專利名稱：基于神經(jīng)元網(wǎng)絡(luò)模型的板材導(dǎo)熱規(guī)律分析方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種基于神經(jīng)元網(wǎng)絡(luò)模型的板材導(dǎo)熱規(guī)律分析方法，這類板材由多種材料復(fù)合或多種材料層積復(fù)合所構(gòu)成的復(fù)雜生物質(zhì)材料制成。
背景技術(shù)：
目前，國內(nèi)外科學(xué)家已研究出針對(duì)中等導(dǎo)熱系數(shù)材料如塑料、環(huán)氧樹脂、玻璃等導(dǎo)熱系數(shù)理論和實(shí)際的檢測(cè)方法。這些檢測(cè)方法大致的檢測(cè)原理是用一恒定電流通過一個(gè)附著在試件上表面(或下表面)的發(fā)熱體，使發(fā)熱體釋放恒定的熱量(或使發(fā)熱體成為恒定的熱源)，同時(shí)在距該發(fā)熱體一定距離的試件上表面(或下表面)安放一溫度采集傳感器，接收試件的實(shí)時(shí)溫度。然后用下述公式計(jì)算出導(dǎo)熱系數(shù)λ的值λ=Q*δ(t1-t2)*S[W/m*K]]]>其中Q為被測(cè)材料內(nèi)部的兩個(gè)平行平面之間垂直方向上的熱流速率；S為傳導(dǎo)表面積；(t1-t2)為與兩截面的溫差；δ為兩截面的距離。
式中的函數(shù)比值即為在溫度(t1-t2)/2下的λ值。
這種檢測(cè)方法對(duì)上述中等導(dǎo)熱系數(shù)材料的導(dǎo)熱系數(shù)的測(cè)定是行之有效的，然而將這種方法用在由多種材料復(fù)合或多種材料層積復(fù)合所構(gòu)成復(fù)雜的生物質(zhì)材料上，則檢測(cè)結(jié)果總是得到不準(zhǔn)確的、不能令人信服的答案。最簡(jiǎn)單的例子是在用該種材料制成的地板的導(dǎo)熱規(guī)律實(shí)測(cè)中，這種方法無法實(shí)現(xiàn)準(zhǔn)確檢測(cè)，最明顯的表現(xiàn)是實(shí)驗(yàn)沒有重復(fù)性。
這是因?yàn)橛啥喾N材料復(fù)合或多種材料層積復(fù)合所構(gòu)成的復(fù)雜生物質(zhì)材料在結(jié)構(gòu)上有其自身的復(fù)雜性。以這種材料所制成的導(dǎo)熱地板為例，在當(dāng)今世界上生物質(zhì)資源緊缺的情況下，為高效利用資源，地板廠商將導(dǎo)熱地板做成三層甚至更多層，其中，地板的表面用珍貴樹種，中間或下面用廉價(jià)的人工林樹種。或者在強(qiáng)化地板的下表面裱裝一層金屬薄膜使其提高導(dǎo)熱效率，這種結(jié)構(gòu)完全不同于塑料、環(huán)氧樹脂、玻璃等材料，如果用現(xiàn)有的導(dǎo)熱系數(shù)方法去測(cè)量其導(dǎo)熱系數(shù)，這就使得上述λ的值變得更加復(fù)雜和不確定，因?yàn)槟壳斑€沒有人證明當(dāng)不同材料復(fù)合后，λ的值可以累加，其測(cè)量結(jié)果就沒有準(zhǔn)確性可言。也就是說現(xiàn)有的導(dǎo)熱系數(shù)測(cè)量方法不能準(zhǔn)確地把握這種由多種材料復(fù)合或多種材料層積復(fù)合所構(gòu)成的復(fù)雜生物質(zhì)材料的導(dǎo)熱規(guī)律。其次，用這種方法檢測(cè)時(shí)，試件是暴露在外界的，測(cè)試時(shí)部分能量將從試件的邊緣部分釋放到所在的環(huán)境中，從而使檢測(cè)的結(jié)果不準(zhǔn)確，導(dǎo)致兩次檢測(cè)的結(jié)果相差很大。
針對(duì)上述問題，我們發(fā)明了板材導(dǎo)熱效能的檢測(cè)分析方法及其系統(tǒng)，該系統(tǒng)具有兩腔恒溫的特點(diǎn)，并首次提出導(dǎo)熱效能的概念。
綜上所述，找出針對(duì)由多種材料復(fù)合或多種材料層積復(fù)合所構(gòu)成的復(fù)雜生物質(zhì)材料導(dǎo)熱性能及其規(guī)律，對(duì)于木材科學(xué)研究及建筑、裝飾材料飛速發(fā)展的今天顯得十分必要了。

發(fā)明內(nèi)容
