基于FLANN数据融合的木材含水率检测方法

针对木材含水率的检测精度受到多种环境因子(温度、平衡含水率、风速等)的影响,提出了一种基于函数联接型神经网络FLANN的数据融合方法以消除环境温度对木材含水率检测精度的扰动。FLANN能利用函数扩展替代多层感知器(MLP)的隐含层,将输入信号空间维度下的线性不可分类的问题,扩展至较高信号空间维度的超平面上,简化了MLP的架构。与MLP相比,FLANN具有结构简单、收敛速度快和计算量小的特点。仿真结果及实验验证表明:基于FLANN的数据融合方法,能有效消除环境因子的扰动,并可实现木材含水率的稳定、实时、高精度检测。     

木材干燥过程中含水率空间分布融合方法的研究

选取杨木作为试材,有效避免了以往木材干燥过程中出现的木材含水率检测点数量有限,不能连续全面地描述木材含水率分布状态的问题,使用选择离散点数据的方法,再应用粒子群算法优化支持向量机算法、支持向量机预测算法、最小二乘法非线性拟合方法以及进行空间数据预测来比较算法预测能力,然后把木材干燥过程中的材堆模型模拟成长方体并建立空间模型,应用PSO优化的SVM算法对X坐标轴建立函数模型进行验证。通过数据分析比较可得:基于PSO优化SVM算法在针对同一试材上空间离散木材含水率采集数据进行空间数据预测仿真出的连续含水率曲线误差最小,仿真曲线逼近真实含水率分布曲线。     

木材干燥模糊自适应控制系统软件设计和通讯实现

讨论了木材干燥控制系统软件设计和通讯实现，分析了在两个独立通讯链结构组成的系统中，控制机、管理机软件的设计和实现，并讨论使用MSComm控件完成通讯的方法、控件的初始化、事件响应时的数据处理程序。     

冻土水分检测方法的研究与实现

我国的北方大部分地区为典型的冻土区.冻土因为含有不稳定的冰,其结构性能极不稳定,一旦外界季节温度发生变化,建立在冻土基础上的建筑就极易发生冻胀和沉降现象,极大地影响建筑的安全性能,给人们造成很大的损失.为了提高建设在冻土基础上的工程建筑各项性能,需要针对冻土的特性,深入分析冻土内水分的冻结和融化对土壤各项性能和指标的影响.     

基于TDLAS早期森林火灾检测系统

目前常用火灾检测方法对早期森林火灾检测有很大的不足。针对早期森林火灾检测的不足,提出采用TDLAS(可调谐激光二极管吸收光谱)技术检测森林早期火灾的方法。TDLAS技术对痕量气体的检测灵敏度高、响应速度快。采用该技术自行搭建了一套早期森林火灾特征气体检测系统。通过分析不同浓度CO气体的二次谐波信号发现,CO浓度与二次谐波强度之间存在良好的线性关系,且系统具有较高的精度。根据实验结果发现,通过测量CO浓度来实现早期森林火灾是可行的,可以很大程度上改善森林火灾探测系统的性能。     

基于粒子群优化支持向量机的时间序列木材含水率预测

木材干燥过程中对含水率的检测是一个复杂的非线性过程。为了提高含水率数据采集的精确性和可靠性，本文将粒子群优化算法（PSO）引入到含水率检测中，优化支持向量机（SVM）参数，对试验采集过程中失真数据时间点对应的实际值进行预测。通过粒子群优化支持向量机算法和拉格朗日插值法的仿真结果进行对比表明：PSO—SVM算法提高了误差精度，避免了拉格朗日插值法的龙格现象，得到了较好的预测结果。     

基于分布图与分批估计的自校准层融合算法研究

为增强数据处理对不确定因素的适应性和鲁棒性,在研究检测系统多传感器数据融合结构的基础上,提出基于分布图与分批估计的自校准层融合方法。采用分布图和分批估计的融合算法不需要传感器先验信息。理论分析和实验研究表明：分布图法对检测数据的一致性估计与最佳融合集相同;自校准层融合输出数据精度高于算术平均值,也优于分布图法消除不确定因素后数据的算术平均值。该算法尽可能多的保持现场数据,在某个传感器失效情况下,非失效传感器仍可独立提供可靠数据,适用于智能检测融合系统中自校准层的实时在线数据处理。     

针叶材瞬态温度场的有限元数值仿真

给出木材瞬态热传导分析的基本理论,针对木材的热各向异性,利用有限元方法,对木材瞬态温度场进行有限元分析和计算,获得加热过程中木材温度场的分布与变化规律.试材选取帽儿山落叶松,仿真和试验结果表明将该方法用于细胞排列规则的针叶材是可行的,有限元计算结果与试验测量结果接近.     

模糊自适应PID控制在木材干燥窑中的应用

针对木材干燥过程难于建立数学模型的特点，提出了利用模糊自适应PID对木材干燥窑的温度湿度进行控制的方法设计控制器。研究结果表明，模糊自适应PID控制可提高木材干燥控制系统性能，其控制效果明显优于常规PID控制。     

基于SVM的木材纤维饱和点近区段含水率预测模型研究

[目的]研究木材纤维饱和点近区段含水率预测模型。[方法]电阻法测量木材纤维饱和点近区段含水率会出现测量值突然偏离真值的现象,即出现测量“盲点”。在研究检测原理的基础上,提出利用支持向量机方法对已测木材含水率、温度和湿度数据进行训练建模,通过模型预测得出纤维饱和点近区段含水率数值。[结果]支持向量机方法建立的模型能够预测木材纤维饱和点近区段含水率数值,模型泛化能力强,预测精度高,而且只需要少量样本数据就可以实现预测,很好地解决了电阻法在测量过程中的“盲点”问题。[结论]支持向量机预测模型提高了木材干燥过程中全量程含水率的检测精度,对木材干燥过程的含水率建模具有一定研究意义。