[發明專利]基于粒子群優化神經網絡模型的木材含水率檢測方法

無效

• 申請號: 200910073258.3
• 申請日: 2009-11-25
• 公開（公告）號: CN102072922A
• 公開（公告）日: 2011-05-25
• 發明（設計）人: 張佳薇;曹軍;李明寶
• 申請（專利權）人: 東北林業大學;張佳薇;曹軍
• 主分類號: G01N27/00
• 分類號: G01N27/00;G06N3/02;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于粒子群優化神經網絡模型的木材含水率檢測方法，其特征在于采用鳥類捕食行為最優策略的仿生方法，對木材含水率檢測融合網絡模型的權值進行整體尋優；以粒子群優化算法提供的接近最優權值為初值，利用BP算法具有強大的非線性映射能力，且局部尋優能力強特點，對木材含水率檢測融合網絡模型的聯結權值進一步尋優，獲得最優解；基于電測法檢測木材含水率及環境溫度參數，建立粒子群優化神經網絡模型，并以該模型應用于木材含水率的檢測。

2.根據權利要求1所述的一種基于粒子群優化神經網絡模型的木材含水率檢測方法，其特征在于所述的粒子群算法：采用群體進化的全局優化算法，訓練網絡的聯結權值，快速獲得近似最優解空間，且不會陷入局部極小。但粒子群算法的收斂精度低，微調差，能快速收斂至最優解附近，但很難得到最優解。再利用BP算法具有強大的非線性映射能力，且局部尋優能力強特點進一步尋優，得到網絡權值的最優值。

3.根據權利要求1所述的一種基于粒子群優化神經網絡模型的木材含水率檢測方法，其特征在于所述的神經網絡模型：采用MLP神經網絡，輸入信號從輸入層節點，依次傳過各隱層節點，然后傳到輸出節點，每一層節點的輸出只影響下一層節點的輸出。本發明先后取隱層節點數分為12，23，5，8進行訓練，隱含層傳遞函數采用Sigmoid函數，輸出層傳遞函數采用線性函數，最后確定隱層節點數為8，網絡各權值學習速率的選擇滿足網絡穩定性定理，即采用2-8-1的網絡結構，η＝0.3，α＝0.6，網絡學習10000次，誤差均方根小于1×10^--6，這時網絡訓練結束。以歸一化后的木材含水率電壓值、溫度電壓值為輸入，木材含水率值為輸出，建立神經網絡結構。