毕业论文网
本论文为您写干燥毕业论文范文和职称论文提供相关论文参考文献，可免费下载。
基于蚁群分类算法的木材干燥过程含水率预测
摘 要：为了解决木材纤维饱和点附近含水率突然失真的问题,并提供可行有效的木材含水率预测方法,笔者介绍了绝对含水率和相对含水率的概念,阐述了木材含水率检测的具体操作方法,详细论述了传统蚁群分类算法理论,根据木材含水率具有非线性变化的特点,采用蚁群分类算法对木材含水率数据进行了分类预测实验研究.实验结果表明,蚁群分类算法能够实现对木材纤维饱和点附近含水率的较准确预测,并且与传统分类预测算法相比,预测精度和预测效率都有一定的提高.
关键词：群智能算法；蚁群分类算法；分类预测；木材含水率；木材干燥
中图分类号：TP301.6；S781.33；S782.31文献标志码：ADOI：10.3969/j.issn.1674-9146.2017.12.104
木材含水率是衡量木材能否长期稳定使用的重要指标,也是在木材干燥工艺中衡量木材干燥质量的重要指标,对木材含水率进行测量是木材干燥过程中必不可少的重要环节.在木材干燥工艺技术方面,国内外的研究人员和设备制造商都在含水率检测这一环节投入了大量资源[1-2].笔者根据木材含水率具有非线性变化的特点,将木材含水率检测作为研究对象,研究的主要内容是针对木材含水率这个重要参数讨论了电测法这种传统含水率检测方法在木材干燥过程中的优缺点.将蚁群分类算法应用到木材含水率的检测当中,并对其进行分类预测.通过分类预测后发现,蚁群分类算法具有的良好泛化能力可以对木材纤维饱和点附近的含水率进行较为准确的预测,同时与其他算法相比在预测精度和运行时间上都有一定优化,更加接近实际的木材含水率真值.由此可以证明基于蚁群分类算法对木材纤维饱和点附近的含水率进行预测是可行的、有效的,为木材纤维饱和点附近含水率突然失真的问题提供了稳定有效的解决方案,保证了木材含水率检测的质量.
1木材含水率的检测
木材中的水分不是一成不变的,刚采集的木材与放置很长时间的木材相比,水分含量是不同的,人们将木材中水分的含量称为木材的含水量（MoistureContent,MC）.根据实际生产加工的经验,一般采用木材含水率指标,它是木材中水分的质量占木材总质量的百分比值.根据实际生产加工的需要,通常采用绝对含水率MC和相对含水率MC0两种方式表达含水率,其表达式分别为
式中：Gs为采集后干燥前的木材质量；Gg为处理后含水率较低的木材质量.
为方便实验数据的获取,减小木材损耗,实验选用尺寸为1900mm×1500mm×1200mm的小型干燥窑.选取柞木作为实验样本木材,将实验样本木材截取为1100mm×45mm×30mm的柞木条.从截取后的实验用柞木条中选取6根作为检测样本,将含水率传感器插入检测样本当中,其中2个传感器保持一定的间隔,大约为30mm,插入深度保持在检测样本厚度的50%左右,以保证良好的传感效果,传感器插入位置见图1.在小型干燥窑内选取6个木材含水率的检测点,记为MC1~MC6.同时将电测法与称重法两种方法的测量实验数据进行对比,见图2,其中横坐标为间隔一定时间的样本点,纵坐标为实验样本木材的含水率.
由于木材的性能指标在纤维饱和点附近左右时会发生极大改变,因此木材的纤维饱和点是需要考虑的重要因素.由图2可以看出,工业生产中常用的电测法在实验木材纤维饱和点附近的测量会出现数据漂移等偏差问题,影响整体的测量精度,因此加强该部分的含水率检测是十分重要的.
2传统蚁群分类算法理论
蚂蚁在路过的路径上会留下一种化学素（蚁群分类算法的信息素）,蚂蚁们根据不同路径上信息素浓度的不同,将路径的信息互相传播,从而达到信息交流的目的,信息素浓度最高的路径就成了蚁群们的首选路径[3-4].蚁群分类算法的目标问题是发现具有IF<conditions>THEN<class>形式的分类规则.在<conditions>部分中,一个具有预测属性的逻辑组合包含在内,其形式为term1ANDterm2AND…ANDtermn.其中每一个项term均为三元组<attribute,operator,value>,operator为一个关系运算符,value为在attribute值域内的一个属性值.然而,由于蚁群分类算法只能处理离散属性,“等于”是唯一有效的operator,因此需要将连续属性进行离散化处理,尤其是在预处理阶段.当研究对象的预测属性满足规则的<conditions>部分时,实例的类别则可用规则的<class>部分来预测.规则构建、规则剪枝和信息素更新分别是蚁群分类算法的3个主要步骤.
