木材含水率是保障木材在干燥工艺中尺寸稳定性和木制品品质的关键参数,据统计,木制品出现质量问题主要原因是由于木材干燥阶段对含水率检测不准确造成的。研究干燥窑内含水率分布状况,有助于研究人员调控干燥参数,调整干燥进程,提高干燥成品出材率。目前,受材堆内木材含水率少量可测点数据限制,存在不能完整、准确描述干燥窑内空间含水率的分布状态、水分迁移和变化趋势的问题。因此,如何利用窑内材堆离散测量点数据建立连续、可视的木材含水率空间模型,进而分析干燥过程含水率空间分布特征具有一定的研究意义。本文针对干燥过程中材堆内木材含水率检测点有限,不能完整、连续描述干燥窑内空间含水率的分布状态的问题,应用融合理论结合空间分析方法,建立木材含水率空间分布模型。(1)依据干燥实验数据,构建木材含水率分布函数的基本形式。针对该函数任意给定一组系数得到已知函数。通过选取离散点数据,分别应用最小二乘法非线性拟合方法、拉格朗日插值方法、支持向量机预测算法以及粒子群算法优化支持向量机算法进行空间数据预测来比较算法预测能力,仿真结果表明,基于PSO优化SVM算法和基于最小二乘非线性拟合方法具有较高的预测精度,对于已知函数能够较好的完成连续曲线模型的建立,仿真曲线逼近真实函数曲线。(2)本文干燥实验中以干燥窑内材堆离散测量点数据为源数据,依据空间数据的特点,在深入研究基于粒子群算法优化的支持向量机算法基础上,把温度、空间位置以及相对湿度等空间信息参数与木材含水率电测数据相融合,输出木材含水率估计值,再把含水率估计值作为输入变量输入到非线性最小二乘模型中进行拟合,完成一维含水率连续分布模型的建立。(3)通过创建补偿系数r,对预测出的一维函数模型进行空间拓展训练,将单根试材上的木材含水率分布函数拓展到材堆平面。经过试验验证,此方法预测出函数模型平均误差为1.44%。应用二维插值方法建立二维平面上连续的木材含水率分布模型。最后通过应用笛卡尔网格方法和三维数据可视化技术对木材材堆空间模型进行网格划分,在MATLAB7.0软件环境下,建立干燥过程中材堆空间含水率模型。基于融合方法的木材含水率空间分布模型,可依据少量木材含水率传感器检测数据,直观显示含水率空间分布以及空间含水率变化趋势,提高了干燥过程中对于材堆空间含水率的预测精确度。减少了木材在干燥过程中的损失。同时,本文研究内容为利用离散点建立连续空间模型提供了研究方法,对于加强和提高木材科学和技术的研究水平有一定的促进作用。