本文關(guān)鍵詞：高溫高壓蒸汽改性木材力學性能預(yù)測模型的建立與控制系統(tǒng)　出處：《東北林業(yè)大學》2016年博士論文　論文類型：學位論文

  更多相關(guān)文章： 高溫高壓蒸汽 木材熱改性 預(yù)測模型 人工神經(jīng)網(wǎng)絡(luò) 支持向量機

【摘要】：隨著社會和經(jīng)濟的高速發(fā)展,木材資源日益匱乏,低質(zhì)木材的高附加利用顯得尤為重要。木材熱改性是改善和提高木材性能的重要方法和手段之一,它采用物理方法,在選定的介質(zhì)中對木材進行高溫處理,由于熱改性方法不使用任何有毒或者有害的化學藥品,因此它是一種綠色環(huán)保的木材處理方法。經(jīng)過熱改性后的木材,其顏色穩(wěn)定、視覺舒適,尺寸穩(wěn)定性好、生物耐久性得以提高,但在上述性能改善的同時,其化學成分和生物結(jié)構(gòu)等均發(fā)生了不同程度的變化,熱改性工藝條件不合適,則可能會導致木材物理力學性能的大幅度降低等不良后果,這在某種程度上限制了熱改性材的使用范圍。本研究利用多功能木材高溫高壓蒸汽改性裝置對興安落葉松鋸材進行熱改性處理,獲得高溫高壓蒸汽改性工藝參數(shù)與其力學性能關(guān)系的基礎(chǔ)數(shù)據(jù),并以此作為原始樣本,利用人工神經(jīng)網(wǎng)絡(luò)和支持向量機兩種算法對高溫高壓蒸汽改性工藝參數(shù)與其力學性能關(guān)系進行建模,對建立模型的綜合性能進行了比較；在此基礎(chǔ)之上設(shè)計了高溫高壓蒸汽改性工藝參數(shù)與其力學性能關(guān)系預(yù)測控制系統(tǒng),并對系統(tǒng)進行了仿真與實現(xiàn)。第二章采用木材多功能高溫高壓蒸汽處理設(shè)備對興安落葉松鋸材進行了高溫高壓蒸汽改性處理,探討了不同熱改性工藝條件對處理材力學性能的影響。試驗結(jié)果表明,熱改性對木材主要力學性能指標,如順紋抗壓強度、抗彎強度、抗彎彈性模量、硬度等均有影響,溫度和濕度比時間對熱改性材的影響更顯著。熱改性后木材的順紋抗壓強度、硬度總體上要高于素材的強度,而抗彎強度、抗彎彈性模量總體上低于素材的強度,這與前人的研究結(jié)論基本一致,表明本試驗所得到的木材熱處理后力學性能原始數(shù)據(jù)準確,為后繼建模提供了可靠的原始樣本數(shù)據(jù)。第三章通過BP神經(jīng)網(wǎng)絡(luò)和RBF神經(jīng)網(wǎng)絡(luò)兩種算法分別建立了木材高溫高壓蒸汽改性工藝參數(shù)與其力學性能關(guān)系的預(yù)測模型,并對兩種預(yù)測模型的性能進行了比較；利用預(yù)測性能較好的RBF神經(jīng)網(wǎng)絡(luò)建立了高溫高壓熱處理材工藝參數(shù)與力學性能關(guān)系預(yù)測的逆模型,并對建立的模型進行了性能上的綜合分析。研究以第二章試驗所得原始數(shù)據(jù)一部分作為已知樣本輸入網(wǎng)絡(luò)進行學習,隨機選用另一部分作為測試樣本對訓練好的網(wǎng)絡(luò)進行仿真。BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測結(jié)果相對誤差的最大誤差絕對值小于9%,平均相對誤差為4.4%,表明本研究建立的BP神經(jīng)網(wǎng)絡(luò)模型能夠較好地對未知樣本進行預(yù)測；RBF神經(jīng)網(wǎng)絡(luò)模型統(tǒng)計得出預(yù)測樣本實際值與測試值最大相對誤差絕對值為6.24%,平均相對誤差為2.4%,模型對預(yù)測數(shù)據(jù)進行了很好的擬合。