基于模糊最小绝对非线性回归的木材热物性参数预测模型

摘要

[目的]利用试验测量获得的木材体积比热、径向及弦向导热系数和热扩散系数,建立基于模糊最小绝对非线性回归的木材体积比热模型和各向异性导热模型,分析木材热物性参数规律,为木材导热规律研究、木材热物性评价标准制定提供理论基础和数据支撑.[方法]试验样品由130种常见木材切割得到,其中用于测量木材体积比热的试验样品为直径18 mm、厚度2 mm的圆片形状样品,每种材种随机选择20种;用于测量木材导热系数和热扩散系数的试验样品为2块50 mm×50 mm×20 mm的长方体样品,每种材种随机选择20种.首先,利用Hot Disk热常数分析仪测试样品热物性参数,获得木材体积比热、径向及弦向导热系数和热扩散系数,经滤波降噪和归一化处理后,将试验数据分成训练集和验证集;然后,提出适用于小样本数据集回归分析的模糊最小绝对非线性回归方法,建立木材体积比热模型和各向异性导热模型.该方法将最小绝对回归准则与模糊逻辑理论相结合,首先构建高斯隶属度函数,对数据进行模糊化;然后构建单值模糊器,生成模糊规则库,采用乘积推理机对输入空间元素进行模糊推理,得到推理结果;最后采用最小绝对回归准则优化结果,建立一类具有非线性属性的木材径向、弦向导热系数和热扩散系数模型,并对各向异性木材的导热和热扩散过程进行实时分析和预测.[结果]模糊最小绝对非线性回归(FLANR)对木材体积比热预测结果的拟合度为0.9976,平均相对误差、最大相对误差和均方误差分别为0.0260％、0.0491％和0.0352％;与之相比,自适应模糊神经网络(ANFIS)预测结果的拟合度为0.9631,平均相对误差、最大相对误差和均方误差分别为0.1893％、2.1762％和0.7993％.对于木材各向异性导热模型,单独比较模型中的一个输出变量(木材径向导热系数)可知,FLANR预测结果的拟合度为0.9581,平均相对误差、最大相对误差和均方误差分别为0.1902％、0.3481％和0.0853％;与之相比,模糊最小二乘法(FLS)预测结果的拟合度为0.6045,平均相对误差、最大相对误差和均方误差分别为2.1694％、5.2609％和2.9106％.FLANR预测结果的拟合误差明显小于ANFIS和FLS,所建立模型具有较好的拟合效果和泛化性.[结论]采用模糊最小绝对非线性回归对木材体积比热和各向异性导热建模是可行的,该方法计算时间短且泛化性较好,所建立木材热物性参数模型可为木材导热规律研究、木材热物性评价标准制定提供理论基础和数据支撑.