随着林业资源的大量开发,我国木材资源的供需矛盾日益突出,利用竹材热压加工代木板材的工艺,成为减缓这一矛盾的有效途径。竹材的热压是自动化程度要求较高的一个环节,其加工质量往往取决于导热率等热力学特性参数。这些特性往往难以用设备直接实时测量,因此研究竹材热力学特性参数软测量技术,对竹材应用研究的发展具有积极的意义。对于进一步优化竹材热压工艺、节能降耗、提高竹材产品性能等具有重要指导作用。论文在大量实际测量数据的基础上,充分分析竹材热力学性能参数随温度变化的规律,针对竹材加工过程的热压工艺,研究了一种将灰色模型和神经网络结合的集成建模方法,用于竹材热力学参数的软测量。论文完成的主要工作和取得的成果如下：(1)从导热系数的间接测量公式进行分析,得出影响导热系数的因素,在此基础上,总结了目前竹材导热系数软测量的难点和要求。并提出了一种新的适用于竹材热压过程的导热系数集成软测量模型。(2)针对热处理过程中物理化学过程呈现出非线性和弱随机性。将该过程看作一个灰色过程,利用灰色GM(1,1,β)动态建模方法,对竹材含水量、温度、海拔等生产过程参数进行分析,建立导热系数软测量模型,并利用PSO算法对模型进行优化,提升精度。从数据关联的角度出发,采用神经网络方法描述各种因素与导热系数参数的关系,建立软测量模型。将神经网络模型和灰色模型进行加权集成,并利用信息熵方法量两个模型的权重系数进行调整,形成最终的软测量模型。(3)讨论了竹材热压生产过程软测量系统的实现,包括系统整体结构、应用软件模块和实现,解决了竹材热压生产过程控制的工业化实现问题,同时从系统仿真的角度认真分析了本文提出算法的有效性。本文提出的方法,能够利用现有热压加工系统中能够直接采集的过程参数,对竹材导热系数进行软件测量,仿真实验结果表明算法的有效性,达到了设计目标,能够对热压过程控制系统的建立起到重要的指导作用。