木材弯曲力学性质的近红外光谱无损检测方法研究

发布时间：2020-05-07 14:36

【摘要】：木材是建筑、造船、运动器械的重要用材,然而,传统力学破坏性实验,耗时耗力,造成木材资源的严重浪费,因此,采用能够适应于木材力学性质检测无损高效的方法,是具有重要工程应用价值的科学问题。针对该问题,本文选取蒙古栎木材,采用近红外光谱无损检测技术,建立定量预测模型,对蒙古栎无疵试样的抗弯强度和抗弯弹性模量进行分析。研究内容包括试样加工方法、样本优选、光谱预处理、特征数据优化和非线性模型。首先,为获取必需的实验数据,按照国家标准加工制作蒙古栎弯曲力学性质的无疵试样,采集近红外光谱数据,采用力学破坏实验测量抗弯强度和抗弯弹性模量的真实值。其次,为得到较好的建模样本,采用马氏距离剔除异常样本与Kennard-Stone样本集自动划分的方法。再次,为消除散射光、基线漂移和噪声等干扰,采用MSC-1stDerSG相结合的预处理方法。然后,为去除数据间的冗余性及无关因素,在PLS模型基础上,采用SiPLS、PSO-SiPLS的波长变量选择法和LLE-PLS、Isomap-PLS的非线性降维优化方法。最后,针对近红外光谱与真值间存在的复杂非线性关系,线性PLS模型存在非线性预测的局限性,采用BP神经网络和极限学习机(Extreme Learning Machine,ELM)非线性模型。实验结果表明,采用马氏距离剔除10个异常样本,采用Kennard-Stone方法得出的校正集样本,代表性强且分布均匀,划分合理;采用MSC-1stDer-SG进行光谱预处理,当卷积平滑窗口大小为9时,效果最好,光谱轮廓更加清晰,吸收峰更明显;采用SiPLS、PSO-SiPLS、LLE-PLS、Isomap-PLS对传统PLS模型的输入数据进行优化,数据优化模型的预测能力均比传统PLS模型有所提高,其中,Isomap-PLS模型预测效果最好,抗弯强度的预测相关系数为0.924,SEP为9.610,RPD为2.617,抗弯弹性模量的预测相关系数为0.923,SEP为0.839,RPD为2.594;将Isomap优化的特征数据作为模型输入,采用BP神经网络和ELM建立非线性模型,比于BP网络,Isomap-ELM具有训练速度快、泛化能力强的优势,预测效果最好,抗弯强度的预测相关系数为0.952,SEP为7.671,RPD为3.279,抗弯弹性模量的预测相关系数为0.946,SEP为0.706,RPD为3.089,所建模型能够在实际应用中进行定量预测分析。
【学位授予单位】：东北林业大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：S781.2

【相似文献】