智能化木材干燥窯參數(shù)測控系統(tǒng)的研制.pdf

1、針對木材干燥窯參數(shù)檢測精度和干燥控制過程自動化程度低的問題，設(shè)計了一種智能化木材干燥窯參數(shù)測控系統(tǒng)。該系統(tǒng)以ARM嵌入式平臺作為下位機對干燥窯的溫度、相對濕度、木材的電阻率等參數(shù)進(jìn)行實時采集，并通過WiFi無線網(wǎng)絡(luò)將采集的數(shù)據(jù)上傳到PC上位機中以實時監(jiān)測窯內(nèi)的干燥狀態(tài)。將采集的參數(shù)數(shù)據(jù)與標(biāo)準(zhǔn)值比較，根據(jù)比較后的誤差進(jìn)行反饋控制以調(diào)整木材的干燥過程。
　　為改進(jìn)系統(tǒng)的控制算法，引入深度學(xué)習(xí)方法，將深度信念網(wǎng)絡(luò)(Deep Belief

2、 Network,DBN)與PID(Proportion Integration Differentiation)進(jìn)行結(jié)合，提出了一種DBN-PID算法。將DBN-PID和傳統(tǒng)PID進(jìn)行了實驗比較，對實驗測量得到的數(shù)據(jù)分析可得，DBN-PID算法應(yīng)用在木材干燥窯參數(shù)測控系統(tǒng)中具有較好的控制效果，使得系統(tǒng)的檢測精度有所提高。為進(jìn)一步說明DBN-PID算法的性能，與BP-PID(Back Propagation-PID)算法進(jìn)行了仿真比較。

3、仿真表明，DBN-PID算法近似非線性對象的性能良好，具有較好的自適應(yīng)能力。
　　在木材干燥軟測量模型的建立上，引入基于模型的預(yù)測控制方法，設(shè)計了一種以木材含水率為干燥基準(zhǔn)的軟測量模型。將該模型應(yīng)用在深度學(xué)習(xí)預(yù)測控制算法中，根據(jù)實際測量得到的木材干燥窯內(nèi)溫濕度值及木材電阻率等參數(shù)，實現(xiàn)了木材含水率的預(yù)測輸出。實驗以柞木為研究對象，以木材含水率為基準(zhǔn)量，在3000組數(shù)據(jù)中隨機選取2600組數(shù)據(jù)作為DBN的訓(xùn)練數(shù)據(jù)，選取340組作為驗

4、證數(shù)據(jù)，使用剩余的60組數(shù)據(jù)來進(jìn)行測試。仿真結(jié)果表明，當(dāng)測試樣本的木材含水率處于6％-30%階段時，木材含水率的預(yù)測值與實際測量值之間的均方根誤差為0.636，處于30%-60%階段時，均方根誤差為2.265，木材含水率大于60%時，均方根誤差為3.532。
　　以同一樣本數(shù)據(jù)建立一個基于廣義回歸神經(jīng)網(wǎng)絡(luò)(Generalized Regression Neural Network,GRNN)的軟測量模型，并將該模型的預(yù)測結(jié)果與DB