【技术实现步骤摘要】
木质复合材料高尺寸稳定性能预测方法和装置
[0001]本专利技术涉及林业工程领域，特别是指一种木质复合材料高尺寸稳定性能预测方法和装置。
技术介绍
[0002]木质复合材料是家居、装修等领域的一种常用耗材，在日常生活中随处可见。木质复合材料具有干缩湿胀的特点，如从南方定制的木质复合材料板材运往北方后，因为空气湿度的不同可能会发生尺寸的变化，因此高尺寸稳定性的木质复合材料尤为重要。
[0003]高尺寸稳定性的木质复合材料的加工工序复杂，即使是经验丰富的工人也难以准确预估出生产后材料的质量，导致生产的木质复合材料的高尺寸稳定性难以达到期望的效果。而且，企业在进行原材料和生产工艺优化时，只能不断试错，增加了企业加工试错的成本，降低了产能效率。
技术实现思路
[0004]为解决现有技术的缺陷，本专利技术提供一种木质复合材料高尺寸稳定性能预测方法和装置，实现了对木质复合材料高尺寸稳定性能的快速、准确预测，指导原材料和生产工艺优化，减少企业加工试错成本，提高产能效率。
[0005]本专利技术提供技术方案如...
【技术保护点】
【技术特征摘要】
1.一种木质复合材料高尺寸稳定性能预测方法，其特征在于，所述方法包括：建立包括多个木材单板数据样本的参考数据集；其中，每个所述木材单板数据样本均包括该木材单板的若干种特征，所述特征的种类包括结构数据和生产工艺数据，所述木材单板数据样本标注有标签数据，所述标签数据包括高尺寸稳定性能数据；将所述参考数据集进行数字化和归一化；将所述参考数据集划分为训练集和测试集，利用所述训练集对构建的基于BP神经网络的机器学习模型进行训练，利用所述测试集进行验证，得到能够预测出木质复合材料高尺寸稳定性能的机器学习模型；通过T分布随机近邻嵌入算法对训练后的机器学习模型的回归函数进行降维拟合，得到影响木质复合材料高尺寸稳定性能的关键特征。2.根据权利要求1所述的木质复合材料高尺寸稳定性能预测方法，其特征在于，所述建立包括多个木材单板数据样本的参考数据集，包括：获取在所述木材单板的生产过程中，以所述木材单板为基元，采集的该木材单板的结构数据；其中，所述结构数据包括板芯树种、板芯基本密度阈值、板芯初始含水率阈值、板芯轴向干缩率、板芯径向干缩率、板芯弦向干缩率、板芯轴向湿胀率、板芯径向湿胀率、板芯弦向湿胀率、面板树种、面板基本密度阈值、面板初始含水率阈值、面板轴向干缩率、面板径向干缩率、面板弦向干缩率、面板轴向湿胀率、面板径向湿胀率和面板弦向湿胀率中的一种或多种；获取在所述木材单板的生产过程中，以所述木材单板为基元，采集的该木材单板的生产工艺数据；其中，所述生产工艺数据包括板芯高温干燥温度阈值、面板高温干燥温度阈值、胶种、施胶量、防水剂种类、防水剂浓度、防水剂用量、板坯胶合温度、板坯胶合压力和板坯胶合时间中的一种或多种；获取生产后的所述木材单板的高尺寸稳定性能数据；其中，所述高尺寸稳定性能数据包括抗胀缩率和平整度中的一种或多种；将所述结构数据和生产工艺数据作为所述木材单板数据样本的特征，将所述高尺寸稳定性能数据作为所述木材单板数据样本的标签数据，得到包括多个木材单板数据样本的参考数据集。3.根据权利要求1所述的木质复合材料高尺寸稳定性能预测方法，其特征在于，所述通过T分布随机近邻嵌入算法对训练后的机器学习模型的回归函数进行降维拟合，得到影响木质复合材料高尺寸稳定性能的关键特征，包括：计算所述参考数据集D＝{x1，x2，...x
n
}的第i个数据点x
i
与第j个数据点x
j
的条件概率p
j|i
以及第j个数据点x
j
与第i个数据点x
i
的条件概率p
i|j
，并根据所述条件概率p
j|i
和p
i|j
计算x
i
与x
j
的联合概率p
ij
；
表示以x
i
为中心的高斯函数的方差，表示以x
j
为中心的高斯函数的方差；计算所述参考数据集D＝{x1，x2，...x
n
}映射在低维空间T＝{t1，t2，...t
n
}上的第i个数据点t
i
与第j个数据点t
j
的联合概率q
ij
；通过如下公式计算KL散度C；通过如下公式计算KL散度C的梯度δC/δt
i
；通过如下公式对低维空间T的特征进行迭代更新；其中，T
(d)
表示低维空间T的特征经...
【专利技术属性】
技术研发人员：郭娟，郑昌，何拓，殷亚方，焦立超，马灵玉，蒋佳荔，李珠，
申请(专利权)人：中国林业科学研究院木材工业研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。