[发明专利]大曲中理化指标特征值提取方法曲料品质分析方法及系统

权利要求书

1.一种大曲中理化指标特征值提取及曲料品质分析方法，其特征在于，所述大曲中理化指标特征值提取及曲料品质分析方法包括：

步骤一，基于粗糙集理论分析大曲理化指标对白酒质量和产量影响，得出在白酒生产质量和产量中起主要作用指标；

步骤二，通过条件属性简化后构造的神经网络建立一种基于大曲理化指标与产酒量和酒质联系的数学模型；

步骤三，用相关分析、主成分分析法对大曲质量的理化指标体系进行综合评价，通过主成分分析法，科学地寻找到大曲质量标准体系设置动态因子的理论依据；

步骤四，通过对主成分分析算法的改进能明显提高降维效果，用更少的主成分更多的反映原始指标的信息；

所述大曲中理化指标特征值提取及曲料品质分析方法采用大曲中理化指标特征值提取及曲料品质分析系统实现，具体包括：

传感器阵列模块，通过采集工作电机上的响应信号，利用多频脉冲原理提取有效信号特征值，结合模式识别方法对数据最后分析；

信号调理模块，从中提取到传感器输出信号，采用电流电压放大电路，使其信号的强度和幅值的大小能够在信号采集电路信号采集的范围之内；

数据预处理模块和数据分析模块，将调理好的模拟信号转换为数字信号输入到计算机，将庞大的数据通过进行分析、存储，并且完成数据库更新；

所述步骤一中S＝(U，C，D，V，f)为一个大曲理化指标对白酒质量和产量影响分析系统A＝CUD为属性集，C和D分别为条件属性集和决策属性集，基于条件属性C描述决策属性D表达的知识，对于任何一个属性R∈C，其可导性定义为知识的依赖性，表达为：

则大曲理化指标对白酒质量和产量影响的重要因素定义为：

将重要性最大的属性加入集合R中，最后得到影响白酒质量和产量的重要因素；

所述步骤二中通过对数中心化决主成分分析中原始数据非线性化的问题；改进的主成分分析算法为：

有M个指标的原始数据为(X_ij)_m×n；

1)对原始数据作中心对数化变换：

2)计算对数中心化的样本协方差矩阵：S＝(S_ij)_m×n，式中：

3)根据|λI-S|计算的协差矩阵S的特征值和特征向量P；并按特征值大小排列λ_i和特征向量P_i；

4)根据计算贡献率，根据计算累计贡献率；

5)给定域值与累计贡献率进行比较以此确定主成分的个数，建立主成分方程。

2.如权利要求1所述的大曲中理化指标特征值提取及曲料品质分析方法，其特征在于，所述传感器阵列模块的传感器采用贵金属裸电极阵列，并采用多频脉冲作为激发信号。

3.如权利要求1所述的大曲中理化指标特征值提取及曲料品质分析方法，其特征在于，所述大曲中理化指标特征值提取及曲料品质分析系统进一步包括：数据库、模型方法库、知识库、在线数据采集子系统、实时控制管理、综合分析与决策支持子系统、综合信息管理子系统；

数据库及综合信息管理子系统，面向数据信息存储和信息查询的计算机软件系统；数据库包括：监测仪器特征库、原始监测数据库、整编监测数据库、在线数据实时分析库、人工巡视检查资料库、数据自动采集参数库、模型输入输出数据库、实时控制日志数据库；

模型方法库及其管理子系统，提供相应分析处理使用的处理模型和计算方法的例程库；包括各种时态和空间模型、在线数据可靠性分析算法；包括大曲成分预报模型、大曲质量评价模型、大曲质量预测模型、酒质评价模型、酒质预测模型；

知识库及其管理子系统，用于知识信息的存储及其使用管理的计算机软件系统；知识库内容包括：各监测工程的监测指标、各厂家企业的评判标准、监测数据误差限值、专业规律指标、专家知识经验、白酒法律、法规，行业规程、规范的有关条款。

4.如权利要求1所述大曲中理化指标特征值提取及曲料品质分析方法，其特征在于，实现所述大曲中理化指标特征值提取及曲料品质分析方法的微生物快速检测系统，通过低选择性交互敏感的多传感器阵列检测曲料样品的整体特征响应信号，检测培养基随着微生物生长的变化；通过对这一变化的检测取得特征值，通过PCA和神经网络模式识别方法的数据处理来确定不同阶段培养基的不同特征。