楊 紅，程萬里

(1.東北林業(yè)大學(xué)，黑龍江哈爾濱 150040;2.黑龍江生態(tài)工程職業(yè)學(xué)院，黑龍江哈爾濱 150025)

?

高溫高壓熱處理材力學(xué)性能神經(jīng)網(wǎng)絡(luò)建模研究

楊 紅1,2，程萬里1

(1.東北林業(yè)大學(xué)，黑龍江哈爾濱 150040;2.黑龍江生態(tài)工程職業(yè)學(xué)院，黑龍江哈爾濱 150025)

木材高溫高壓熱處理是一種相對穩(wěn)定且非常環(huán)保的木材熱處理方法。該研究利用BP神經(jīng)網(wǎng)絡(luò)建模研究木材高溫高壓熱處理與其力學(xué)性能的關(guān)系，結(jié)果表明BP神經(jīng)網(wǎng)絡(luò)在網(wǎng)絡(luò)構(gòu)建和預(yù)測性能上效果良好。在此基礎(chǔ)上對木材熱處理的工藝參數(shù)進(jìn)行了分析和優(yōu)化，這對科學(xué)合理地使用木材具有重要意義。

木材高溫高壓熱處理；BP神經(jīng)網(wǎng)絡(luò)；分析和優(yōu)化

木材熱處理是指以木材為原料，用蒸汽、惰性氣體或者植物油為加熱介質(zhì)，在150～260 ℃溫度下對木材進(jìn)行短期熱解處理，由于木材在熱處理過程中不采用任何化學(xué)制劑或者防腐劑，所以這是一種環(huán)保的木材物理保護(hù)技術(shù)[1]。經(jīng)過高溫高壓處理所得到的熱處理材與原本木材相比尺寸穩(wěn)定性、生物耐久性和木材顏色都得到了很大的改善。

由于人工神經(jīng)網(wǎng)絡(luò)可以充分逼近任意復(fù)雜的非線性關(guān)系，所以常常被用于材料加工工藝的優(yōu)化處理方面，但這種建模方法在木材熱處理工藝優(yōu)化方面應(yīng)用很少，至今還未見具體報(bào)道[2]。該文給出了一類相對準(zhǔn)確、高效的神經(jīng)網(wǎng)絡(luò)建模方法，該模型通過測試，準(zhǔn)確率可達(dá)到96%以上。利用該模型只需要將木材熱處理的3個工藝參數(shù)輸入，即可映射得到木材經(jīng)過熱處理后對應(yīng)的5個重要的力學(xué)性能參數(shù)，通過人工神經(jīng)網(wǎng)絡(luò)對木材熱處理后木材力學(xué)性能的影響進(jìn)行模擬仿真，從而確定出木材熱處理工藝參數(shù)和木材力學(xué)性能之間的關(guān)系，以找到最優(yōu)熱處理工藝，為熱處理材的合理使用提供科學(xué)依據(jù)。可以說，將神經(jīng)網(wǎng)絡(luò)建模方法引進(jìn)木材研究領(lǐng)域, 將為木材的諸多復(fù)雜研究課題提供一系列便捷、高效的解決方案[3]。

1 神經(jīng)網(wǎng)絡(luò)簡介

1.1 神經(jīng)網(wǎng)絡(luò)概述 人工神經(jīng)網(wǎng)絡(luò)是一種在生物神經(jīng)網(wǎng)絡(luò)的啟示下建立的數(shù)據(jù)處理模型。它的發(fā)展經(jīng)歷了曲折的歷程，曾歷經(jīng)兩度興衰，現(xiàn)已作為一種成熟的算法應(yīng)用于生活和生產(chǎn)的各個領(lǐng)域[4]。人工神經(jīng)網(wǎng)絡(luò)具有強(qiáng)大的模式識別和數(shù)據(jù)擬合能力，神經(jīng)網(wǎng)絡(luò)的種類很多，不同類型的網(wǎng)絡(luò)適合解決不同的問題，其優(yōu)異的非線性逼近性能使其在眾多領(lǐng)域中都有出色的表現(xiàn)。

1.2 BP神經(jīng)網(wǎng)絡(luò) BP網(wǎng)絡(luò)是前向神經(jīng)網(wǎng)絡(luò)的核心部分，廣泛應(yīng)用于分類識別、逼近、回歸、壓縮等領(lǐng)域[5]。BP神經(jīng)網(wǎng)絡(luò)是一種多層感知器，它除了輸入層和輸出層外，一般還具有若干個隱含層，層與層之間全連接，同一層之間的神經(jīng)元無連接。BP網(wǎng)絡(luò)一般使用Sigmoid函數(shù)或者線性函數(shù)作為傳遞函數(shù)，這種網(wǎng)絡(luò)的典型設(shè)計(jì)方式是隱含層采用Sigmoid函數(shù)作為傳遞函數(shù)，而輸出層則采用線性函數(shù)作為傳遞函數(shù)。在BP網(wǎng)絡(luò)中，數(shù)據(jù)從輸入層經(jīng)隱含層逐層向后傳播，訓(xùn)練網(wǎng)絡(luò)權(quán)值時(shí)，則沿著減少誤差的方向，從輸出層經(jīng)過中間各層逐層向前修正網(wǎng)絡(luò)的連接權(quán)值。隨著學(xué)習(xí)的不斷進(jìn)行，最終誤差越來越小。

