專利名稱：：一種基于神經(jīng)網(wǎng)絡(luò)技術(shù)的啤酒口味預(yù)估方法
技術(shù)領(lǐng)域：
：本發(fā)明屬于信息與控制
技術(shù)領(lǐng)域：
，涉及自動(dòng)化技術(shù)，特別是涉及一種啤酒口味的預(yù)估方法。
背景技術(shù)：
：啤酒質(zhì)量是由啤酒口味、色澤、泡持性、酒體清亮無(wú)混濁所共同體現(xiàn)。啤酒的泡沫、色澤和濁度可以通過(guò)各種化學(xué)或物理方法來(lái)測(cè)定，然而啤酒的口味指標(biāo)不能通過(guò)儀表直接測(cè)定，僅有經(jīng)過(guò)培訓(xùn)和經(jīng)歷的品酒人員才能夠評(píng)價(jià)這些參數(shù)。啤酒風(fēng)味主要受到啤酒原料組分影響，而風(fēng)味的不可直接測(cè)量給建立原料組分與風(fēng)味的模型帶來(lái)很大的難度。到目前為止，還沒(méi)有這方面的數(shù)學(xué)模型研究，啤酒風(fēng)味的鑒定仍舊需要人工確定，給啤酒生產(chǎn)及新工藝研發(fā)增長(zhǎng)了中試周期。
發(fā)明內(nèi)容本發(fā)明的目標(biāo)是針對(duì)啤酒生產(chǎn)中缺乏原料組分與風(fēng)味關(guān)系模型指導(dǎo)的難題，提出一種具有適用性較強(qiáng)的啤酒口味預(yù)估方法。本發(fā)明的技術(shù)方案是利用模糊綜合評(píng)判技術(shù)，將啤酒口味指標(biāo)進(jìn)行量化處理，再通過(guò)訓(xùn)練多層前向神經(jīng)網(wǎng)絡(luò)來(lái)建立原料組分與啤酒風(fēng)味之間的數(shù)學(xué)模型，通過(guò)該模型進(jìn)行啤酒口味預(yù)估評(píng)判，能夠?yàn)楣に嚾藛T提供工藝設(shè)計(jì)方面的幫助。本發(fā)明方法的具體步驟是步驟1、獲取各原料種類的啤酒生產(chǎn)中試記錄，所述的中試記錄包括成品的苦味、酒花香味、口感、殺口力及各原料組分的質(zhì)量百分含量；步驟2、根據(jù)各種指標(biāo)參數(shù)對(duì)啤酒風(fēng)味進(jìn)行模糊綜合評(píng)判，計(jì)算出每批次記錄的啤酒風(fēng)味指數(shù)；具體步驟為步驟a、確定因素集U和評(píng)價(jià)集V。U={苦味，酒花香味，口感，殺口力}，V={4，3，2，1}。根據(jù)語(yǔ)言變量的隸屬度函數(shù)表，確定U中各因素對(duì)評(píng)價(jià)集V的隸屬度。如表1所示。步驟b、依此用V對(duì)U中諸因素進(jìn)行評(píng)價(jià)，得到模糊關(guān)系矩陣R，記式中，Tij為因素Ui對(duì)評(píng)價(jià)等級(jí)Vj的隸屬度，且0彡Tij彡1；矩陣R中第i行Ri=(rn,ri2,…，ri4)為第i個(gè)評(píng)價(jià)因素Ui的單因素評(píng)判，它是評(píng)判集V上的模糊子集；步驟C、模糊變換，B=WR，得到綜合評(píng)判結(jié)果B=(bi;b2，…，b4)，其中W=(W1，w2，-,W4)表示各因素的權(quán)重集，bj=4∑i=1wirij。步驟d、根據(jù)加權(quán)隸屬度原則，計(jì)算啤酒口味指數(shù)T:T=B-V表1表示語(yǔ)言變量的隸屬度函數(shù)步驟3、根據(jù)每批次的組分質(zhì)量百分比和口味指數(shù)T訓(xùn)練啤酒口味的神經(jīng)網(wǎng)絡(luò)模型；啤酒產(chǎn)品口味與啤酒原料組分之間非線性關(guān)系非常復(fù)雜，采用前饋神經(jīng)網(wǎng)絡(luò)(BP網(wǎng)絡(luò)，η個(gè)輸入神經(jīng)元，2η個(gè)隱層神經(jīng)元，1個(gè)輸出神經(jīng)元)，其中，η表示原料的種類數(shù)。輸入神經(jīng)元的輸入為備選原料的質(zhì)量百分比，輸出神經(jīng)元的輸出值為啤酒口味指數(shù)。步驟4、應(yīng)用已訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型進(jìn)行啤酒口味預(yù)估分析。將擬預(yù)估的原料的質(zhì)量百分比傳送給模型的輸入神經(jīng)元，模型即能預(yù)估出該配方的啤酒口味指數(shù)。