运用近红外光谱技术对松子霉变的快速检测

采集234组有代表性的松子实验数据,对光谱数据进行求导、变量标准化(SNV)、小波变换、套索算法(LASSO)与主成分分析(PCA)方法预处理后,使用高斯过程(GP)等10种建模方法对光谱数据进行建模,分析运用近红外光谱技术快速检测松子霉变的可行性。结果表明:使用径向基核支持向量机建模的F1度量分数为0.868、使用高斯过程建模的F1度量分数为0.631、将应用主成分分析方法降维后的数据使用高斯过程建模的F1度量分数为0.933、将应用套索算法与主成分分析方法处理后的数据使用高斯过程建模的F1度量分数为1.000,实验结果验证了使用套索算法-主成分分析-高斯过程建立近红外光谱模型筛选霉变松子是可行的。     

基于振动法的纤维板动态特性无损检测研究

应用振动无损检测法测定纤维板的动弹性模量,并与力学试验机测定的静弹性模量进行比较.结果表明,应用振动法测得的纤维板弹性模量精度高,动弹性模量与静弹性模量呈密切线性相关.建立了纤维板的动态特性无损检测系统.     

依据流形学习的局部线性嵌入对红松子品质近红外检测

根据红松子品质检测方面技术缺失的现状,提出了运用近红外技术建立松子光-化学模型的解决办法;在对比流形学习有效保留高维数据的低维特征的优势和近红外传统降维方法主成分分析对非线性结构不敏感问题后,提出了具有能够捕捉高维空间中低维流形功能的局部线性嵌入-高斯过程(LLE-GP)方法,用于解决传统线性主成分分析(PCA)方法可能损失有用信息的缺陷;使用变量标准化(SNV)与Savitzky-Golay平滑方法进行预处理后,使用局部线性嵌入-高斯过程方法对数据进行分类建模。运用近红外光谱仪采集的松子数据,对这一算法进行验证,结果表明:局部线性嵌入-高斯过程分类模型,可以良好的使用在品质检测分类建模中。     

基于网格搜索优化的CFRW导电性能模型研究

碳纤维增强木质复合材料(CFRW,carbon fiber reinforced wood)以其良好的电学性能在实际生产中得到广泛的应用。采用支持向量机建立CFRW导电性能模型,利用网格搜索寻优方法对支持向量机(SVM)模型的参数进行优化,在设定不同精度下分别获得模型的最优参数。     

基于有限元建模的木质复合板宏微观力学性能分析

基于有限元理论,在Ansys环境下对碳纤维增强木质复合板建立微观单胞模型和宏观几何模型,并对二者进行力学性能的一阶模态仿真分析.结果表明,物理试验和仿真预测数据相吻合,验证了所建模型的有效性和可靠性,达到了依据复合材料的微观结构对宏观性能进行预测的目的,从而实现了复合材料力学性能的宏微观关联.     

集散控制在中密度纤维板施胶系统中的应用

讨论了集散控制在中密度纤维板施胶系统中的应用,分析了中密度纤维板施胶控制系统中由组态软件支持的上位机和以PLC为主体的下位机的应用和特点,同时还分析了在系统设计及调试中需要注意的问题。     

Application study of image segmentation methods on pattern recognition in the course of wood across-compression

ntroductionPattern recognition is one of importsnt embranchments in artificial nit6lliGence, and is a 11ew absolutesubjed that has become one of significant fields ofhigh-tech study and application nowadays. Imageseqmentstion mathod of pattern recognition is usedby wOOd across compression in this paper By usingcomput6r disposal tO cell image, pattern recognitioncan be achieved for which the aim of studying celldeformation regularity at different compression rateand quanhtstive analysis can be…     

木材年轮间细胞的计算机三维仿真初探

讨论了三维视觉处理方法,包括双眼视觉法和透视投影法,对利用计算机仿真技术对年轮间细胞的生长过程进行数字化再现进行了探讨,以寻求年轮间细胞分裂过程和形成规律,从中得出木材材性预测的最佳方法。     

基于SVM的木材干燥过程含水率软测量研究

介绍木材干燥过程含水率主要测量方法,以及支持向量机回归原理。针对干燥过程木材含水率测量存在的问题,提出采用基于支持向量机的软测量方法测量干燥过程的木材含水率。通过对柞木试材干燥数据的仿真实验,结果表明支持向量机软测量模型具有良好的泛化性,能够准确预测干燥过程的木材含水率。     

干燥过程中木材含水率神经网络预测模型

将人工神经网络应用于木材干燥控制研究中,建立可用于木材含水率预测的时延神经网络基准模型,并给出其网络辨识结构。通过3个树种的实际干燥数据对所建立的网络模型进行训练和验证,仿真结果表明预测模型是可行而有效的,具有较好的动态跟踪能力和预报特性,实现了木材干燥基准的数学模型化,对进一步优化木材干燥基准实施与控制具有重要的指导意义和应用价值。