基于支持向量機的木材干燥預測控制技術(shù).pdf

1、木材作為當今生產(chǎn)、生活中廣泛關(guān)注和使用的資源之一,雖屬于可再生資源范疇,但是區(qū)別于風能、太陽能、水能和地熱能等,具有緩慢自更新性,再生周期長,因人類現(xiàn)有生產(chǎn)方式造成的木材資源過度耗竭,使生態(tài)問題不斷加劇。如何高效利用木材資源、降低消耗和提升木材制品質(zhì)量一直以來都是國內(nèi)、外相關(guān)領(lǐng)域的研究重點,其中木材性能的提高是解決上述問題的關(guān)鍵,而改善干燥質(zhì)量又是提高木材性能的重要突破口。
　　 本文針對木材的多孔性滲水和吸濕、水分以多種形式存

2、在且不同木材含水率差別大等特性,結(jié)合木材干燥過程具有滯后、時變、強耦合、非線性特征,在深入研究木材干燥機理和內(nèi)部水分合理、有序地向外滲透干燥工藝基礎(chǔ)上,展開木材干燥機理最優(yōu)模型的建立和基于干燥模型的干燥閉環(huán)控制系統(tǒng)構(gòu)建等兩個主要研究工作,其中干燥機理模型應有很高的動態(tài)含水率變化曲線逼近效果；閉環(huán)控制系統(tǒng)則應具有快速、準確響應干燥空間細微變化并制定下一時刻干燥控制策略。
　　 在干燥模型建立上,本文針對現(xiàn)有各類非線性模型存在約束條

3、件多,導致模型復雜難以實際應用,而基于神經(jīng)網(wǎng)絡(luò)建模的途徑常存在過學習、欠學習以及“維數(shù)災難”等問題。本文依據(jù)統(tǒng)計學習思想和結(jié)構(gòu)風險最小化原則,引入一種基于最小二乘向量機的非線性回歸預測方式,提高了模型的泛化能力,簡化訓練過程；引入墨西哥帽小波函數(shù)作為最小二乘向量機的核函數(shù),充分發(fā)揮小波函數(shù)在信號捕捉、信號分析中的良好特性,通過尺度變化有效地檢測瞬變信號,有效提高支持向量機的泛化能力。
　　 在干燥過程的控制上,本文針對傳統(tǒng)的基于

4、被測對象精確模型的控制方式,往往由于不具備精確的模型而采用固定的控制算法,使整個系統(tǒng)控制置于模型框架中,缺乏靈活性和應變能力。本文引入基于模型的預測控制方法,以基于小波支持向量機的干燥模型作為預測函數(shù),通過滾動優(yōu)化、滾動實施以實現(xiàn)木材干燥過程中有限含水率區(qū)間上的最優(yōu)控制過程,引用粒子群優(yōu)化方式實現(xiàn)多變量的隨機迭代搜索方法來解決預測控制器設(shè)計中目標函數(shù)的優(yōu)化。
　　 為了驗證預測控制系統(tǒng)的實際效果,本文分別進行了小型木材干燥窯的實