人工神经网络是对生物神经系统的结构和功能进行数学抽象、简化和模仿而逐步发展起来的一种新型信息处理和计算系统, 它是由大量的简单处理单元(又称神经元)之间彼此按某种方式相互连接而形成的复杂网络系统，通常情况下，人工神经网络又简称为神经网络。神经网络作为一种新型的“黑箱”操作方法，是近年迅速发展的研究热点，现已广泛地应用于经济、机器人和自动控制、军事、化学工程、水利工程、路桥工程等领域(韩力群，2002；张际先等，1996；方千山等，2001；盛谦等，2000；郝大力等，2001)，并取得了一些成果；在林业系统中，人工神经网络也得到了一定程度的应用(刘金福等，2001；李际平等，1996)。本文简要介绍人工神经网络在木材工业领域的应用前景。

1 神经网络的基本特征和基本功能 1.1 基本特征

在结构上，它是由大量简单处理元件相互连接构成的高度并行的非线性系统，具有大规模并行性处理的特征，结构上的并行性使其信息存储必然采用分布式方式，即信息不是存储在网络的某个局域，而是分布在网络所有的连接权中。在能力上，具有自学习、自组织、自适应性的功能。自适应性是指一个系统能改变自身的性能以适应环境变化的能力，它是神经网络的一个重要特征，自适应性包括自学习和自组织两层含义。神经网络的自学习是指当外界环境发生变化时，经过一段时间的训练或感知，神经网络能自动调整网络结构参数，使得对于给定输入能产生期望的输出，训练是神经网络学习的途径。神经系统能在外部刺激下按一定规则调整神经元之间的突触连接，逐步构建起神经网络，这一构建过程称为网络的自组织。

1.2 基本功能

人工神经网络是借鉴生物神经网络而发展起来的新型智能信息处理系统，由于其结构上“仿造”了人脑的生物神经系统，因而它具有联想记忆、知识处理、分类与识别、非线性映射和优化计算等功能。

在客观世界中，许多系统的输入与输出之间存在复杂的非线性关系，对于这类系统，往往很难用传统的数理方法建立数学模型。设计合理的神经网络通过对系统输入输出样本对自动学习，能够以任意精度逼近任意复杂的非线性映射，因此它能够成为多维非线性函数的通用数学模型。而优化计算则是指在已知的约束条件下，寻找一组参数组合，使由该组合确定的目标函数达到最小值。某些类型的神经网络可以把待求解问题的可变参数设计为网络的状态，将目标函数设计为网络的能量函数。神经网络经过动态演变过程达到稳定状态时对应的能量函数最小，从而其稳定状态就是问题的最优解。这种优化不需要对目标函数求导，其结果是网络自动给出的。

2 神经网络在木材工业中的应用前景 2.1 木材干燥领域

木材是应用最广泛而全球紧缺的工程材料之一。然而，我国是一个少林的国家，如何合理、高效地利用砍伐的木材成为当前林产品工业的热门话题。目前可行并正在应用的木材改性方法如木材的染色、防腐、阻燃等处理，由于在处理的或前或后均须对木材进行干燥，相比之下单纯的木材干燥显得较为经济，合理的干燥可以有效避免实木产品产生浪费。

木材干燥是木制品(如实木家具用材、实木地板、实木装饰条等)生产过程中不可缺少的一道工序，然而木材干燥工艺的制定至今为止基本上还依赖于经验(Joly et al., 1980；Pratt, 1974；Rassmussen, 1961)。

目前国内外对木材干燥传热传质模型的研究较多，按照其建模方法可将这些模型分为2类：Luikov模型和Whitaker模型。Luikov模型是根据不可逆热力学和水势概念，运用Luikov(1975)方程和数值计算方法，采用导湿和热梯度2个比例系数，将传热看作为单纯的导热和由于相变引起的传热这二者之和。对于没有对流质量传递的情况，假设水分运动是水势梯度和温度梯度共同作用的结果。比较有代表性的此类模型有：Thomas等(1980)、Irudarara等(1990)和Zhang等(1992)采用水势概念和有限元数值方法建立的木材干燥热质耦合传递模型。Whitaker模型分别考虑了木材中液态水、水蒸气和气体混合物对传质传热的贡献，按照不同传输系数和驱动力建立各组分通量的宏观方程组。比较有代表性的此类模型有：Plumb等(1985)、Perr (1998)等建立的多组分传质传热模型。

木材干燥的模拟需要大量的工作，它涉及物理力学公式、分析和数字解以及在工厂和实验室所进行的工艺试验和木材物理力学特性。根据上述2种方法导出的木材干燥数学模型还必须对木材进行诸多的限制性假设，如有的学者在模拟时假定心边材的渗透性一致(Pang, 2002)，而实际上木材是变异的；有的学者假设木材相邻的2个细胞之间是开放的，2个细胞有相同的体积等(杨庆贤，1999)；有的学者对木材进行了9个方面的简化(常建民，1995)。这些假设时常使得模型中的“木材”与实际情况有较大程度的偏离。