2.1规则构建
每一只蚂蚁起始于一个空的规则列表,并且规则项termij不断被添加到当前规则的部分解中,终止于满足循环的停止条件.项termij为规则前件中的元素,其表现形式为Ai等于Vij,其中Ai为第i个属性,Vij为Ai的第j个值.计算当前部分解的添加项termij概率的公式为
式中：ηij为项termij的问题依赖启发式函数；τij（t）为在（i,j）位置路径上的t时刻的信息数重量；a为属性数；bi为整体描述第i个属性的值域内所有的值；I为一个从未有蚂蚁访问的属性集.启发式函数ηij用于评价项termij的质量,反映了项termij提高规则预测精度的能力.在蚁群分类算法中,启发式函数ηij基于信息熵理论,并被定义为
2.2规则剪枝
规则剪枝是蚁群分类算法的第2个主要步骤,通常在蚁群规则构建之后执行.由于在蚁群规则构建的过程中可能会有不相关的项被填入其中,因此将这些不规则项进行移除是这一步骤的主要目的.当规则构建中只有一个项或者没有移除项时,规则剪枝这一步骤结束,此时的规则质量达到最高.评估一个规则质量Q的公式为
式中：nTP为与规则预测类相同指且被规则前件覆盖的实例数；nFN为与规则预测类相同且未被规则前件覆盖的实例数；nTN为与规则预测类不同且未被规则前件覆盖的实例数；nFP为与规则预测类不同且被规则前件覆盖的实例数.
2.3信息素更新
在以上两个步骤完成后,蚂蚁需要对所有路径分段上的信息素进行更新,这也是蚁群分类算法的最后一步.信息素的更新基于两个基本思想：一是每一个项termij的信息素浓度会升高,这些项的共同特点是都出现在规则前件中；二是对于所有未出现在规则前件中的项termij,所对应的信息素浓度则会降低.这两个信息素更新的基本思想同样可以模拟真实蚁群系统中信息素的挥发.在更新规则中,项termij的信息素公式为
式中：R为第t次迭代中出现在规则构建中的项集.Q值在[0,1]区间内,并且规则的质量高低与Q值的大小成正比.
2.4传统蚁群分类算法的基本流程
图3中详细描述了传统蚁群分类算法的伪代码.分类规则列表的发现是由传统蚁群分类算法通过一种有次序覆盖的方法实现的,大部分或几乎所有的训练实例都可以被其覆盖.以下是算法的大致流程：首先,规则列表为空,所有的训练实例都体现在训练集中,这是算法的初始化过程.接着,分类规则随着WHILE循环的迭代被不断发现,因此WHILE循环是整个分类算法的主要环节.同时,REPEAT-UNTIL循环也在迭代的过程中多次执行.然后,规则列表中将会加入被发现的分类规则,并且移除训练集中被此规则正确覆盖的实例.规则构建、规则剪枝、信息素更新是REPEAT-UNTIL循环的每一次迭代不可缺少的3个步骤.
3蚁群分类算法在木材含水率预测中的研究
该实验采用水曲柳作为实验木材,根据前文处理实验样本,基于蚁群分类算法,预测木材纤维饱和点附近的含水率.该实验中的木材含水率范围为49%~21%.根据GB/T1931—2009木材含水率测定方法[5]对木材进行干燥,在干燥的同时采用电测法和称重法对木材含水率进行检测.在干燥过程中,每隔45min对传感器输出数值进行检测,同时记录样本木条质量,并根据公式计算含水率.
该实验采用80组数据,前40组数据用于基于蚁群分类算法的分类,后40组数据用于进行仿真预测.前40组数据为高于纤维饱和点区段的数值,后40组数据为纤维饱和点附近的数值,80组数据均为相同间隔时间的连续数据.在蚁群分类算法利用前40组数据对训练分类之后,利用后40组数据的含水率数据与蚁群分类算法的预测数据进行对比分析.在衡量预测效果时,笔者采用均方误差εMSE和均方根误差εRMSE两个数据,其表示式为
式中：xi为实际值；yi为预测值.
第107页图4与图5为基于蚁群分类算法的水曲柳木材含水率预测仿真曲线及预测仿真误差曲线.图4与图5中横坐标均为样本点,以相同间隔时间采集的数据按顺序输入的数据长度为单位,纵坐标均为木材含水率.
分类过程共用时0.956s,利用分类训练结果对样本进行预测共用时0.209s.用于对比分析的参数εMSE等于0.0869,εRMSE等于0.2947.从实验结果可以看出,蚁群分类算法对属于非线性回归的木材含水率数据有较好的预测效果,有效地预测了水曲柳纤维饱和点附近的含水率数值,弥补了电测法测量中的数据漂移问题.
4结论
笔者阐述了蚁群分类算法的算法流程,说明了蚁群分类算法应用到木材含水率预测问题上的可行性.基于蚁群分类算法,对水曲柳木材含水率进行了分类预测.实验结果表明蚁群分类算法在木材含水率预测方面较为精确,误差较小,较好地解决了电测法测量产生的数据漂移等偏差问题.
参考文献：
[1]贾鹤鸣,李敬源,杨明,等.半导体温差发电技术在温室林木
幼苗抚育中的应用[J].安徽农业科学,2015,43(17):
238-240.
[2]贾鹤鸣,宋文龙.基于松弛序列法的温室传感器优化布置
研究[J].森林工程,2015,31(5):82-85.
[3]李元,贾鹤鸣.基于模糊神经网络的空调冷冻水系统模型
预测研究[J].科技创新与生产力,2017(3):26-28.
[4]孙丽萍,李元,张冬妍,等.制冷空调冷冻水系统模糊
RBF控制研究[J].电机与控制学报,2017,21(5):110-116.
[5]中华人民共和国国家质量监督检验检疫总局,中国国家
标准化管理委员会.木材含水率测定方法:GB/T1931—
2009[S].北京:中国标准出版社,2009.
（责任编辑邸开宇）
干燥论文范文结:
关于干燥方面的的相关大学硕士和相关本科毕业论文以及相关干燥论文开题报告范文和职称论文写作参考文献资料下载。