中文摘要：

木材干燥是迄今为止最经济、无污染的木材保护方法，然而，由于理论研究的滞后，使干燥工艺的制定至今仍然停留在传统沿用的经验总结，致使木材干燥质量低下。本项目在充分研究木材干燥过程的水分传导规律的基础上，应用人工神经网络具有的捕捉过程输入输出之间的非线性关系的能力和强大的学习推理能力，将部分涉及诸多边界条件和木材结构的复杂的木材干燥过程"黑箱化"，实现对非线性的木材干燥过程进行预测，从而进行木材干燥过程

结论摘要：

由于木材干燥过程的滞后、时变、强耦合、非线性的复杂特性，传统的系统辨识方法难以建立木材干燥的准确模型，而神经网络系统辨识是通过直接学习系统的输入/输出数据，使目标函数取得最小值，从而归纳得到隐含在系统输入/输出数据中的关系，即描述系统的模型。本文基于神经网络理论来建立木材干燥模型。 项目采用适合于辨识与控制的时延神经网络和动态递归神经网络建立了木材干燥基准模型，干燥基准模型是描述温、湿度与木材含水率之间关系的模型，此模型的建立实现了干燥基准的数学模型化和干燥过程的含水率变化特性预测，为优化干燥基准提供了有力依据。 本研究中设计了神经网络辨识的结构和训练算法，并通过实验数据进行了模型的训练与验证，仿真结果表明，所建模型有效、可靠；同时对两种网络的辨识效果进行了比较，可以看出动态递归神经网络要好于时延神经网络，更适合于木材干燥这种复杂对象的描述，但它的收敛速度慢于时延网络。神经网络作为系统的辨识模型是实际系统的一个物理实现，可以用于完成在线控制。本研究除了建立木材干燥模型外，还对影响神经网络辩识精度的因素进行探讨和分析。