综合分析国内外的这些木材干燥模型可见，大多数模型均因太复杂或考虑实际情况不够或对木材实际情况过分地简化而难以为工程运用所接受，在实际应用中由模型得出的结果与实际结果有时相差较远。而要建立干燥过程精确的数学模型需要解决很多问题，其中包括确定动力学系数、被干燥物料和干燥介质的热物理特性等。即使建立了数学模型，往往也会因为模型太复杂而无法用软件实现，尤其对木材干燥这类复杂多变的干燥方式而言，水分在木材内部的运动规律十分复杂，引起的木材变形也十分复杂，目前仍无法从其内部的运动机理和传热传质特性出发建立准确模型，而且，确定这些参数的劳动成本足以抵消数字建模的优点(Kaminski, 1992)。然而，人工神经网络具有捕捉过程输入-输出之间的非线性关系能力和强大的学习推理能力，其优点是传统的数学模型所无法比拟的(方建军等，1997)，它不需要了解过程复杂的内在机理，只需通过对训练样本的学习，即可获得过程的动态知识，故有望作为外推预测木材干燥特性的一种新方法。

在其他行业的干燥中，已开始运用人工神经网络来预测干燥过程。如Balasubramanian等(1996)用ANN技术为流化床干燥机建模，采用基于感知器的3层前向网络结构。结果表明：用3个输入单元、10个隐单元和2个输出单元的3层前向网络结构就能很好地对流化床干燥机进行模拟，网络能很好地预测出口的温度。Jinescu等(1995)在皮脂酸干燥过程建模中，详细研究了网络结构参数、非线性变换函数等对网络学习速率的影响。Kaminski等(1996)通过径向函数网络模型来模拟谷物干燥机。郑文利等(1998)将人工神经网络应用于真空冷冻干燥过程的建模，结果表明：神经网络方法对真空冷冻干燥过程进行建模是可行的，具有实用价值。吴涛等(1999)利用神经网络外推预测垂直对撞流干燥过程的降水率，取得了较好的预测效果。

木材干燥过程是个时间长、动态复杂的过程，从目前的国内外资料看，东北林业大学利用人工神经网络技术对木材干燥过程的木材含水率变化进行预测预报¹⁾(张冬妍，2003)，表明了此法的可行性。从木材的结构可知，木材为毛细管多孔胶体，它在干燥过程中不仅有含水率的变化，而且伴随着尺寸的改变，从而在木材断面产生应力，因此，今后的工作除了对不同树种在不同的温湿度环境下含水率的预测预报，还应在人工神经网络对干燥过程的应力或应变进行预测和预报方面作进一步的努力。总之，探索利用人工神经网络模型来预测木材的干燥过程的方法，从而实现干燥工艺条件的自动调节，不仅有望提高木材的干燥质量，而且可降低能耗(木材加工能耗的70%是消耗在干燥工序)。因此，这种研究既有学术意义又有实际应用价值，对于提高木材利用率，促进木材工业可持续发展具有积极的指导意义。

1) 刘亚秋.木材干燥窑神经网络控制仿真.东北林业大学硕士学位论文, 2001, 5

2.2 木质人造板及植物纤维复合材料制造领域

有关专家指出，21世纪木材工业是一个具有高科技含量、拥有自主知识产权、涉及多领域的特色产业，其中很重要的一点就是开发具有自主知识产权的木材加工技术(张齐生等，2000)。

木材工业要开拓新市场就必须研发新产品，就要做各种试验，而凡是试验就存在着如何安排试验方案、如何分析试验结果的问题，即要解决试验设计的方法问题。若试验方案设计正确，对试验结果的分析得法，就能够以较少的试验次数、较短的试验周期、较低的试验费用、迅速地得到正确的结论和较好的试验结果；反之，试验方案设计不正确，试验结果分析不当，就会增加试验次数，延长试验周期，造成人力、物力和时间的浪费，不仅难以达到预期的效果，甚至造成试验的全盘失败(李波等，2003)。因此，科学地进行试验设计是一个重要的问题。进行试验的目的是发现规律和运用规律，客观世界的规律是复杂的，需要考察诸多因素之间的因果关系，就必须做试验，为了摸清规律，有时必须进行很多次数的试验。随着社会、科学技术水平的飞速发展，人们对现实世界内在规律的研究越来越精细，建立一个好的数学模型是解决实际问题的关键，而模型的建立往往需要选取适当的试验数据，最优设计理论很好地解决了这一问题。在木材工业领域产品研制常用的试验设计和优化方法有单因素法、正交试验设计、回归正交试验设计、正交旋转回归试验设计等。

