基于PSO优化技术的木材材性参数神经网络建模研究

摘要

本文对基于PSO优化技术的木材材性参数神经网络建模进行了研究。主要内容如下： (1)调查了近年来关于木材材性参数建模的研究最新动态和进展，提出了本文的研究思路和研究方法。 (2)选择帽儿山落叶松为树种，采集制作试样，设计试验，对木材年轮密度、纵向弹性模量及相应的含水率进行了测量。 (3)介绍了神经网络辨识建模的基本原理、模型结构以及建模的主要步骤，分析 BP算法实际应用中存在的一些问题与困难，讨论了产生这些问题的原因以及解决的办法。 (4)介绍了粒子群优化算法的基本性能，并归纳总结了其发展过程和应用。在此基础上，提出了采用PSO算法与BP算法相结合的方法对神经网络进行优化和设计。 (5)将基于PSO优化的神经网络应用到木材材性参数建模，突破了寻求单一的二元关系的传统模式，实现木材密度、含水率与弹性模量之间的物理力学性质的映射，同时反映了从心材到边材的材性变异。

目录

文摘

英文文摘

声明

1绪论

1.1课题背景

1 2国内外研究现状和发展趋势

1.2.1木材材性参数建模研究现状

1.2.2人工神经网络的发展概况

1.2.3发展趋势

1.3课题的目的和意义

1.4课题的研究内容及方法

2木材年轮材性各参数的测量

2.1试样采集

2.2年轮间密度的测量

2.2.1实验仪器

2.2.2实验方法

2.2.3实验结论

2.3木材含水率的测量

2.4弹性模量的测量

2.4.1实验仪器

2.4.2试验方法

2.5本章小结

3神经网络建模基本原理

3.1引言

3.2系统辨识原理

3.2.1基本原理

3.2.2基本方法

3.3神经网络概述

3.4神经网络建模

3.4.1引言

3.4.2基于神经网络的系统辨识

3.4.3 BP神经网络

3.5本章小结

4粒子群优化算法

4.1引言

4.2粒子群算法综述

4.2.1算法基本原理

4.2.2算法特征与流程

4.2.3算法的改进和研究方向

4.3粒子群优化神经网络

4.3.1进化计算优化神经网络

4.3.2基于粒子群优化的神经网络学习算法

4.4性能仿真比较

4.5本章小结

5木材材性参数建模研究

5.1数据准备

5.2模型的确定

5.3模型的训练与验证

5.4结果分析

5.5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