通過數(shù)據(jù)對比可以得出,RBF神經(jīng)網(wǎng)絡(luò)預(yù)測模型精度更高,泛化能力更強。同時,研究利用預(yù)測性能較好的RBF神經(jīng)網(wǎng)絡(luò)建立了高溫高壓熱處理材工藝參數(shù)與力學性能關(guān)系預(yù)測的逆模型,以木材熱改性后的力學性能作為輸入,從而預(yù)測出木材進行熱改性時所需要的工藝參數(shù),預(yù)測結(jié)果溫度實際值與預(yù)測值相對誤差最大值的絕對值為6.49%,相對誤差最小值為0.34%,相對誤差平均值為1.35%；時間的實際值與預(yù)測值最大相對誤差為9.38%,最小相對誤差為1.88%,平均相對誤差3.44%；相對濕度實際值最大相對誤差為9.08%,最小相對誤差為0.14%,平均相對誤差為5.68%,表明所建模型預(yù)測精度高,可以借此來優(yōu)化木材熱改性加工工藝。第四章通過支持向量機算法建立了高溫高壓熱處理材工藝參數(shù)與力學性能關(guān)系的預(yù)測模型,確定了支持向量機的模型結(jié)構(gòu)、核函數(shù)的使用及其參數(shù)設(shè)計。統(tǒng)計得到預(yù)測樣本實際值與測試值最大相對誤差絕對值為3.24%,平均相對誤差為1.12%。結(jié)果表明：利用支持向量機所建立的模型比BP神經(jīng)網(wǎng)絡(luò)和RBF神經(jīng)網(wǎng)絡(luò)所建立的模型預(yù)測誤差更小,預(yù)測精度更高,是一種性能優(yōu)良的建模方法。第五章建立了高溫高壓蒸汽改性后木材力學性能預(yù)測控制系統(tǒng),研究了上位機控制軟件與MATLAB司的通信過程,并采用DDE動態(tài)數(shù)據(jù)交換方式實現(xiàn)了上位機控制軟件與MATLAB間的數(shù)據(jù)通信。設(shè)計了上位機DDE服務(wù)器程序和MATLAB客戶端程序,上位機負責控制系統(tǒng)數(shù)據(jù)采集和處理并作為DDE服務(wù)器與MATLAB計算機進行數(shù)據(jù)交換,而運行MATLAB軟件的計算機負責預(yù)測模型計算并作為DDE客戶端將預(yù)測結(jié)果與上位機進行實時交換,從而將MATLAB編寫的支持向量機預(yù)測模型嵌入到控制系統(tǒng)中,完成整個控制系統(tǒng)的運行過程。在此基礎(chǔ)之上利用支持向量機預(yù)測模型對建立的控制系統(tǒng)進行了在線預(yù)測,并將預(yù)測結(jié)果與試驗測量值進行了比較,結(jié)果證明整個控制系統(tǒng)預(yù)測效果良好,能夠滿足預(yù)測精度的需要,實用性強。
【學位授予單位】：東北林業(yè)大學
【學位級別】：博士
【學位授予年份】：2016
【分類號】：S781

【參考文獻】

相關(guān)期刊論文 前10條

1 汪海燕;黎建輝;楊風雷;;支持向量機理論及算法研究綜述[J];計算機應(yīng)用研究;2014年05期

2 孫偉倫;許民;;基于生物質(zhì)燃氣介質(zhì)下的落葉松熱處理木材的制備技術(shù)[J];國際木業(yè);2013年06期

3 史薔;張守攻;呂建雄;鮑甫成;孫曉梅;;落葉松木材改性的研究現(xiàn)狀及發(fā)展趨勢[J];中南林業(yè)科技大學學報;2012年04期

4 李建平;彭劍楠;;金華汽車業(yè):借外腦共謀轉(zhuǎn)型升級[J];綠色中國;2010年01期

5 楊紅強;聶影;;中國木材供需矛盾與原木進口結(jié)構(gòu)分析[J];世界農(nóng)業(yè);2008年07期

6 程萬里;劉一星;^+\∶衾，

本文編號：1324048