本發(fā)明針對(duì)由多種材料復(fù)合或多種材料層積復(fù)合所構(gòu)成的復(fù)雜生物質(zhì)材料自身的特點(diǎn)，提出了一種基于神經(jīng)元網(wǎng)絡(luò)模型的板材導(dǎo)熱規(guī)律分析方法。它可以給出導(dǎo)熱效能的規(guī)律函數(shù)，解決板材導(dǎo)熱規(guī)律分析問題，填補(bǔ)了國內(nèi)外木材科學(xué)導(dǎo)熱規(guī)律研究領(lǐng)域的一項(xiàng)空白。
本發(fā)明的基于神經(jīng)元網(wǎng)絡(luò)模型的板材導(dǎo)熱規(guī)律分析方法，該方法利用了輸入鍵盤，計(jì)算機(jī)主機(jī)，顯示器或/和打印輸出裝置，它包括如下步驟1)輸入根據(jù)實(shí)驗(yàn)得到的如下時(shí)間與相對(duì)溫度的數(shù)據(jù)集合X＝{x1(t1)，x2(t2)，…xn(tn})其中，x為溫度，t為一時(shí)間序列；2)開啟接口引擎，用來完成數(shù)據(jù)的初步處理和傳遞，并作運(yùn)算前的準(zhǔn)備；3)進(jìn)行后臺(tái)運(yùn)算；通過神經(jīng)元網(wǎng)絡(luò)模型的非線性逼近法計(jì)算出各項(xiàng)參數(shù)值；4)顯示輸出運(yùn)算結(jié)果。
上述方法中，所述后臺(tái)運(yùn)算采用專門的數(shù)學(xué)運(yùn)算軟件Matlab作為運(yùn)算和分析的工具。
上述方法中，所述神經(jīng)元網(wǎng)絡(luò)模型的非線性逼近法包括如下步驟a.先進(jìn)行標(biāo)準(zhǔn)化處理，再經(jīng)神經(jīng)元網(wǎng)絡(luò)隱含層權(quán)矩陣的初步確定，然后計(jì)算出歐氏距離，最后通過自學(xué)習(xí)模型的修正后產(chǎn)生標(biāo)準(zhǔn)的權(quán)值函數(shù)；b.將上述權(quán)值函數(shù)通過網(wǎng)絡(luò)線性層權(quán)矩陣進(jìn)行修正，再進(jìn)行正規(guī)化處理，產(chǎn)生權(quán)值的線性函數(shù)。
上述方法中，所述開啟接口引擎包括數(shù)據(jù)格式轉(zhuǎn)換，數(shù)據(jù)緩沖區(qū)的開辟。
利用本發(fā)明的基于神經(jīng)元網(wǎng)絡(luò)模型的板材導(dǎo)熱規(guī)律分析方法對(duì)于由多種材料復(fù)合或多種材料層積復(fù)合所構(gòu)成的復(fù)雜生物質(zhì)材料進(jìn)行檢測(cè)分析，可以給出導(dǎo)熱效能的規(guī)律函數(shù)，解決板材導(dǎo)熱規(guī)律分析問題，填補(bǔ)了國內(nèi)外木材科學(xué)導(dǎo)熱規(guī)律研究領(lǐng)域的一項(xiàng)空白?？梢赃M(jìn)一步為木材科學(xué)領(lǐng)域的木材及木基復(fù)合材料導(dǎo)熱性質(zhì)和干燥性質(zhì)的研究、探討木材及木基復(fù)合材料機(jī)理、建筑、裝修裝飾材料的科學(xué)研究、以及木基復(fù)合材料屬性鑒定，提供科學(xué)依據(jù)及量化指標(biāo)。


圖1是用于網(wǎng)絡(luò)性能評(píng)估的線性回歸圖。
具體實(shí)施例方式
本發(fā)明的基于神經(jīng)元網(wǎng)絡(luò)模型的板材導(dǎo)熱規(guī)律分析方法，利用了輸入鍵盤，計(jì)算機(jī)主機(jī)，顯示器或/和打印輸出裝置，它包括如下步驟1、變量輸入根據(jù)實(shí)驗(yàn)得到如下時(shí)間與相對(duì)溫度數(shù)據(jù)集合X＝{x1(t1)，x2(t2)，…xn(tn})其中，x為溫度，t為一時(shí)間序列。