近年来，复合材料研究领域越来越多的研究人员采用一种新的试验优化方法在即利用人工神经网络(ANN)对复合材料的宏观性能、界面性能进行设计、预测或工艺优化。例如，易洪雷等(1999)提出了采用人工神经网络研究纤维增强复合材料力学性能的基本思路，种种迹象表明：将这种方法引入复合材料力学研究领域是合理和切实可行的。张兴华等(1999)在研究中先将PP材料按纯PP、共混和增韧及填充和增强PP等进行分类，并根据这些数据的特点建立BP网络，然后用各类PP材料的组成和力学性能数据对网络进行学习训练，最后用“未知样品”的数据对网络进行验证。结果表明：所建立的网络能反映PP的力学性能特性，预测有一定的准确性，但不同类别的材料预到准确性不同。石鲜明等(2000)等应用ANN研究了热固性酚醛树脂的合成反应条件与其玻璃纤维复合材料力学性能之间的映射关系，建立了可用于定量预测玻璃纤维增强酚醛树脂静弯曲强度的模型，并进行了实验验证。顾强生等(2001)通过神经网络来处理泡沫轻质材料的试验数据，得出任意组分与强度之间的关系，从而可快捷地寻找满足工程设计指标要求的最优配比。

复合材料界面影响到复合材料整体的物理力学性能，利用神经网络还可以对界面的性能进行设计(刘子龙等，2003)，从而在较少的工作量情况下想得到比较理想的复合材料界面性能。

木质人造板或植物纤维复合材料是木材工业中的支柱产业，其生产尽管有着与其他材料不同的特点，但无论如何，它也是一种复合材料。从哲学的角度看，它必然与其他行业的复合材料具有共性，这个共性就是试验设计和数据处理及分析方法。由于人工神经网络是人们采用数理模型的方法，模仿生物脑结构和功能的一种信息处理系统，其显著特点是不必人为给定网络的内部结构参数，仅需通过必要的样本学习，网络便能以一组权重的形式达到稳定状态。在不需了解研究对象输入与输出参数之间的变化规律情况下，就可根据输入参数预测输出参数的数值，而且，更可贵的是随着研究工作的不断深入，人工神经网络还会不断地进行知识更新和自我完善，最后逐步建立起一个理想的关系模型。因而，在人造板或植物纤维复合材料的研究中引入人工神经网络方法是合理的、可行的。人工神经网络在人造板或植物纤维复合材料中的利用可从以下几个方面入手：设计人造板或植物纤维复合材料的界面性能，从而达到优化界面的目的；结合小波分析技术和人工神经网络技术，对人造板及植物纤维复合材料的力学性能或缺陷进行无损检测；预测人造板及植物纤维复合材料的宏观性能，进而优化生产工艺；预测和优化制胶工艺参数。

2.3 林产化学工业领域

对林化产品的进一步开发和利用，将遇到对产品成分、结构、性质和分离技术等问题。为了适应发展，需要开展新工艺、新技术的研究，同时，还必须有化学、数学、生物、木材、遗传、林学、生理等方面的专家进行跨学科的合作。人工神经网络作为计算统计学的分支，在林产化工产品的开发和研究中同样能大有作为。

在木糖醇发酵液脱色的研究中，梅余霞等(2000)利用均匀试验设计，将试验数据构筑人工神经网络模型，在此模型的预测参数下获得了较好的脱色工艺；方千山等(2001a;2001b)利用神经网络实现对木糖醇发酵过程的再线测量；中国医药大学(燕立波等，2002)将遗传神经网络用于药物液相色谱分离条件的优化，结果表明：利用该模型所预测的最佳分离条件进行试验，获得了比较满意的分离结果。

为了对特定化工过程进行有效的动态监控，必须充分根据已有测量数据对系统的行为进行分析，推断可能发生的事故。显然，对未来一段时间内过程变量的正确预测是问题的关键。传统的预测方法有系统辨析法、傅立叶变换法等。基于神经网络的预测方法由于其鲁棒性较好而倍受关注。RBF神经网络具较快的训练速度，同时也是普遍适用的近似器，故其可用于过程变量的预测和事故诊断(王洪元等，2002)。

在该领域人工神经网络可能的应用方向有以下几点：预测和优化林化产品如松香、活性炭、栲胶及其他树木提取物的工艺参数；动态监控林化产品的生产过程以及生产过程的事故诊断和处理。

3 小结

通过以上的介绍和分析表明，人工神经网络具有自学习、自组织、自适应能力及有如人脑一样的容错和联想能力，可应用于木材干燥领域如含水率、应力及应变状态预测和预报；在木质人造板及植物纤维复合材料方面的利用将使人造板及植物纤维的界面设计及优化、对其物理力学性能或缺陷进行无损检测、预测人造板及植物纤维复合材料的宏观性能，达到优化工艺参数的目的；林化产品工艺参数的预测和工艺优化、动态监控林化产品的生产，及时地对生产过程的事故进行诊断和处理。同时它与木材科学的交叉与融合也将有助于这门新兴的学科的完善和发展。