应用近红外光谱分析对竹材力学强度的预测

作者:李超; 陈勋; 张立新; 马心雨; 黄英来
更新时间:

采用900~1700nm近红外光谱分析仪对展平竹进行采样,然后用深度置信网络(DBN)和局部支持向量回归(LSVR)进行训练,建立了DBN lsvr预测模型,用于预测单元材料的力学性能。经过S-G滤波后,采集的光谱数据被平滑,大部分噪声被去除。DBN lsvr模型预测的竹子(MOR)和弹性模量(MOE)的断裂模量在均方根误差分别为716.23和17.54,平均绝对误差分别为524.40和16.82。与BP、DBN和LSVR模型相比,DBN lsvr模型的预测误差最小。基于DBN lsvr的MOR和MOE预测模型的相关系数分别为0.85和0.80。该方法可以有效地对展平竹的机械强度进行无损分析,缩短了判断竹材物理性能的时间和成本。