一种植物纤维板的制备方法及装置与流程

本技术涉及纤维板制备，具体涉及一种植物纤维板的制备方法及装置。背景技术：1、作物秸秆是一种极易获取的绿色可再生资源，其中具有大量的植物纤维，而植物纤维板是以木质纤维或其他植物纤维为原料制成的人造板，由于植物纤维不仅能改善水泥基材料的力学性能，还可以改善保温、隔音等物理性能，所以镁质植物纤维板被广泛应用于建筑、消防等领域。2、作物秸秆中通常含有大量的木质素，而木质素是一种较为硬质的生物聚合物，存在时植物纤维之间的结合相对较强，这可能使得植物纤维难以分离和加工，影响植物纤维板的均匀性和力学性能。因此，往往需要先对作物秸秆进行蒸煮处理，去除部分木质素，提高植物纤维的可加工性和可塑性，有助于优化植物纤维板的生产工艺和性能。其中蒸煮过程中的蒸煮压力对植物纤维板的性能影响大，但是由于工艺环境复杂、作物秸秆之间的组成成分波动较大，在植物纤维板的制备工艺中，存在蒸煮压力无法自适应调节的问题，影响植物纤维板产品的质量。技术实现思路1、本技术提供一种植物纤维板的制备方法及装置，以解决蒸煮压力无法自适应调节的问题，所采用的技术方案具体如下：2、第一方面，本技术一个实施例提供了一种植物纤维板的制备方法，该方法包括以下步骤：3、选取作物秸秆并进行清洗，经烘干得到10％水分质量分数的作物秸秆，之后进行粉碎处理，筛分得到植物纤维板原料；将植物纤维板原料以80℃的蒸煮温度和0.9mpa的蒸煮压强进行蒸煮软化，得到处理后的植物纤维板原料；4、将处理后的植物纤维板原料送入蒸煮罐内压力蒸煮处理，根据压力蒸煮罐的出料区域的植物纤维板原料的信息波动情况获取压力蒸煮处理时的最优蒸煮压力，得到压力蒸煮处理后的植物纤维板原料；5、将压力蒸煮处理后的植物纤维板原料进行纤维分离得到植物纤维；将植物纤维与增加剂、硫酸镁水溶液、65％活性的轻烧氧化镁进行混合处理得到镁质植物纤维板浆料；将镁质植物纤维板浆料以2.5mpa的板面压强进行冷压成型处理得到植物纤维板粗产品，而后在15-30℃的温度和30-50％rh的空气湿度的环境下进行为期2天的养护，经过切割、打磨得到植物纤维板成品。6、优选的，所述筛网的目数为40目。7、优选的，所述压力蒸煮罐内的蒸煮温度为170℃，物料高度为3.5m。8、优选的，所述热磨机内磨片间隙为0.1-0.2mm。9、优选的，所述增加剂中硅灰、建筑石膏、纤维素醚的质量比为：1:5:0.5。10、优选的，所述最优蒸煮压力的获取方法为：11、对每个出料口区域的纤维进行取样，将每次取样后的纤维样本按照质量均匀分成第一预设参数个子样本，基于纤维图像分析仪和纤维测量软件分别采集每个子样本的纤维长度、纤维宽度、纤维圆形度、纤维分布密度；12、根据每个出料口区域中每次取样后的数据采集结果获取每个出料口区域中每次取样的样本纤维参数稳态向量；13、根据每个出料口区域的所有取样的样本纤维参数稳态向量获取每个出料口区域的所有取样的样本纤维参数稳态向量的聚类结果；14、根据每个出料口区域的所有取样的样本纤维参数稳态向量的聚类结果获取每个出料口区域的蒸煮压力不充分指数；15、将所有出料口区域的蒸煮压力不充分指数组成的序列作为蒸煮压力不充分序列，将蒸煮压力不充分序列、蒸煮处理时的蒸煮压力分别作为cnn卷积神经网络的输入，利用cnn卷积神经网络获取植物纤维板制备时的最优蒸煮压力。16、优选的，所述样本纤维参数稳态向量的获取方法为：17、步骤s1，对于每个出料口区域，将每次取样后所有子样本的纤维长度按照数值升序的顺序组成的序列作为子样本纤维长度序列；将子样本纤维长度序列中每个数据作为目标数据，从子样本纤维长度序列中目标数据的序号位置向左选取第二预设参数个数据，将所述目标数据和第二预设参数个数据按照数值升序的顺序组成的序列作为目标数据的二级纤维长度序列；18、步骤s2，将目标数据的二级纤维长度序列中最后一个数据与二级纤维长度序列中任意一个数据的差值作为分子；将以自然常数为底数，以目标数据的二级纤维长度序列中最后一个数据序号与任意一个数据序号的差值为指数的映射结果作为分母；将分子与分母之比在所述二级纤维长度序列上的累加和作为目标数据的趋增陡峭系数；19、步骤s3，将子样本纤维长度序列中所有数据的趋增陡峭系数组成的序列作为趋增陡峭序列，对趋增陡峭序列中所有数据元素