2、接口引擎采用專門的數(shù)學(xué)運(yùn)算軟件Matlab作為其后臺(tái)運(yùn)算和分析的工具，將輸入的參數(shù)信息通過Matlab與界面開發(fā)程序的接口送入到Matlab工作空間，參與計(jì)算，運(yùn)算結(jié)束后能把運(yùn)算結(jié)果以合適的數(shù)據(jù)格式返回，同時(shí)，提供一系列網(wǎng)絡(luò)性能和訓(xùn)練結(jié)果分析的圖表。Matlab接口模塊主要作用包括開啟Matlab引擎、參數(shù)數(shù)據(jù)格式轉(zhuǎn)換、參數(shù)由用戶界面到后臺(tái)Matlab的傳送以及適宜大小的緩沖區(qū)的開辟。
3、進(jìn)行后臺(tái)運(yùn)算(進(jìn)入非線性逼近器)a1)在進(jìn)入真正的運(yùn)算網(wǎng)絡(luò)之前，輸入樣本要進(jìn)入標(biāo)準(zhǔn)化處理器，對(duì)于輸入樣本數(shù)據(jù)的值域區(qū)間進(jìn)行標(biāo)準(zhǔn)化處理。通過標(biāo)準(zhǔn)化處理后將輸入向量和目標(biāo)輸出向量量化為零均值和偏差為1的標(biāo)準(zhǔn)向量。下面是通過零均值和偏差型函數(shù)的實(shí)現(xiàn)過程。
＝prestd(p，t)參數(shù)意義p網(wǎng)絡(luò)輸入向量t目標(biāo)輸出向量pn量化后的輸入向量
meanp輸入向量的均值stdp 輸入向量的偏差tn 量化后的目標(biāo)輸出向量meant目標(biāo)輸出的均值stdt 目標(biāo)輸出的偏差a2)神經(jīng)元網(wǎng)絡(luò)運(yùn)算過程該神經(jīng)元網(wǎng)絡(luò)模塊中有Q個(gè)節(jié)點(diǎn)，R維輸入，S維輸出。神經(jīng)元網(wǎng)絡(luò)輸入向量為P，神經(jīng)元網(wǎng)絡(luò)隱含層的權(quán)值設(shè)為P’，該層每個(gè)神經(jīng)元節(jié)點(diǎn)的帶權(quán)輸入是輸入向量和權(quán)向量之間的距離，即歐幾里德距離‖dist‖?！琩ist‖是歐幾里德距離權(quán)函數(shù)，權(quán)函數(shù)把權(quán)重加到輸入矩陣上以得到帶權(quán)輸入矩陣。
對(duì)于dist(W，P)，W為S×R權(quán)矩陣，P為Q維輸入列向量矩陣，dist(W，P)返回S×Q維向量距離矩陣。
在該模型中將權(quán)矩陣W定義為P′，則dist(P'Q×R,PR×Q)]]>=dist(p11p12...p1Rp21p22...p2R.........pQ1pQ2...pQR,p11p21...pQ1p12p22...pQ2.........p1Rp2R...pQR)]]>=0d12d13...d1Qd210d23...d2Qd31d320...d3Q............dQ1dQ2dQ3...0Q×Q]]>
式中dij表示矩陣P′第i個(gè)行向量與矩陣P第j個(gè)列向量間的距離，因此對(duì)角線上的元素均為0。
進(jìn)而將dist(P′，P)與b1作點(diǎn)乘，即dist(P',P)·*b1=0d12d13...d1Qd210d23...d2Qd31d310...d3Q............dQ1dQ2dQ3...0·*b11b12...b1Qb21b22...b2Q.........bQ1bQ2...bQQ=]]>0b12*d12b13*d13...b1Q*d1Qb21*d210b23*d23...b2Q*d2Qb31*d31b32*d320...b3Q*d3Q............bQ1*dQ1bQ2*dQ2bQ3*dQ3...0]]>每個(gè)神經(jīng)元的輸出是網(wǎng)絡(luò)輸入的徑向基函數(shù)。
