随着全球森林资源日益减少以及由其所带来的环保和生态问题的出现,如何有效地利用有限的木材资源、降低能源消耗、提高木材制品质量已引起世界各国政府的广泛关注。面对我国这样一个少林国家,如何更好地改善木材使用性能并提高它的利用率,成为摆在木材科学工作者面前的前沿课题之一。木材干燥是改善木材物理力学性能、合理使用木材、减少木材降等损失、提高使用效率的重要措施,也是保证木制品质量的关键技术之一。由于木材干燥过程的滞后、时变、强耦合、非线性的复杂特性,使得建立理想的、符合实际的木材干燥模型变得很困难,其自动控制也不是一个简单的操作,过程内影响因素很多。传统的PID控制是依赖操作人员按照工艺参数凭经验的控制方法,缺乏充分的灵活性,因而,高质量的现代化控制系统成为创新干燥设备亟待解决的问题。 本文基于神经网络理论建立了木材干燥模型。神经网络系统辨识是通过直接学习系统的输入/输出数据,使目标函数取得最小值,从而归纳得到隐含在系统输入/输出数据中的关系,即描述系统的模型。研究中采用了适合于非线性系统辨识的时延神经网络和动态递归神经网络建立了温湿度控制模型和干燥基准模型。温/湿度控制模型是加热阀、喷湿阀和排潮阀的开度,三个控制信号与温/湿度之间关系的模型,它的建立为控制器设计提供了必要条件;干燥基准模型是描述温、湿度与木材含水率之间关系的模型,此模型的建立实现了干燥基准的数学模型化和干燥过程的含水率变化特性预测,为优化干燥基准提供了有力依据;干燥基准逆向模型的建立可以根据含水率给出当前时刻的窑内温度和湿度,从而将以含水率基准作为干燥基准的阶段性干燥连续化。论文中设计了神经网络辨识的结构和训练算法,并通过实验数据进行了模型训练与验证,仿真结果表明所建模型有效、可靠。对两种网络辨识效果的比较来看,时延神经网络要好于动态递归神经网络,更适合于木材干燥这种复杂对象的描述。 木材干燥的控制过程就是控制窑内介质温度和湿度来使木材含水率降低到某一期望值的过程。针对实际干燥过程的特性,本文在神经网络模型研究的基础上,研究了模糊控制和模糊自适应控制方法在木材干燥控制系统中的应用,仿真结果表明这两种控制策略是有效的,且优于传统PID控制。这为提高木材干燥过程的控制水平,实现木材干燥真正意义上的全自动控制奠定了基础,对有效保证木材干燥质量、降低能源消耗和减少成本,具有重要的理论研究和实际指导意义。 为验证控制器实际控制效果,本文进行了木材干燥实验窑实际干燥验证,运行结果表明控制系统能够满足精度要求,控制效果良好。