2 模型構(gòu)建及結(jié)果

2.1 試驗(yàn)數(shù)據(jù)采集與整理 該研究目的是揭示杉木高溫高壓熱處理工藝的3個重要參數(shù)和木材5個重要力學(xué)性能之間的關(guān)系[6]。樣本數(shù)據(jù)共60組，其中隨機(jī)抽取40組作為訓(xùn)練數(shù)據(jù)，20組作為測試數(shù)據(jù)，部分試驗(yàn)樣本的描述如表1所示。

2.2 熱處理工藝參數(shù)選擇 高溫高壓熱處理工藝參數(shù)包括熱處理的溫度、時(shí)間、壓力、濕度、保護(hù)介質(zhì)和樹種等因素。其中濕度和壓力往往是相關(guān)聯(lián)的，濕度越高則對應(yīng)蒸汽壓力也越大。大量試驗(yàn)結(jié)果表明熱處理的溫度對材料的影響最大，在較高溫度條件下對材料的處理效果很難用在較低溫度條件下延長熱處理時(shí)間來達(dá)到。該文以高溫高壓飽和或過熱蒸汽為介質(zhì)對木材進(jìn)行熱處理，介質(zhì)溫度120～250 ℃，飽和度(或相對濕度)20%～100%。

2.3 BP神經(jīng)網(wǎng)絡(luò)模型建立與檢測 該文使用Matlab7.0軟件進(jìn)行神經(jīng)網(wǎng)絡(luò)模型的建立與測試，對數(shù)據(jù)建模前，首先要對建模數(shù)據(jù)進(jìn)行預(yù)處理，對所有訓(xùn)練數(shù)據(jù)和測試數(shù)據(jù)進(jìn)行歸一化處理，但在建立完成后，一定要進(jìn)行反歸一化操作[7]。根據(jù)大量木材改性涉及到的參數(shù)將BP神經(jīng)網(wǎng)絡(luò)輸入層設(shè)置為3，輸出層為5，隱含層沒有固定公式可遵循[8]，只能根據(jù)試驗(yàn)情況隨時(shí)調(diào)整隱含層的數(shù)目，經(jīng)過反復(fù)試驗(yàn)，將最佳隱含層值設(shè)為9。網(wǎng)絡(luò)隱含層和輸出層函數(shù)設(shè)定為tansig函數(shù)，訓(xùn)練函數(shù)設(shè)定為trainlm函數(shù)，最大迭代次數(shù)設(shè)置為10 000，網(wǎng)絡(luò)訓(xùn)練精度為0.00 001，初始學(xué)習(xí)率設(shè)定為0.1，開始對網(wǎng)絡(luò)進(jìn)行訓(xùn)練。

表1 杉木熱處理工藝參數(shù)與力學(xué)性能指標(biāo)

訓(xùn)練結(jié)果為：

RAINLM, Epoch 0/10000, MSE 0.794996/1e-005, Gradient 9.74805/1e-010

TRAINLM, Epoch 33/10000, MSE 8.29285e-006/1e-005, Gradient 0.00631861/1e-010

TRAINLM, Performance goal met.

網(wǎng)絡(luò)經(jīng)過33次迭代運(yùn)算結(jié)束，達(dá)到預(yù)設(shè)的精度。試驗(yàn)證明該文設(shè)計(jì)的網(wǎng)絡(luò)收斂速度較快，具體訓(xùn)練過程如圖1所示。

網(wǎng)絡(luò)訓(xùn)練結(jié)束后，為了驗(yàn)證設(shè)計(jì)網(wǎng)絡(luò)預(yù)測的有效性，采用了20個樣本點(diǎn)用于測試，結(jié)果如圖2所示。

從以上測試結(jié)果圖可以看出，除了各別樣本存在較大誤差外，大多數(shù)網(wǎng)絡(luò)輸出樣本值都接近于實(shí)際數(shù)值，這說明該文所建立的神經(jīng)網(wǎng)絡(luò)模型能夠很好地映射出實(shí)際系統(tǒng)。

3 木材熱處理對其力學(xué)性能影響工藝參數(shù)優(yōu)化和分析

根據(jù)上述提到的大量試驗(yàn)數(shù)據(jù)的收集與整理，建立起木材高溫高壓熱處理參數(shù)工藝與其力學(xué)性能的關(guān)系模型[9]，用來預(yù)測木材經(jīng)過高溫高壓熱處理后木材的力學(xué)性能指標(biāo)，同時(shí)對木材熱處理的工藝參數(shù)進(jìn)行分析，從而對影響其力學(xué)性能的工藝參數(shù)進(jìn)行優(yōu)化。