利用高斯核函數(shù)(Gaussian kernel function)作為基函數(shù)的形式，如下式所示uj=exp[(X-Cj)T(X-Cj)2δj2]]]>j＝1，2，...，Nh其中，uj是第j個(gè)隱層節(jié)點(diǎn)的輸出，X＝(x1，x2，...，xn)T是輸入樣本，Cj是高斯函數(shù)的中心值，δj是標(biāo)準(zhǔn)化常數(shù)，Nh是隱層節(jié)點(diǎn)數(shù)。其隱含層節(jié)點(diǎn)中的作用函數(shù)(核函數(shù))對(duì)輸入信號(hào)將在局部產(chǎn)生響應(yīng)，也就是說，當(dāng)輸入信號(hào)靠近核函數(shù)的中央范圍時(shí)，隱層節(jié)點(diǎn)將產(chǎn)生較大的輸出，由此，這種神經(jīng)元網(wǎng)絡(luò)具有局部逼近能力，所以徑向基函數(shù)網(wǎng)絡(luò)也成為局部感知場(chǎng)網(wǎng)絡(luò)。由上式可知，節(jié)點(diǎn)的輸出范圍在0和1之間，如果一個(gè)神經(jīng)元的權(quán)向量與其輸入向量相等(轉(zhuǎn)置)，其帶權(quán)輸入將為0，當(dāng)其網(wǎng)絡(luò)輸入為0，則輸出為1，且輸入樣本愈靠近節(jié)點(diǎn)的中心，輸出值愈大。
b)經(jīng)過基函數(shù)發(fā)生器，神經(jīng)元節(jié)點(diǎn)輸出為a1，開始進(jìn)入網(wǎng)絡(luò)線性層。在網(wǎng)絡(luò)線性層中首先要經(jīng)過一個(gè)正規(guī)化處理器，然后再進(jìn)入普通的線性神經(jīng)元。在正規(guī)化處理器中，采用normprod函數(shù)來計(jì)算網(wǎng)絡(luò)的輸出向量n2。normprod是一個(gè)權(quán)函數(shù)，權(quán)函數(shù)將權(quán)重加到輸入矩陣上得到帶權(quán)矩陣。對(duì)于normprod(W，P)，W為S×R權(quán)矩陣，P為Q維輸入列向量矩陣，normprod(W，P)返回S×Q維正規(guī)化點(diǎn)積。
在該網(wǎng)絡(luò)中，將網(wǎng)絡(luò)線性層的權(quán)矩陣設(shè)為網(wǎng)絡(luò)的目標(biāo)輸出TS×Q，即normprod(T，a1)=normprod(t11t12...t1Qt21t22...t2Q.........tS1tS2...tSQ,a11a12...a1Qa21a22...a2Q.........aQ1aQ2...aQQ)]]>=Σj=1j=Qt1j*aj1Σj=1j=Qaj1Σj=1j=Qt1j*aj2Σj=1j=Qaj2...Σj=1j=Qt1j*ajQΣj=1j=QajQΣj=1j=Qt2j*aj1Σj=1j=Qaj1Σj=1j=Qt2j*aj2Σj=1j=Qaj2...Σj=1j=Qt2j*ajQΣj=1j=QajQ.........Σj=1j=QtSj*aj1Σj=1j=Qaj1Σj=1j=QtSj*aj2Σj=1j=Qaj2...Σj=1j=QtSj*ajQΣj=1j=QajQ]]>本方法所采用的神經(jīng)元網(wǎng)絡(luò)是一個(gè)逼近器，只要隱單元足夠多，它就可以逼近任意M元連續(xù)函數(shù)且對(duì)任一未知的非線性函數(shù)，總存在一組權(quán)值使網(wǎng)絡(luò)對(duì)該函數(shù)的逼近效果最好。網(wǎng)絡(luò)第二層也有與網(wǎng)絡(luò)輸入和目標(biāo)向量相同的神經(jīng)元節(jié)點(diǎn)數(shù)，這里將第二層的權(quán)值矩陣設(shè)為目標(biāo)向量矩陣T。
4、輸出當(dāng)網(wǎng)絡(luò)訓(xùn)練結(jié)束之后，用sim函數(shù)來仿真神經(jīng)元網(wǎng)絡(luò)的輸出，從而與目標(biāo)輸出進(jìn)行比較，來檢驗(yàn)神經(jīng)元網(wǎng)絡(luò)的性能。函數(shù)postreg利用了線形回歸的方法分析了神經(jīng)元網(wǎng)絡(luò)輸出和目標(biāo)輸出的關(guān)系，即神經(jīng)元網(wǎng)絡(luò)輸出變化相對(duì)于目標(biāo)輸出變化的變化率，從而評(píng)估了神經(jīng)元網(wǎng)絡(luò)的訓(xùn)練結(jié)果。
