摘要

阔叶材原木质量精准检测可实现木材的高效利用和利润最大化,然而因声信号特征参数提取原理及参数与木材性质对应机理不同,致使分析结果存在差异。基于此,提出一种改进型粒子群优化-变分模态分解(IPSO-VMD)的特征参数提取及缺陷检测方法。通过对缺陷信号稀疏特征分析,将最小平均包络熵确定为PSO优化VMD的适应度函数,实现对最优参数(K,α)的搜索,并通过改进惯性权值及学习因子,加快PSO搜索速度并实现全局最优解。基于边际谱及频带能量率实现对IPSO-VMD有效子模的选取,并将其频带分布及能量率作为表征缺陷信号的特征参数,实现对阔叶材原木内部质量的精准检测。实际锯切结果表明,IPSO-VMD方法对原木主要缺陷类型和主次的预测准确率分别达88.6%和72.7%,且对全局参数无法识别的缺陷同样有效。新特征参数的有效性可为后续融合多参数特征,构建人工智能识别系统,实现原木质量精准检测提供可靠依据。

全文