基于人工神经网络的落叶松木材干燥模型研究

摘要

木材是生活生产中的重要原材料，木材资源的需求量与日俱增，高效利用木材资源提高木材制品的质量已经成为人们日益关注的主要问题之一。木材含水率是干燥过程中重要指标之一，它对木材干燥质量的稳定性有着直接的影响，在木材干燥过程中，只有将木材中的水分降低到一定程度才可以满足实际木材制品的各项质量需求，同时也是木材干燥的最终任务。对木材含水率模型的研究体现在干燥基准的研究，由目前所研究的木材干燥控制模型来看，均是从其中一个角度反应含水率的变化趋势，通过研究干燥内部环境的各种因素的变化情况对木材含水率进行预测，达到减少木材干燥时间高效利用干燥能源的目的。
　　本研究采用人工神经网络BP型三层映射模式，对东北林业大学木材干燥实验室俄罗斯产落叶松进行木材含水率测定。以干球温度、平衡含水率和预热阶段以及干燥阶段的木材含水率为基准作为输入矩阵，以所测定的木材降温阶段和湿热阶段的木材含水率作为输出矩阵。确定三层映射形式，经多次试验得到最优中间层数为10层，并以5∶10∶1的三层形式做出了一段周期内落叶松控制系统降温和湿热阶段含水率预测，继而进行网络训练获得最佳权值作为预测模拟参数。以此为依据调整干球温度和其他参数使在半自动控制中实现对木材含水率的有效控制。在此基础上运用多元回归分析的方法对预测结果与几组干湿球温度、木材温度和木材平衡含水率为参数进行回归分析，得到了以0.88为回归系数的回归方程。

目录

摘要

1 绪论

1．1 木材干燥研究的进展与现状

1．1．1 我国木材干燥的主要现状

1．1．2 国外木材干燥的主要现状

1．1．3 国内外落叶松木材干燥的研究状况

1．2 人工神经网络的理论发展

1．2．1 人工神经网络的发展

1．2．2 人工神经网络的主要应用领域

1．3 人工神经网络在木材干燥及其含水率中的应用

1．3．1 延时神经网络和动态递归神经网络的研究

1．3．2 神经网络方法对木材含水率的研究现状

1．4 落叶松木材干燥研究的主要内容和意义

1．4．1 落叶松木材干燥研究的意义

1．4．2 落叶松木材千燥研究的内容

2 人工神经网络理论基础

2．1 人工神经网络模型

2．1．1 生物神经元模型

2．1．2 人工神经元模型

2．2 人工神经网络分类和学习

2．2．1 人工神经网络分类

2．2．2 人工神经网络工作过程

2．2．3 人工神经网络信息处理能力

2．3 BP神经网络及其算法

2．3．1 BP神经网络结构

2．3．2 BP神经网络算法

2．3．3 BP神经网络学习算法的改进

2．4 本章小结

3 基于人工神经网络的落叶松木材干燥研究

3．1 木材干燥含水率的控制

3．2 落叶松木材干燥研究的主要研究方法

3．2．1 落叶松木材干燥研究的依据

3．2．2 BP神经网络系统的预测方法

3．3 预测分析依据

3．3．1 干燥试验设备以及检测仪器

3．3．2 实验数据的收集记录

3．3．3 干燥试验主要过程

3．4 干燥试验结果

3．5 本章小结

4 简述多元回归分析

4．1 多元回归的一般模型

4．2 回归模型的参数估计和主要性质

4．3 显著性检验

4．3．1 回归系数的显著性检验(t检验)

4．3．2 方程的显著性检验(F检验)

4．3．3 检验回归方程对样本观测值的拟合程度

4．4 本章小结

5 基于多元回归分析的落叶松木材干燥模型的预测

5．1 数据的采集与整理

5．2 多元回归模型的建立

5．3 多元回归模型的检验

5．3．1 等级相关系数检验

5．3．2 加权结果及其对比

5．4 本章小结

结论

参考文献

攻读学位期间发表的学术论文

致谢

声明