本發(fā)明相比于現(xiàn)有技術(shù)具有以下有益效果本發(fā)明能夠改變啤酒風(fēng)味鑒定需要人工確定的現(xiàn)狀，為工藝人員提供工藝設(shè)計(jì)方面的輔助，使得結(jié)果更佳客觀。圖1為本發(fā)明方法中所采用的前饋神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)示意圖。具體實(shí)施例方式以下將結(jié)合附圖對(duì)本發(fā)明作進(jìn)一步說(shuō)明。一種基于神經(jīng)網(wǎng)絡(luò)技術(shù)的啤酒口味預(yù)估方法，包括如下步驟步驟1、獲取各原料種類的啤酒生產(chǎn)中試記錄，中試記錄包括成品的苦味、酒花香味、口感、殺口力及各原料組分的質(zhì)量百分含量；步驟2、根據(jù)各種指標(biāo)參數(shù)對(duì)啤酒風(fēng)味進(jìn)行模糊綜合評(píng)判，計(jì)算出每批次記錄的啤酒風(fēng)味指數(shù)；具體步驟為模糊綜合評(píng)判是應(yīng)用模糊變換原理和最大隸屬度原則，考慮與評(píng)價(jià)事物相關(guān)的各因素，對(duì)其所做的綜合評(píng)價(jià)。具體實(shí)現(xiàn)如下步驟a、確定因素集U和評(píng)價(jià)集V。U={苦味，酒花香味，口感，殺口力}，V={4，3，2，1}。根據(jù)語(yǔ)言變量的隸屬度函數(shù)表，確定U中各因素對(duì)評(píng)價(jià)集V的隸屬度。如表1所7J\ο步驟b、依此用V對(duì)U中諸因素進(jìn)行評(píng)價(jià)，得到模糊關(guān)系矩陣R，記式中，Tij為因素Ui對(duì)評(píng)價(jià)等級(jí)Vj的隸屬度，且0彡Tij彡1；矩陣R中第i行Ri=(rn,ri2,…，ri4)為第i個(gè)評(píng)價(jià)因素Ui的單因素評(píng)判，它是評(píng)判集V上的模糊子集；步驟C、模糊變換，B=WR，得到綜合評(píng)判結(jié)果B=(bi;b2，…，b4)，其中W=表示各因素的權(quán)重集Λ=^>而。步驟d、根據(jù)加權(quán)隸屬度原則，計(jì)算啤酒口味指數(shù)T:T=B-V表1表示語(yǔ)言變量的隸屬度函數(shù)步驟3、根據(jù)每批次的組分質(zhì)量百分比和口味指數(shù)T訓(xùn)練啤酒口味的神經(jīng)網(wǎng)絡(luò)模型；啤酒產(chǎn)品口味與啤酒原料組分之間非線性關(guān)系非常復(fù)雜，采用前饋神經(jīng)網(wǎng)絡(luò)(BP網(wǎng)絡(luò)，n個(gè)輸入神經(jīng)元，2n個(gè)隱層神經(jīng)元，1個(gè)輸出神經(jīng)元)，其中，n表示原料的種類數(shù)，網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。輸入神經(jīng)元的輸入為備選原料的質(zhì)量百分比，輸出神經(jīng)元的輸出值為啤酒口味指數(shù)。步驟4、應(yīng)用已訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型進(jìn)行啤酒口味預(yù)估分析。將擬預(yù)估的原料的質(zhì)量百分比傳送給模型的輸入神經(jīng)元，模型即能預(yù)估出該配方的啤酒口味指數(shù)。權(quán)利要求一種基于神經(jīng)網(wǎng)絡(luò)技術(shù)的啤酒口味預(yù)估方法，其特征在于該方法包括如下步驟步驟1、獲取各原料種類的啤酒生產(chǎn)中試記錄，所述的中試記錄包括成品的苦味、酒花香味、口感、殺口力及各原料組分的質(zhì)量百分含量；步驟2、根據(jù)各種指標(biāo)參數(shù)對(duì)啤酒風(fēng)味進(jìn)行模糊綜合評(píng)判，計(jì)算出每批次記錄的啤酒風(fēng)味指數(shù)，具體步驟為步驟a、確定因素集U和評(píng)價(jià)集V；U＝{苦味，酒花香味，口感，殺口力}，V＝{4，3，2，1}；根據(jù)語(yǔ)言變量的隸屬度函數(shù)表，確定U中各因素對(duì)評(píng)價(jià)集V的隸屬度；步驟b、用V對(duì)U中諸因素進(jìn)行評(píng)價(jià)，得到模糊關(guān)系矩陣R<mrow><mi>R</mi><mo>=</mo><mfencedopen='['close=']'><mtable><mtr><mtd><msub><mi>r</mi><mn>11</mn></msub></mtd><mtd><msub><mi>r</mi><mn>12</mn></msub></mtd><mtd><mo>.