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

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

【摘要】：隨著社會(huì)和經(jīng)濟(jì)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(duì)木材進(jìn)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(xué)藥品,因此它是一種綠色環(huán)保的木材處理方法。經(jīng)過(guò)熱改性后的木材,其顏色穩(wěn)定、視覺(jué)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(shí),其化學(xué)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(huì)導(dǎo)致木材物理力學(xué)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(duì)興安落葉松鋸材進(jìn)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(xué)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(jī)兩種算法對(duì)高溫高壓蒸汽改性工藝參數(shù)與其力學(xué)性能關(guān)系進(jìn)行建模,對(duì)建立模型的綜合性能進(jìn)行了比較；在此基礎(chǔ)之上設(shè)計(jì)了高溫高壓蒸汽改性工藝參數(shù)與其力學(xué)性能關(guān)系預(yù)測(cè)控制系統(tǒng),并對(duì)系統(tǒng)進(jìn)行了仿真與實(shí)現(xiàn)。第二章采用木材多功能高溫高壓蒸汽處理設(shè)備對(duì)興安落葉松鋸材進(jìn)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(duì)處理材力學(xué)性能的影響。試驗(yàn)結(jié)果表明,熱改性對(duì)木材主要力學(xué)性能指標(biāo),如順紋抗壓強(qiáng)度、抗彎強(qiáng)度、抗彎彈性模量、硬度等均有影響,溫度和濕度比時(shí)間對(duì)熱改性材的影響更顯著。熱改性后木材的順紋抗壓強(qiáng)度、硬度總體上要高于素材的強(qiáng)度,而抗彎強(qiáng)度、抗彎彈性模量總體上低于素材的強(qiáng)度,這與前人的研究結(jié)論基本一致,表明本試驗(yàn)所得到的木材熱處理后力學(xué)性能原始數(shù)據(jù)準(zhǔn)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(guò)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(xué)性能關(guān)系的預(yù)測(cè)模型,并對(duì)兩種預(yù)測(cè)模型的性能進(jìn)行了比較；利用預(yù)測(cè)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(xué)性能關(guān)系預(yù)測(cè)的逆模型,并對(duì)建立的模型進(jìn)行了性能上的綜合分析。研究以第二章試驗(yàn)所得原始數(shù)據(jù)一部分作為已知樣本輸入網(wǎng)絡(luò)進(jìn)行學(xué)習(xí),隨機(jī)選用另一部分作為測(cè)試樣本對(duì)訓(xùn)練好的網(wǎng)絡(luò)進(jìn)行仿真。BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)結(jié)果相對(duì)誤差的最大誤差絕對(duì)值小于9%,平均相對(duì)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(duì)未知樣本進(jìn)行預(yù)測(cè)；RBF神經(jīng)網(wǎng)絡(luò)模型統(tǒng)計(jì)得出預(yù)測(cè)樣本實(shí)際值與測(cè)試值最大相對(duì)誤差絕對(duì)值為6.24%,平均相對(duì)誤差為2.4%,模型對(duì)預(yù)測(cè)數(shù)據(jù)進(jìn)行了很好的擬合。通過(guò)數(shù)據(jù)對(duì)比可以得出,RBF神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型精度更高,泛化能力更強(qiáng)。同時(shí),研究利用預(yù)測(cè)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(xué)性能關(guān)系預(yù)測(cè)的逆模型,以木材熱改性后的力學(xué)性能作為輸入,從而預(yù)測(cè)出木材進(jìn)行熱改性時(shí)所需要的工藝參數(shù),預(yù)測(cè)結(jié)果溫度實(shí)際值與預(yù)測(cè)值相對(duì)誤差最大值的絕對(duì)值為6.49%,相對(duì)誤差最小值為0.34%,相對(duì)誤差平均值為1.35%；時(shí)間的實(shí)際值與預(yù)測(cè)值最大相對(duì)誤差為9.38%,最小相對(duì)誤差為1.88%,平均相對(duì)誤差3.44%；相對(duì)濕度實(shí)際值最大相對(duì)誤差為9.08%,最小相對(duì)誤差為0.14%,平均相對(duì)誤差為5.68%,表明所建模型預(yù)測(cè)精度高,可以借此來(lái)優(yōu)化木材熱改性加工工藝。第四章通過(guò)支持向量機(jī)算法建立了高溫高壓熱處理材工藝參數(shù)與力學(xué)性能關(guān)系的預(yù)測(cè)模型,確定了支持向量機(jī)的模型結(jié)構(gòu)、核函數(shù)的使用及其參數(shù)設(shè)計(jì)。統(tǒng)計(jì)得到預(yù)測(cè)樣本實(shí)際值與測(cè)試值最大相對(duì)誤差絕對(duì)值為3.24%,平均相對(duì)誤差為1.12%。結(jié)果表明：利用支持向量機(jī)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(cè)誤差更小,預(yù)測(cè)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(xué)性能預(yù)測(cè)控制系統(tǒng),研究了上位機(jī)控制軟件與MATLAB司的通信過(guò)程,并采用DDE動(dòng)態(tài)數(shù)據(jù)交換方式實(shí)現(xiàn)了上位機(jī)控制軟件與MATLAB間的數(shù)據(jù)通信。設(shè)計(jì)了上位機(jī)DDE服務(wù)器程序和MATLAB客戶端程序,上位機(jī)負(fù)責(zé)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(jì)算機(jī)進(jìn)行數(shù)據(jù)交換,而運(yùn)行MATLAB軟件的計(jì)算機(jī)負(fù)責(zé)預(yù)測(cè)模型計(jì)算并作為DDE客戶端將預(yù)測(cè)結(jié)果與上位機(jī)進(jìn)行實(shí)時(shí)交換,從而將MATLAB編寫(xiě)的支持向量機(jī)預(yù)測(cè)模型嵌入到控制系統(tǒng)中,完成整個(gè)控制系統(tǒng)的運(yùn)行過(guò)程。在此基礎(chǔ)之上利用支持向量機(jī)預(yù)測(cè)模型對(duì)建立的控制系統(tǒng)進(jìn)行了在線預(yù)測(cè),并將預(yù)測(cè)結(jié)果與試驗(yàn)測(cè)量值進(jìn)行了比較,結(jié)果證明整個(gè)控制系統(tǒng)預(yù)測(cè)效果良好,能夠滿足預(yù)測(cè)精度的需要,實(shí)用性強(qiáng)。
【學(xué)位授予單位】：東北林業(yè)大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2016
【分類號(hào)】：S781

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 汪海燕;黎建輝;楊風(fēng)雷;;支持向量機(jī)理論及算法研究綜述[J];計(jì)算機(jī)應(yīng)用研究;2014年05期

2 孫偉倫;許民;;基于生物質(zhì)燃?xì)饨橘|(zhì)下的落葉松熱處理木材的制備技術(shù)[J];國(guó)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(shì)[J];中南林業(yè)科技大學(xué)學(xué)報(bào);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(jí)[J];綠色中國(guó);2010年01期

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

6 程萬(wàn)里;劉一星;^+\∶衾，

本文編號(hào)：1324048