基于BP神经网络电容法刨花含水率测试仪的研究与开发

论文摘要

在木材工业生产中，测量含水率的方法有多种，常用的有电导法、红外法、微波法、电容法等。电容传感器是由两极板组成，极板的形状有多种，两极板一般位于不同的空间平面；而同面散射场电容传感器的驱动电极和感应电极位于同一平面，其电场呈散射状，电场的电力线近似半圆弧形或椭圆形，因而其测量穿透深度(高度)是有一定限制的，是相邻驱动电极和感应电极中心距的2／3。当同面散射场电容传感器的测量介质的组成成分变化时，会引起总介电常数ε_x的变化，从而，测量电容C_x也随之变化。所以，同面散射场电容传感器能间接测量被测物中的特定成分。 本论文分别设计并自制了以调频法为原理、以刨花为测量介质，以同面散射场电容器为测量传感器的高频含水率测试仪和低频含水率测试仪。在刨花的有效铺装面积保持一定(即为电容传感器的有效平面感应区)的前提下，试验表明：当刨花的铺装高度和密度一定时，刨花的含水率5≤MC＜25％，测试频率与刨花的含水率成指数关系：刨花的含水率25≤MC＜45％时，测试频率与刨花的含水率成线性关系。当刨花的含水率和铺装密度一定时，测试频率与刨花的铺装高度成线性关系。当刨花的含水率和铺装高度一定时，测试频率与刨花的铺装密度无明显的函数关系。 试验数据分析表明：低频测试数据的逐步回归方程，其频率预测值和实际测试值的相对误差较小，并达到一定的精度。而高频测试数据的逐步回归方程，其预测值的相对误差较大；预测值的变化趋势与实际测试值和理论分析的变化趋势相矛盾。 神经网络被人们称为是第六代计算机，又是第二代人工智能，具有智力惊人的自适应自学习能力、理智敏捷的判断思维、高度分散的信息存储方式等特点。BP神经网络是目前应用最为广泛的，有近90％的神经网络的应用是基于BP算法，它可以实现输入和输出间的任意非线性映射。实验表明，刨花的含水率(MC)，与测量频率(f)、刨花的铺装高度(h)、密度(p)间的关系是复杂的非线性关系。运用基于MATLAB的BP神经网络仿真测量刨花的含水率，测量效果好，精度高，完全满足含水率测量的要求。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 木材工业中含水率测量常用的几种方法
• 1.1.1 电导法测量含水率的原理
• 1.1.2 红外法测量含水率的原理
• 1.1.3 微波法测量含水率的原理
• 1.2 电容传感器
• 1.2.1 CAV424
• 1.2.2 AD7745
• 1.3 人工神经网络
• 1.4 研究的趋势
• 1.5 本论文研究的主要内容
• 1.6 本论文的主要创新点
• 1.7 本章参考文献
• 2 人工神经网络
• 2.1 神经网络发展的概况
• 2.2 神经网络的应用及研究方向
• 2.3 人工神经元结构
• 2.3.1 神经细胞的结构
• 2.3.2 人工神经元的基本构成
• 2.3.3 激活函数
• 2.4 人工神经网络模型
• 2.5 人工神经网络的学习与训练
• 2.6 人工神经网络的仿真
• 2.7 线性神经网络的局限性
• 2.8 BP神经网络
• 2.9 本章小结
• 2.10 本章参考文献
• 3 电容传感器的原理和结构特征
• 3.1 电容器的原理和组成
• 3.1.1 电容器的定义
• 3.1.2 平板电容器的数学模型
• 3.1.3 电介质的性质
• 3.1.4 无极分子电介质的极化
• 3.1.5 有极分子电介质的极化
• 3.1.6 固态电介质的极化
• 3.1.7 极化的电介质产生的影响
• 3.1.8 相对电介常数
• 3.1.9 极化效应的应用
• 3.2 电容传感器的类型
• 3.2.1 变极距型电容传感器
• 3.2.2 变面积型电容传感器
• 3.2.3 变电介质常数型电容传感器
• 3.3 电容式传感器的特点
• 3.4 电容式传感器的等效电路
• 3.5 应用电容传感器应注意的问题
• 3.5.1 边缘效应
• 3.5.2 寄生电容
• 3.5.2.1 驱动电缆法
• 3.5.2.2 运算放大器法
• 3.5.2.3 整体屏蔽
• 3.6 电容传感器的测量电路
• 3.6.1 调频电路
