原创《基于BP神经网络的木材质量评价》：这篇神经网络论文范文为免费优秀学术论文范文,可用于相关写作参考。
摘 要： 目前木材家具的生产过程在逐步向批量化、机械化趋近,但木材的质量一直是家具产业需要关注的问题,因此对木材的质量评价一直是家具制造业研究的重点.本文利用BP神经网络建立木材的质量评价模型,選择合适的评价指标,并通过案例的样本数据进行验证.测试结果与加权平均法比较,做到出构建的3层BP神经网络模型应用于木材质量评价中具有一定的可行性与现实意义.
Abstract： At present, the production process of furniture is gradually approaching to batching and mechanization. However, the quality of mahogany wood has always been a concern for the furniture industry. Therefore, the quality evaluation of wood has always been the focus of furniture manufacturing research. In this paper, the quality evaluation model of mahogany wood is established by BP neural network, and the appropriate evaluation index is selected and verified by the sample data of the case. Compared with the weighted erage method, the results show that the proposed three-layer BP neural network model has a certain feasibility and practical significance in the quality evaluation of wood.
关键词： 木材；质量评价；BP神经网络；评价指标
Key words： wood；quality evaluation；BP neural network；evaluation index
中图分类号：TS664.1 文献标识码：A 文章编号：1006-4311（2018）02-0061-03
0 引言
随着社会经济的不断发展和人民生活水平的提高,人们对木材家具的关注和使用程度不断增加.然而木材家具的质量问题时有发生,严重影响了我国家具行业的健康发展.家具的质量问题的产生不仅源于制造环节中,而且还会源于木材的质量评价不当.在家具生产流通过程中,如何对其木材质量进行评价,是保障家具质量的关键.因此,从木材质量评价的角度把控家具质量是本文的研究内容.
目前,国内关于家具木材的相关理论与应用展开了大量研究.杨铁滨等人建立了基于BP神经网络的分类器实现木材机械加工表面质量自动评价,这保证木制品质量,提升其价值有重要意义[1].张秋龙分析了家具不合格产品产生的原因,其次系统地分析了当前家具存在的质量问题及相应的维护方法[2].白雪冰等人利用BP神经网络对特征参数进行分类,并验证了提取的特征参数的有效性[3].吴茜应用层次分析法等对民用实木家具设计指标结构体系中相同阶层的各元素指标进行权重分析,为民用实木家具的设计评价研究提供一个参考标准[4].
国外学者关于家具木材的相关理论与应用也做了大量研究.Jozef Gáborík通过将压制木材表面获得的结果与未经受压制的木材表面获得的结果进行比较,使用接触法测量压制前后的粗糙度,从而确定表面质量扫描区域内的裂纹等缺陷,这项研究论证了压实后白杨木表面质量的变化[5].Milan Gaff提出通过3D成型修饰的表面,基于宏观鉴定评估的目的是为了开发和测试适当的方法对表面质量进行评估和质量的确定与量化[6].
本文选择以木材为质量评价对象,选择合格的制造家具原材料,从根本上控制家具的质量,文章选择BP神经网络为评价方法,确定合理的评价指标,构建出木材的质量评价模型,并且通过案例样本数据检验所建模型的评价性能.
1 BP神经网络
1.1 神经网络的定义
神经网络是多层前馈神经网络,该网络的主要特征是在传输之前对信号,反向传播错误.在传输前,输出层的输入会逐层通过隐含层输入的信号.每一层的神经状况仅影响下一层的紧张状态.如果输出层被释放,然后转移到反向传播,根据预测误差来调整权值和阈值,从而使输出预测神经网络更接近期望输出.
1.2 神经网络模型及原理
BP神经网络的拓扑结构如图1所示.
图1中,M1,M2,等Mn是BP神经网络的输入值,N1,N2,等Nm是BP神经网络的预测值,Dij和Djk为BP神经网络权值.BP神经网络可以看成一个非线性函数,网络输入值和预测值分别为该函数的自变量和因变量.当输入节点数为n,输出节点数为m时,BP神经网络表达了从n个自变量到m个因变量的函数映射关系.
2 产品质量评价体系的构建
2.1 指标的选择
家具是企业使用一定的技术将木材加工成可以满足人们日常生活需要的商品.因此,家具质量评价就要考虑家具原材料的质量问题,因此对于木材性质这方面的特性对家具质量有着很大的影响.
通过查阅文献和案例分析可知,木材的物理性质对木材的整体质量有非常大的影响,本文选择了5个指标进行分析分别为：抗弯强度、弹性模量、抗压强度、冲击韧性、天然耐久.
抗弯强度：表示木材受横向静力载荷作用时所产生的最大弯曲应力.
弹性模量：表示木材抵抗外力而产生的变形或保持原有形状的性质,又称劲度或刚度.
神经网络论文参考资料：
结论：基于BP神经网络的木材质量评价为适合不知如何写神经网络方面的相关专业大学硕士和本科毕业论文以及关于神经网络论文开题报告范文和相关职称论文写作参考文献资料下载。