圖3是木材高溫高壓熱處理的相關(guān)參數(shù)在優(yōu)化范圍內(nèi)，利用上述建立的神經(jīng)網(wǎng)絡(luò)模型預(yù)測的熱處理時(shí)間對木材的力學(xué)性能的影響曲線。由圖3可看出，當(dāng)時(shí)間為2 h，木材熱處理后的力學(xué)性能達(dá)到最優(yōu)化。

圖4是木材在合適時(shí)間、壓力等綜合條件下，木材熱處理溫度對其力學(xué)性能的影響曲線，當(dāng)溫度為190 ℃，木材熱處理后的力學(xué)性能指標(biāo)優(yōu)良。

同理，利用建立的神經(jīng)網(wǎng)絡(luò)模型得知壓力為0.2 MPa，平衡含水率為9.8%時(shí)，木材熱處理后的力學(xué)性能達(dá)到最好。

4 結(jié)論

(1)人工神經(jīng)網(wǎng)絡(luò)能夠很好描述木材熱處理時(shí)間、

溫度、壓力與處理后木材力學(xué)性能之間的關(guān)系，網(wǎng)絡(luò)預(yù)測精確率能達(dá)到96%以上。

(2)該文建立的神經(jīng)網(wǎng)絡(luò)模型確定的杉木熱處理工藝時(shí)間為2 h，溫度為190 ℃，壓力為0.2 MPa，平衡含水率為9.8%時(shí)，木材經(jīng)過熱處理后的綜合力學(xué)性能達(dá)到最優(yōu)化。如果要建立其他樹種熱處理工藝與力學(xué)性能之間的關(guān)系模型，只需將相應(yīng)數(shù)據(jù)輸入網(wǎng)絡(luò)即可實(shí)現(xiàn)。

(3)該文提出的將人工神經(jīng)網(wǎng)絡(luò)模型引入到木材熱處理中，是一種全新的嘗試，在實(shí)際生產(chǎn)中，可針對木材產(chǎn)品的應(yīng)用場合對力學(xué)性能的要求來優(yōu)化熱處理工藝參數(shù)，從而更加科學(xué)合理地使用木材。

[1] 李堅(jiān).功能性木材[M]. 北京:科學(xué)出版社,2001.

[2] 孫建平,王逢瑚,胡英成. 基于神經(jīng)網(wǎng)絡(luò)模型的楊木單板改性處理工藝優(yōu)化[J]. 材料熱改性學(xué)報(bào), 2011, 32(2):163-166.

[3] 張冬妍. 木材干燥神經(jīng)網(wǎng)絡(luò)建模與智能控制研究[D].哈爾濱：東北林業(yè)大學(xué), 2005.

[4] 陳明. MATLAB神經(jīng)網(wǎng)絡(luò)原理與實(shí)例精解[M]. 北京:清華大學(xué)出版社,2013.

[5] 張延林.神經(jīng)網(wǎng)絡(luò)在木材干燥過程中建模的應(yīng)用[J].東北林業(yè)大學(xué)學(xué)報(bào),2009,37(8):50-52.

[6] 江澤慧,姜笑梅,周玉成，等. 杉木微觀結(jié)構(gòu)與其品質(zhì)特性關(guān)系模型的一類神經(jīng)網(wǎng)絡(luò)建模方法[J]. 林業(yè)科學(xué),2005,41(4):134-139.

[7] FREDRIC M. Principles of neurocomputing for science and engineering[M]. 北京:機(jī)械工業(yè)出版社,2003.

[8] 徐炳偉.基于BP-RBF神經(jīng)網(wǎng)絡(luò)的地下連續(xù)墻變形預(yù)測[J].工程力學(xué), 2009,26(S1):163-166.

[9] 湯嘉立,柳益君,蔡秋茹，等. 基于小生境遺傳神經(jīng)網(wǎng)絡(luò)的材料力學(xué)性能預(yù)測[J]. 計(jì)算機(jī)仿真, 2011,28(1):209-213.

The Model of High Temperature and High Pressure Heat Treatment Wood of Mechanical Properties Based on Neural Network

YANG Hong1,2, CHENG Wan-li1

(1. Northeast Forestry University, Harbin, Heilongjiang 150040; 2. Heilongjiang Province Ecological Engineering Vocational College, Harbin, Heilongjiang 150025)

Wood high temperature and high pressure heat treatment is a relatively stable and very green wood heat treatment method. This research uses the BP neural network model to study the relations of high temperature and high pressure heat treatment and mechanical properties of wood, the results show that the BP neural network on the network building and predict performance effect is good. On the basis of this, the process parameters of wood heat treatment were analyzed and optimized, it is of great significance to the scientific and rational use of timber.

Wood high temperature and high pressure heat treatment; The BP neural network; Analysis and optimization

楊紅(1975- )，女，河北昌黎人，副教授，在讀博士，研究方向：木材科學(xué)與智能控制。

2015-04-28

S 126

A

0517-6611(2015)17-235-03