• 3.6.2 调幅电路
• 3.6.2.1 交流激励法
• 3.6.2.2 交流电桥法
• 3.6.3 脉冲型电路
• 3.6.3.1 双T型充放电电路
• 3.6.3.2 脉冲调宽型电路
• 3.7 本章小结
• 3.8 本章参考文献
• 4 平板电容器测试刨花含水率的研究
• 4.1 试验仪器、实验材料和方法
• 4.1.1 试验仪器
• 4.1.2 试验材料
• 4.1.3 方法
• 4.1.3.1 试验方法
• 4.1.3.2 高频Q表使用的方法
• 4.1.3.3 使用高频Q时要注意的事项
• 4.2 测试数据
• 4.2.1 数据1
• 4.2.2 数据2
• 4.2.3 数据3
• 4.2.4 数据4
• 4.3 试验结果与分析
• 4.4 本章小结
• 4.5 参考文献
• 5 同面散射场电容传感器的设计研究
• 5.1 同面散射场式电容传感器的结构
• 5.2 同面散射场电容传感器电容的近似计算方法
• 5.2.1 被测物为绝缘导体
• 5.2.2 被测物介于导体与绝缘体之间
• 5.2.3 被测物为良导体
• 5.3 同面散射场电容传感器测量深度的确定
• 5.4 同面散射场电容传感器的设计
• 5.5 本章小结
• 5.6 本章参考文献
• 6 电容式含水率测试仪的设计研究
• 6.1 低频含水率测试仪
• 6.1.1 电源电路
• 6.1.1.1 LM2575
• 6.1.1.2 ME2101A50P
• 6.1.2 振荡电路
• 6.1.3 频率采样电路
• 6.1.3.1 STC89C516的特性
• 6.1.3.2 82C53/82C54
• 6.1.4 显示电路
• 6.1.5 通讯接口电路
• 6.1.5.1 USB接口
• 6.1.5.2 PDIUSBD12芯片特点
• 6.1.5.3 PDIUSBD12芯片内部结构
• 6.1.5.4 PDIUSBD12芯片的管脚定义
• 6.2 高频含水率测试仪
• 6.2.1 MAX038
• 6.2.1.1 MAX038的内部结构和工作原理
• 6.2.1.2 MAX038芯片的管脚定义
• 6.2.1.3 MAX038的振荡频率及脉冲占空比的调节
• 6.2.2 MAX660
• 6.2.2.1 MAX660的主要特点
• 6.2.2.2 MAX660芯片的管脚定义
• 6.3 含水率测试仪的部分汇编语言程序
• 6.4 本章小结
• 6.5 本章参考文献
• 7 测试频率与相关因素关系的研究
• 7.1 实验仪器与材料
• 7.1.1 仪器
• 7.1.2 试验材料
• 7.1.3 试验方案
• 7.1.4 试验方法
• 7.2.单个因素变化与测量频率的数据分析
• 7.2.1 刨花的铺装高度和密度一定,含水率变化的试验
• 7.2.2 刨花的铺装高度和含水率一定,密度变化的试验
• 7.2.3 刨花的铺装密度和含水率一定,铺装高度变化的试验
• 7.3 正交试验数据逐步回归分析
• 7.3.1 具体试验数据
• 7.3.2 高频测试值与试验各因素的回归方程
• 7.3.2.1 逐步回归分析
• 7.3.2.2 方程验证
• 7.3.3 低频测试值与试验各因素的回归方程
• 7.3.3.1 逐步回归分析
• 7.3.3.2 方程验证
• 7.4 本章小结
• 7.5 本章参考文献
• 8 基于MATLAB的BP神经网络刨花含水率测试仿真
• 8.1 MATLAB的构成
• 8.1.1 MATLAB语言
• 8.1.2 MATLAB工作环境
• 8.1.3 MATLAB的工具箱
• 8.1.4 MATLAB的应用程序接口
• 8.1.5 MATLAB的特点
• 8.2 基于MATLAB的BP神经网络设计
• 8.2.1 BP神经网络的创建
• 8.2.2 BP神经网络的初始化
• 8.2.3 输入输出数据的预处理
• 8.2.3.1 归一化处理
• 8.2.3.2 分布的变换
• 8.2.4 BP神经网络的训练和仿真
• 8.2.5 在设计和训练网络时的注意点
• 8.3 基于BP神经网络的刨花含水率测试的仿真
• 8.4 本章小结
• 8.5 本章参考文献
• 9 总结
• 附件
• 详细摘要