论文部分内容阅读
木材干燥作为木材加工过程中的重要环节,可以改善木材物理性能、保证木材品质、降低运输成本、提高抗腐蚀能力。干燥后的木材产品质量对木材的利用率有着直接影响,因此对干燥后的木材质量进行预测和研究,对我国木材工业的发展和资源型国家建设具有重要的现实意义。为了深入研究干燥后的木材质量问题,针对木材质量的评价标准:木材含水率和木材应力,采用神经网络和支持向量机对木材干燥后的含水率和等级进行预测。论文做出如下工作:首先,对木材干燥工艺和干燥过程的机理进行研究分析,确定木材干燥目的、要求和干燥基准,研究空气温湿度等参数对木材干燥的影响。根据木材干燥过程的机理,确定水分迁移模型和热传导模型。进行六组不同条件的干燥实验,记录干燥过程和采集干燥数据,并将数据归纳整理到数据库,用于下一步研究。其次,对干燥后的木材含水率进行研究。引入反向传播神经网络和径向基神经网络,将木材干燥前后重量(kg)、初始含水量和密度(kg/m~3)作为输入,分别采用BP神经网络和RBF神经网络对木材的含水率进行预测,绘制概率密度分布曲线。通过实验对比,发现径向基神经网络可以得出更好的预测效果。然后,对木材干燥质量等级进行研究。在含水率合格的情况下,木材干燥等级由木材应力产生的经度变化决定,具体评价标准是根据加拿大国家木材等级评分规则确定的。利用支持向量机和概率神经网络,将干燥前的木材含水率、密度(kg/m~3)和弯曲(mm)作为输入,分别建立预测模型来预测木材干燥等级。通过预测结果可以发现概率神经网络对木材干燥等级预测具有更大的优势。最后,通过MATLAB GUI可视化界面对木材干燥质量预测仿真平台进行设计,包括仿真页面布局和回调函数程序编写。将训练好的网络模型进行保存,设计一个基于神经网络的木材干燥质量预测仿真界面。直接将整个干燥窑的数据输入进去,便可以预测出含水率概率密度曲线和木材等级。使神经网络预测木材干燥模型可以应用于实际的木材干燥质量预测中,同时操作方便、便于直接观察,从而实现人机交互。