木材干燥过程含水率检测的分层融合机理与模型研究

木材含水率是调控干燥过程、决定干燥质量的关键参数之一。通过微观导电机理和宏观测试过程分析，由于电测法检测木材含水率受传感器精度以及干燥时环境因子（温度、平衡含水率、气流方向等）相互耦合的影响，因此在线检测容易产生较大误差。本项目在深入研究木材含水率测试机理的基础上，应用数据融合理论，利用干燥窑内多参量冗余和互补信息，研究基于Bayes估计、自适应加权、分批估计、概率数据关联等自校准层融合算法；采用结构简化的类神经FLANN模型和粒子群优化训练算法建立相关层的快速融合方法，消除干燥窑内环境因子的不确定性，从而进一步提高木材含水率测量精度。跟踪、预估纤维饱和点附近含水率值，确定引起干燥缺陷的临界干燥参数，保证木材干燥质量。本研究属于交叉和前沿研究课题，其研究成果对于提高木材科学技术的研究水平和木材加工企业的经济效益将具有重要价值。