a＝sim(net，p)[m，b，r]＝postreg(a，t)函數(shù)postreg返回了3個(gè)值，m和b分別表示最優(yōu)回歸直線的斜率和y軸截距，當(dāng)m等于1，b等于0的時(shí)候，神經(jīng)元網(wǎng)絡(luò)輸出和目標(biāo)輸出完全相同，此時(shí)的神經(jīng)元網(wǎng)絡(luò)具有最優(yōu)的性能。r表示網(wǎng)絡(luò)輸出與目標(biāo)輸出的相關(guān)系數(shù)，它越接近于1，表示網(wǎng)絡(luò)輸出與目標(biāo)輸出越接近，神經(jīng)元網(wǎng)絡(luò)性能越好。函數(shù)postreg顯示的圖形中，橫坐標(biāo)為目標(biāo)輸出，縱坐標(biāo)為網(wǎng)絡(luò)輸出，“ο”表示數(shù)據(jù)，理想回歸直線(神經(jīng)元網(wǎng)絡(luò)輸出等于目標(biāo)輸出時(shí)的直線)由實(shí)線表示，最優(yōu)回歸直線由虛線表示。在神經(jīng)元網(wǎng)絡(luò)輸出模塊中，分別給出各個(gè)輸出指標(biāo)用來衡量神經(jīng)元網(wǎng)絡(luò)性能線性回歸圖形，輸出圖形如圖1所示，從仿真圖中可以看出其精度達(dá)到了98.99％。
權(quán)利要求
1.一種基于神經(jīng)元網(wǎng)絡(luò)模型的板材導(dǎo)熱規(guī)律分析方法，該方法利用了輸入鍵盤，計(jì)算機(jī)主機(jī)，顯示器或/和打印輸出裝置，其特征在于，包括如下步驟1)輸入根據(jù)實(shí)驗(yàn)得到的如下時(shí)間與相對(duì)溫度的數(shù)據(jù)集合X＝{x1(t1)，x2(t2)，…xn(tn})其中，x為溫度，t為一時(shí)間序列；2)開啟接口引擎，用來完成數(shù)據(jù)的初步處理和傳遞，并作運(yùn)算前的準(zhǔn)備；3)進(jìn)行后臺(tái)運(yùn)算；通過神經(jīng)元網(wǎng)絡(luò)模型的非線性逼近法計(jì)算出各項(xiàng)參數(shù)值；4)顯示輸出運(yùn)算結(jié)果。
2.根據(jù)權(quán)利要求1所述的基于神經(jīng)元網(wǎng)絡(luò)模型的板材導(dǎo)熱規(guī)律分析方法，其特征在于，所述后臺(tái)運(yùn)算采用專門的數(shù)學(xué)運(yùn)算軟件Matlab作為運(yùn)算和分析的工具。
3.根據(jù)權(quán)利要求1或2所述的基于神經(jīng)元網(wǎng)絡(luò)模型的板材導(dǎo)熱規(guī)律分析方法，其特征在于，所述神經(jīng)元網(wǎng)絡(luò)模型的非線性逼近法包括如下步驟a.先進(jìn)行標(biāo)準(zhǔn)化處理，再經(jīng)神經(jīng)元網(wǎng)絡(luò)隱含層權(quán)矩陣的初步確定，然后計(jì)算出歐氏距離，最后通過自學(xué)習(xí)模型的修正后產(chǎn)生標(biāo)準(zhǔn)的權(quán)值函數(shù)；b.將上述權(quán)值函數(shù)通過網(wǎng)絡(luò)線性層權(quán)矩陣進(jìn)行修正，再進(jìn)行正規(guī)化處理，產(chǎn)生權(quán)值的線性函數(shù)。
4.根據(jù)權(quán)利要求1所述的基于神經(jīng)元網(wǎng)絡(luò)模型的板材導(dǎo)熱規(guī)律分析方法，其特征在于，所述開啟接口引擎包括數(shù)據(jù)格式轉(zhuǎn)換，數(shù)據(jù)緩沖區(qū)的開辟。
全文摘要
本發(fā)明提供一種基于神經(jīng)元網(wǎng)絡(luò)模型的板材導(dǎo)熱規(guī)律分析方法。該方法利用了輸入鍵盤，計(jì)算機(jī)主機(jī)，顯示器或/和打印輸出裝置，它包括如下步驟1)輸入根據(jù)實(shí)驗(yàn)得到的如下時(shí)間與相對(duì)溫度的數(shù)據(jù)集合X＝{x
文檔編號(hào)G06N3/00GK101017474SQ20061000308
公開日2007年8月15日 申請(qǐng)日期2006年2月8日 優(yōu)先權(quán)日2006年2月8日
發(fā)明者周玉成, 王金林, 侯曉鵬, 李春生, 程放, 安源, 趙輝, 張亞勇, 張星梅 申請(qǐng)人:周玉成