摘要:以單隱層前向神經網絡為基礎，對纖維板熱壓傳熱傳質過程中的相對濕度進行參數識別。分析纖維板熱壓傳熱傳質過程中混合氣體相對濕度這一影響因子，利用多項式神經網絡逼近定理及篩減原理，給出識別這一影響因子的專門算法及仿真結果。仿真結果與Engelhardt(1979)給出的櫸木試件的等濕線比較可以看出，實驗值與實測值曲線十分接近，表明該方法是行之有效的。本結果對纖維板熱壓過程中的產品質量控制有一定的指導作用。
0引言
在纖維板生產過程中，熱壓過程是影響產品質量和產量的一項重要工序。熱壓過程影響因素眾多，涉及力學過程、物理過程、化學反應過程，且三者相互聯系，再加上原料本身的變異性，要從本質上理解這一過程是非常困難的，而合理地簡化熱壓過程，建立模型的方式為此提供了可能。目前，國內外纖維板熱壓模型的研究主要有:謝力生在理想條件下建立的一維熱壓傳熱模型，該模型推導了理想條件下板坯中心層達到膠黏劑固化溫度所需的時間函數關系式，為纖維板熱壓過程中控制熱壓時間提供了參考;Zhou等建立的垂直密度分布模型，通過分析板坯切面密度模型，不僅能夠快速判斷出熱壓工藝控制是否適當，還能夠直觀顯示板材的內在質量;施靜波、保昆雁、王東林等建立的熱壓傳熱傳質模型，主要由控制容積熱量平衡方程以及空氣和水蒸氣組分的連續方程構成，可以用來分析纖維板熱壓過程中板坯內部發生的傳熱傳質過程，探討板坯內部的環境發展。這些模型的建立，大多采用的是能量守恒法、回歸分析法、統計假設參數估計法等，本文在這些研究的基礎上，利用近年來發展迅速的神經網絡進行建模。
神經網絡是人腦思維系統的一個簡單的結構模擬，可模仿人腦神經元的基本功能。實質上，神經網絡是一個不依賴于模型的自適應函數估計器，能直接從樣本數據中構造數學模型，以逼近任意的非線性函數。它突出的優點是能夠進行并行處理，并且具有學習能力、適應能力和很強的容錯能力。神經網絡已經在工程、計算機、物理、生物等學科中得到了廣泛的應用，大多數應用都被轉化為利用神經網絡逼近多元函數的問題，主要原因是:多項式函數是一種較為簡單且容易計算的函數，也是實際問題中較為廣泛使用的函數之一，它在神經網絡逼近問題的研究中起到十分重要的作用。
文獻 研究了非線性熱傳導方程中未知系數的反演問題，采用中心差分離散方程得到迭代矩陣，通過建立牛頓迭代格式求解迭代增量，反演出方程中未知系數。文獻運用分離變量法、齊次化原理、定義算子的方法，求解了微波加熱過程中木材內部溫度的熱傳導模型中熱源的近似解析解。本文利用多輸入單隱層神經網絡逼近多項式方法及文獻的理論，參考中密度纖維板熱壓干燥過程中的溫度及濕度傳遞規律，結合中密度纖維板的構造特點以及與纖維板傳熱相關的物理性質，通過訓練已有的實驗數據，利用單隱層前向神經網絡對纖維板熱壓過程中木材內部溫度、濕度以及含水率之間的函數關系進行參數識別，該模型能夠直觀地反映纖維板熱壓干燥過程中相對濕度與熱壓溫度及含水率之間的函數關系，實現對板坯含水率的定量分析，因此對纖維板干燥過程中的質量控制有一定的指導作用;在分析纖維板熱壓過程中纖維板內部傳熱傳質規律的基礎上，建立相關的熱濕模型，從定量的角度去分析問題，為實際應用提供數值化直觀數學模型。
1影響纖維板熱壓過程因素—相對濕度影響纖維板熱壓質量的因素很多，以熱壓溫度、熱壓壓力、熱壓時間、板坯含水率、板坯鋪裝質量這五個因素為主。本文對纖維板熱壓過程中板坯的含水率這一影響因子展開研究，因為在熱壓過程中，板坯的含水率是非常重要的因素，它直接影響到熱壓后產品的性質，如鼓泡、分層、翹曲、內結合強度。由于實際生產中板坯含水率難以測量，因此希望借助于熱壓過程中的內部溫度以及混合氣體相對濕度對其定性分析。根據文獻中的分析，由于假設纖維細胞和相鄰空隙之間處于吸濕解析平衡狀態，控制容積內的相對濕度可由對應的溫度和平衡含水率確定，因此可以表示為φ=f(x,t),
其中:φ為混合氣體的相對濕度，x為板坯含水率，t為溫度。
2熱壓傳熱傳質過程中混合氣體相對濕度的參數識別
2．1理論基礎
單隱層前向神經網絡作為較簡單的神經網絡，是一個逼近器，它逼近的本質是以非線性參數展開來表達近似一元或多元函數，即:任何一個定義在Ｒd上的連續函數，可以通過一個具有單一隱層的三層前向神經網絡任意逼近。一個具有單一隱層，含d個輸入、一個輸出的三層前向神經網絡數學上可表示為
逼近定理［7］設φ在Ｒ上具有p+1階連續有界導數，并對任意的k(0"k"p)，存在θ∈Ｒ，使得φ(k)(θ)≠0，p∈Πdp，則對任意的ε＞0，可以構造d個輸入、一個輸出及隱層節點個數為Ndn的單隱層前向神經網絡
2．2算法設計
在纖維板熱壓傳熱傳質過程中，變量間的關系常常用數學上的函數來刻畫，而函數的表達式往往是未知的，只能通過試驗和觀察得到有限個離散的點，所以希望借助簡單的函數來近似表達目標函數，從而間接地得到目標函數的一些性質。本節給出基于溫度、含水率的相對濕度神經網絡模型，利用該模型實現對混合氣體相對濕度的函數逼近。具體步驟如下:
步驟1確定輸入樣本和輸出樣本
基于Engelhardt(1979)所測數據，纖維板熱壓傳熱傳質過程中木材平衡含水率和內部溫度兩個影響因素作為輸入因子，相對濕度作為輸出樣本，參見表1。
步驟2確定激活函數及隱神經元數激活函數是神經網絡的重要組成部分，單隱層前向神經網絡一般采用如下形式的二元多項式函數:
仿真結果表明，通過與Engelhardt(1979)給出的櫸木試件的等濕線比較可以看出，基于多輸入單隱層前向神經網絡對纖維板熱壓傳熱傳質過程中的相對濕度進行參數識別是合理并且可行的。
3結論
本文主要研究纖維板熱壓傳熱傳質過程中相對濕度的參數識別問題，可以看出，采用基于單隱層前向神經網絡來進行纖維板相對濕度的系統辨識是可行的，所建神經網絡模型能夠有效地對纖維板熱壓傳熱傳質過程中相對濕度與板坯含水率及熱壓溫度進行計算機仿真。實驗結果表明，采用多輸入單隱層前向神經網絡作為被辨識對象的模型，在纖維板熱壓過程中的傳熱傳質研究對于提高精度、降低生產成本、提高生產效率、保證產品質量具有重要的意義。