聚类；计算每个聚类簇中数据元素均值，将所述数据元素均值的最大值对应的聚类簇中每个数据元素作为子样本纤维长度序列中一个陡峭数据点；20、步骤s4，计算子样本纤维长度序列中每种纤维长度数值的频率与所有种纤维长度数值的平均频率之差的绝对值，将以自然常数为底数，以所述绝对值为指数的负映射结果在子样本纤维长度序列上累加和的均值作为每次取样的分布均衡系数；21、计算子样本纤维长度序列中最大值数据与最小值数据的差值，将所述分布均衡系数与差值的比值作为第一组成因子；计算子样本纤维长度序列中每个陡峭数据点的序号与上一个陡峭数据点的序号之差的倒数，将所述倒数在子样本纤维长度序列上的累加和作为第二组成因子；将第一组成因子与第二组成因子的乘积作为每次取样的样本纤维长度稳态指数；22、步骤s5，将步骤s1中纤维长度依次替换成纤维宽度、纤维圆形度、纤维分布密度，重复计算步骤s1、步骤s2、步骤s3、步骤s4得到每次取样的样本纤维宽度稳态指数、样本纤维圆形度稳态指数、样本纤维分布密度稳态指数；23、步骤s6，将由每次取样的样本纤维长度稳态指数、样本纤维宽度稳态指数、样本纤维圆形度稳态指数、样本纤维分布密度稳态指数组成的向量作为每次取样的样本纤维参数稳态向量。24、优选的，所述每个出料口区域的所有取样的样本纤维参数稳态向量的聚类结果的获取方法为：25、对于每个出料口区域，将所有取样的样本纤维参数稳态向量内样本纤维长度稳态指数、样本纤维宽度稳态指数、样本纤维圆形度稳态指数、样本纤维分布密度稳态指数组成的数据集作为纤维稳态数据集；将所有取样的样本纤维参数稳态向量内每种样本纤维参数稳态指数组成的数据集作为每种纤维参数的数据集，所述纤维参数包括纤维长度、纤维宽度、纤维圆形度、纤维分布密度；26、基于纤维稳态数据集与每种纤维参数的数据集计算每种纤维参数的信息增益，将每种纤维参数的信息增益作为分子；将所有纤维参数的信息增益之和作为分母；将分子与分母的比值作为每种纤维参数的蒸煮压力特征权重；27、对于任意两次取样的样本纤维参数稳态向量，计算两次取样的样本纤维参数稳态向量之间在每个维度上的欧氏距离与所述蒸煮压力特征权重的乘积，将所述乘积在纤维参数上的累加和作为两次取样的样本纤维参数稳态向量之间的度量距离；28、利用聚类算法基于所述度量距离得到出料口区域的所有取样的样本纤维参数稳态向量的聚类结果。29、优选的，所述蒸煮压力不充分指数的获取方法为：30、对于每个出料口区域的所有取样的样本纤维参数稳态向量的聚类结果中每个聚类簇，所述聚类簇中每个元素表示一个样本纤维参数稳态向量，将聚类簇中所有元素的取样时刻按照时间升序的顺序组成的序列作为簇内取样序列；31、将簇内取样序列中每个元素与上一个元素之差在簇内取样序列上的累加和作为分子；计算簇内取样序列中第1个元素与最后一个元素的差值，将以自然常数为底数，以所述差值为指数的映射结果作为分母；将分子与分母的比值作为聚类簇的取样时序紊乱指数；32、计算簇内取样序列中每个元素的样本纤维参数稳态向量中每种纤维参数的样本纤维参数稳态指数与每种纤维参数的蒸煮压力特征权重的乘积，将所述乘积在簇内取样序列上二次累加和的均值作为聚类簇的整体稳态趋高系数；33、将所述取样时序紊乱指数与整体稳态趋高系数的比值在所有聚类簇上的累加和作为出料口区域的蒸煮压力不充分指数。34、第二方面，本技术一个实施例提供一种植物纤维板的制备装置，所述制备装置用于制备一种植物纤维板的制备方法中任意一项所述植物纤维板。35、本技术的有益效果是：基于每次作物秸秆取样样本的之间纤维参数的特征，结合信息增益和聚类算法，获取出料区域内每次取样样本的聚类结果，其有益效果在于考虑不同的纤维参数可能具有不同压力蒸煮特征权重，避免采集获取的某种纤维参数受压力蒸煮影响较小，导致聚类结果准确度较低的问题；根据出料区域中样本之间时序特征和子样本之间的稳态特征，综合构建不同出料区域的蒸煮压力不充分指数，将由蒸煮压力不充分指数组成的蒸煮压力不充分序列作为cnn卷积神经网络的输入，获取准确的植物纤维板制备的最优蒸煮压力。其有益效果在于综合考虑取样的时间特征，避免当单次取样获取的纤维参数数据准确度较低，导致cnn卷积神经网络输出的最优蒸煮压力误差较大的情况，提高最优蒸煮压力获取的准确度，确保植物纤维板制备的产品质量。