欢迎来到天天文库
浏览记录
ID:33774338
大小:3.36 MB
页数:70页
时间:2019-03-01
《智能化木材干燥窑参数测控系统的研制》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、硕士学位论文题目:智能化木材干燥窑参数测控系统的研制研究生夏春江专业电子与通信工程指导教师王培良教授完成日期2014年12月万方数据杭州电子科技大学硕士学位论文智能化木材干燥窑参数测控系统的研制研究生:夏春江指导教师:王培良教授2014年12月万方数据DissertationSubmittedtoHangzhouDianziUniversityfortheDegreeofMasterStudyonIntelligentWoodDryingKilns’ParametersMeasurementandControlSystemCandidate:XiaC
2、hunjiangSupervisor:WangPeiliangDecember,2014万方数据杭州电子科技大学学位论文原创性声明和使用授权说明原创性声明本人郑重声明:所呈交的学位论文,是本人在导师的指导下,独立进行研究工作所取得的成果。除文中已经注明引用的内容外,本论文不含任何其他个人或集体已经发表或撰写过的作品或成果。对本文的研究做出重要贡献的个人和集体,均已在文中以明确方式标明。申请学位论文与资料若有不实之处,本人承担一切相关责任。论文作者签名:日期:年月日学位论文使用授权说明本人完全了解杭州电子科技大学关于保留和使用学位论文的规定,即:研究生
3、在校攻读学位期间论文工作的知识产权单位属杭州电子科技大学。本人保证毕业离校后,发表论文或使用论文工作成果时署名单位仍然为杭州电子科技大学。学校有权保留送交论文的复印件,允许查阅和借阅论文;学校可以公布论文的全部或部分内容,可以允许采用影印、缩印或其它复制手段保存论文。(保密论文在解密后遵守此规定)论文作者签名:日期:年月日指导教师签名:日期:年月日万方数据杭州电子科技大学硕士学位论文摘要针对木材干燥窑参数检测精度和干燥控制过程自动化程度低的问题,设计了一种智能化木材干燥窑参数测控系统。该系统以ARM嵌入式平台作为下位机对干燥窑的温度、相对湿度、木材的
4、电阻率等参数进行实时采集,并通过WiFi无线网络将采集的数据上传到PC上位机中以实时监测窑内的干燥状态。将采集的参数数据与标准值比较,根据比较后的误差进行反馈控制以调整木材的干燥过程。为改进系统的控制算法,引入深度学习方法,将深度信念网络(DeepBeliefNetwork,DBN)与PID(ProportionIntegrationDifferentiation)进行结合,提出了一种DBN-PID算法。将DBN-PID和传统PID进行了实验比较,对实验测量得到的数据分析可得,DBN-PID算法应用在木材干燥窑参数测控系统中具有较好的控制效果,使得系
5、统的检测精度有所提高。为进一步说明DBN-PID算法的性能,与BP-PID(BackPropagation-PID)算法进行了仿真比较。仿真表明,DBN-PID算法近似非线性对象的性能良好,具有较好的自适应能力。在木材干燥软测量模型的建立上,引入基于模型的预测控制方法,设计了一种以木材含水率为干燥基准的软测量模型。将该模型应用在深度学习预测控制算法中,根据实际测量得到的木材干燥窑内温湿度值及木材电阻率等参数,实现了木材含水率的预测输出。实验以柞木为研究对象,以木材含水率为基准量,在3000组数据中随机选取2600组数据作为DBN的训练数据,选取340
6、组作为验证数据,使用剩余的60组数据来进行测试。仿真结果表明,当测试样本的木材含水率处于6%-30%阶段时,木材含水率的预测值与实际测量值之间的均方根误差为0.636,处于30%-60%阶段时,均方根误差为2.265,木材含水率大于60%时,均方根误差为3.532。以同一样本数据建立一个基于广义回归神经网络(GeneralizedRegressionNeuralNetwork,GRNN)的软测量模型,并将该模型的预测结果与DBN软测量模型的预测结果进行对比分析。分析实验结果可得,基于DBN的软测量模型对木材含水率预测精度较高,该模型的预测值与实际值之
7、间的最小均方根误差为0.025,说明了DBN算法应用于木材含水率预测的可行性。关键词:木材干燥控制,深度学习,参数检测,软测量模型I万方数据杭州电子科技大学硕士学位论文ABSTRACTFortheproblemofparametersdetectionandthedegreeofautomationarelowinthewooddryingkiln.Itdesignedakindofintelligentwooddryingkilnparametermeasurementandcontrolsystem.Thissystemcollectparame
8、tersreal-timebasedonARMembeddedplatform,theseparameter
此文档下载收益归作者所有