论文部分内容阅读
本论文通过多种手段对木材的导热系数进行了理论和实验研究。提出了一个计算横纹导热系数的分形模型和一个预测导热系数的人工神经网络模型，并利用瞬态测量法的实验数据对模型进行了验证。 首先对传统的瞬态平面热源法进行了改进。通过拉普拉斯变换方法求解了一维有限厚度平板的非稳态导热微分方程，得到了平板木材试样的温度随时间和平板厚度变化的短时间公式，并由此建立了恒定热流加热的木材导热系数瞬态测量实验台。利用此实验台测量了不同含水率落叶松和红松试样的径向导热系数并与文献中的数据进行了比较。该实验台还可以同时测量出木材的热扩散系数和比热等热物性参数。 其次，提出了一个对木材的横纹导热系数进行理论估算的分形模型。通过扫描电镜图片对木材试样横纹剖面的多孔结构特征进行了观察，并利用分形理论对其进行了分析。采用盒维数法计算得到了4种木材纤维多孔结构的分形维数分别为1.38、1.49、1.38和1.44。然后研究了单个木材细胞的导热过程，通过热阻网络模拟的方法分别推导出了其弦向和径向导热系数的表达式，并由木材孔隙率与分形维数的关系式得到了其导热系数随分形维数变化的表达式。根据此分形模型对木材的径向导热系数进行了计算并将其结果与实验测量结果和文献中的数据进行了比较。 最后，建立了预测木材导热系数随各种物性参数变化的人工神经网络模型。网络类型为单隐层BP神经网络，以木材的温度和孔隙率为输入量，并以其导热系数为输出量。设隐层的神经元数分别为3～8个构建了6个神经网络，并利用桦木的导热系数对它们分别进行了训练。通过对训练误差的比较分析，得到了具有最优性能的网络型式为隐层具有6个神经元的网络，其训练结果的平均相对误差为0.21％，平均绝对误差为0.000433W／mK。利用该最优网络对不同温度和孔隙率情况下桦木的导热系数进行了预测，并将预测结果与实验和文献中的数据进行了对比。 研究结果表明，利用改进后的瞬态平面热源法能快速地对不同含水率的木材