(guī)則可用"如 果…則…"的條件語(yǔ)句表示，其中從多位專家的打分以及同類設(shè)備 所測(cè)量結(jié)果中提取滿足系統(tǒng)精度的規(guī)則，建立決策樹，具體方法 是第一步使用對(duì)標(biāo)準(zhǔn)板測(cè)量的值進(jìn)行訓(xùn)練，得到?jīng)Q策樹； 第二步根據(jù)輸出值的隸屬度函數(shù)，每個(gè)結(jié)果由2-3個(gè)規(guī)則導(dǎo)出，將原始決策樹剪枝，得到有IO個(gè)葉子結(jié)點(diǎn)的子決策樹，將決策樹轉(zhuǎn)化為對(duì)應(yīng)規(guī)則表示。
5、 如權(quán)利要求1所述的應(yīng)用模糊邏輯模型對(duì)高光澤度涂層表面 進(jìn)行評(píng)價(jià)的方法，其特征在于所述第五步驟中加權(quán)合并處理方法為將通過(guò)每條推理規(guī)則得到的匹配程度對(duì)其綜合評(píng)價(jià)輸出值進(jìn)行加權(quán)運(yùn)算，得到一個(gè)最重的綜合輸出模糊集，再對(duì)該模糊集進(jìn)行求 重心運(yùn)算，對(duì)應(yīng)重心的橫坐標(biāo)值作為綜合評(píng)價(jià)值，該模糊系統(tǒng)表示 為..AI = f (OP,訓(xùn)，GLS),AI e (0,99.9),其中A工表示表面綜合打分指數(shù)，OP表示桔皮輸入值，D0I表示 霧影輸入值，GLS表示光澤度輸入值。
全文摘要
本發(fā)明涉及一種應(yīng)用模糊邏輯模型對(duì)高光澤度涂層表面進(jìn)行評(píng)價(jià)的方法，其方法是1.選取光澤度、霧影和桔皮來(lái)作為綜合評(píng)價(jià)的分析因素；2.建立Mamdani模糊推理系統(tǒng)模型；3.獲得的光澤度、霧影、桔皮值每個(gè)參量的模糊集；4.得到對(duì)應(yīng)的綜合評(píng)價(jià)的輸出值和對(duì)應(yīng)模糊集；5.得到最終的綜合評(píng)價(jià)分?jǐn)?shù)。本發(fā)明的優(yōu)點(diǎn)在于1.參數(shù)選擇靈活，算法具有很好的擴(kuò)展性；2.輸出結(jié)果直觀；3.根據(jù)量化后的涂層表面綜合質(zhì)量指標(biāo)，可以很容易比較不同涂層之間的質(zhì)量差異，這在涂裝領(lǐng)域中有較為積極的意義。
文檔編號(hào)G01N21/57GK101539517SQ20091006175
公開日2009年9月23日 申請(qǐng)日期2009年4月27日 優(yōu)先權(quán)日2009年4月27日
發(fā)明者林婉如, 段鵬飛, 熊盛武, 謝嘯虎, 斌 趙 申請(qǐng)人:武漢理工大學(xué)