基于MEA-BP神经网络对木材内部缺陷诊断的研究

摘要

为了提高木材内部缺陷的自动识别率,采用电阻层析成像(Electrical Resistance Tomo-graphy,ERT)的方法获取电导率波动信号,通过小波包变换对采集的数据进行3层小波包分析,对8维特征向量进行提取,利用思维进化算法(Mind Evolutionary Alogorithm,MEA)优化权值和阈值,孔洞、节子、腐朽各45组数据,进行BP神经网络训练,每种缺陷20组作为测试集,识别木材内部缺陷.结果表明:MEA-BP神经网络对木材孔洞、节子和腐朽的识别率分别为96.92％、95.38％和92.31％,该模型解决了复杂组合的优化问题,提高了搜索效率,并且达到最佳的预测效果.