随着经济的发展和人口的增加,全球对木材的需求在不断地增长。人造板是高效利用木材资源的主要方式,是木材工业中高增值、高技术含量的主要产业之一。中密度纤维板(medium density fibreboard,简称MDF)是人造板主要板种中发展速度最快的一种。随着中密度纤维板产量的快速增长,我国已经成为全球中密度纤维板生产第一大国。 在中密度纤维板的生产制造过程中,施胶是个至关重要的工序,它对中密度纤维板的产品质量和制造成本影响很大。施胶的主要任务是根据纤维量的变化对纤维板进行定量施胶,使施胶量与纤维量始终保持一个精确的配合比例,且保持动态平衡。 施胶过程是一个非线性、多变量,存在耦合的复杂系统,传统的系统辨识方法难以建立其准确模型,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中密度纤维板施胶系统模型。 本文根据中密度纤维板施胶系统的特点,基于静态多层前馈神经网络建立了中密度纤维板施胶系统模型。为更好的实现中密度纤维板施胶系统实时在线控制提供了理论依据。 论文中设计了神经网络辨识的结构和训练算法,验证了模型的准确性,仿真结果表明,所建模型有效、可靠;同时将所建立的模型与传统比例施胶模型进行了比较,可以看出多层前馈神经网络要好于传统基于比例关系的施胶系统模型。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。此辨识方法可推广到其它类似系统。