木材干燥过程的Elman神经网络模型研究

姜 滨， 孙丽萍， 曹 军， 季仲致

(东北林业大学机电工程学院，黑龙江哈尔滨 150040)

提高木材干燥过程的控制水平，实现真正意义上的全自动控制是木材干燥行业迫切关心的问题[1]。根据其物理化学特性，木材干燥过程有其特有的复杂性，是一个强耦合非线性动力系统，因而很难建立理想的木材干燥模型[2]。

人工神经网络(Artificial Neural Network，ANN)，通常简称为神经网络，是一种在生物神经网络的启示下建立的数据处理模型[3]。神经网络由大量的人工神经元相互连接进行计算，根据外界的信息改变自身的结构，主要通过调整神经元之间的权值来对输入的数据进行建模，最终具备解决实际问题的能力。神经网络分为前馈神经网络和反馈神经网络2种，Elman神经网络属于反馈神经网络，具有比前向神经网络更强的计算能力，其突出的优点是具有很强的联想记忆和优化计算功能[4]。

针对木材干燥过程的特点，该研究提出基于Elman神经网络理论建立的木材干燥过程模型。该模型通过木材干燥过程材堆的温度、湿度以及木材含水率数值建立模型，并通过实际数据对模型的准确度进行验证。仿真结果表明Elman神经网络利用少量数据就可以建立模型，并且模型预测精度高，对数据的联想记忆和优化能力强，实现了木材干燥过程的材堆温度、湿度以及木材含水率的准确预测。

1 Elman神经网络

1.1Elman神经网络结构反馈型神经网络是一种从输出到输入具有反馈连接的神经网络，其结构比前馈神经网络要复杂得多，Elman神经网络是典型的反馈型神经网络[5]。……