</mo><mo>.</mo><mo>.</mo></mtd><mtd><msub><mi>r</mi><mn>14</mn></msub></mtd></mtr><mtr><mtd><msub><mi>r</mi><mn>21</mn></msub></mtd><mtd><msub><mi>r</mi><mn>22</mn></msub></mtd><mtd><mo>.</mo><mo>.</mo><mo>.</mo></mtd><mtd><msub><mi>r</mi><mn>24</mn></msub></mtd></mtr><mtr><mtd><mo>.</mo><mo>.</mo><mo>.</mo></mtd><mtd><mo>.</mo><mo>.</mo><mo>.</mo></mtd><mtd><mo>.</mo><mo>.</mo><mo>.</mo></mtd><mtd><mo>.</mo><mo>.</mo><mo>.</mo></mtd></mtr><mtr><mtd><msub><mi>r</mi><mn>41</mn></msub></mtd><mtd><msub><mi>r</mi><mn>42</mn></msub></mtd><mtd><mo>.</mo><mo>.</mo><mo>.</mo></mtd><mtd><msub><mi>r</mi><mn>44</mn></msub></mtd></mtr></mtable></mfenced></mrow>式中，rij為因素ui對(duì)評(píng)價(jià)等級(jí)vj的隸屬度，且0≤rij≤1；矩陣R中第i行Ri＝(ri1，ri2，...，ri4)為第i個(gè)評(píng)價(jià)因素ui的單因素評(píng)判，它是評(píng)判集V上的模糊子集；步驟c、模糊變換，B＝W⊕R，得到綜合評(píng)判結(jié)果B＝(b1，b2，...，b4)，其中W＝(w1，w2，...，w4)表示各因素的權(quán)重集，步驟d、根據(jù)加權(quán)隸屬度原則，計(jì)算啤酒口味指數(shù)TT＝B·V步驟3、根據(jù)每批次的組分質(zhì)量百分比和口味指數(shù)T訓(xùn)練啤酒口味的神經(jīng)網(wǎng)絡(luò)模型；步驟4、應(yīng)用已訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型進(jìn)行啤酒口味預(yù)估分析；將擬預(yù)估的原料的質(zhì)量百分比傳送給模型的輸入神經(jīng)元，模型即能預(yù)估出該配方的啤酒口味指數(shù)。FSA00000134796500012.tif全文摘要本發(fā)明涉及一種基于神經(jīng)網(wǎng)絡(luò)技術(shù)的啤酒口味預(yù)估方法?，F(xiàn)有的啤酒風(fēng)味鑒定方法需要人工確定。本發(fā)明方法首先獲取各原料種類的啤酒生產(chǎn)中試記錄；其次根據(jù)各種指標(biāo)參數(shù)對(duì)啤酒風(fēng)味進(jìn)行模糊綜合評(píng)判，計(jì)算出每批次記錄的啤酒風(fēng)味指數(shù)；然后根據(jù)每批次的組分質(zhì)量百分比和口味指數(shù)T訓(xùn)練啤酒口味的神經(jīng)網(wǎng)絡(luò)模型；最后應(yīng)用已訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型進(jìn)行啤酒口味預(yù)估分析。本發(fā)明方法自動(dòng)化程度高、使得啤酒風(fēng)味的評(píng)定更佳客觀化。文檔編號(hào)G06N3/08GK101872433SQ20101018066公開(kāi)日2010年10月27日申請(qǐng)日期2010年5月21日優(yōu)先權(quán)日2010年5月21日發(fā)明者李春富,葛銘,鄭小青,鄭松,魏江申請(qǐng)人:杭州電子科技大學(xué)