表面粗糙度是评价木材表面质量的重要指标,影响着木制品的表面状态、外观质量、装饰效果、摩擦磨损和涂饰性能等。木材是纤维各向异性材料,其加工表面质量受自身结构和切削系统参数影响较大,针对利用表面粗糙度轮廓参数表征木材加工表面质量存在只能表达轮廓高度特征、测量结果依赖于纤维结构和测量方向等问题,以金刚石(PCD)木工圆锯片锯切木材为例,引入分形维数表征木材锯切表面的三维形貌,在此基础上建立考虑木材结构特征和切削系统参数的木材锯切表面粗糙度的预测模型,为木材加工表面质量的三维表征和预测提供新的思路与工具。进行金刚石木工圆锯片锯切木材的试验,结合木材表面粗糙度测量标准,研究分析木材纤维方向与测量方向对木材锯切表面形貌特征测量值的影响,提出考虑到测量方向的测量方法;锯切单因素试验表明,锯片转速、进给速度在不同测量方向上均会引起粗糙度测量值Ra值的变化,波动幅度随锯片转速的增加逐渐减小,随进给速度的增加而增大;基于6种木材锯切正交试验,得出不同测量方向与木材纤维结构上Ra值波动幅度存在差异,同时证明Ra值的变化会影响多元线性回归模型的准确度与适用范围。利用差分盒维数法通过理论分析与计算说明木材锯切表面图像的“灰度粗糙度”能真实地反映木材锯切表面的凹凸起伏、不规则等微观形貌粗糙度变化,验证分形维数表征木材锯切表面三维形貌特征的可行性;借助奖励窗口灰度值算法提高图像窗口中的灰度值利用率,优化差分盒维数算法的精度;在此基础上,利用改进差分盒维数算法计算6种木材锯切表面的分形维数,并对试验结果进行方差分析和Duncan氏检验,表明分形维数能够有效表征木材锯切表面的三维形貌,分形维数与锯切表面质量具有很高的关联度。根据支持向量机回归原理,通过PCD锯片锯切木材试验获得不同锯片转速、进给速度、锯切方向和木材密度下的分形维数,编写算法程序,对试验数据进行归一化处理,利用训练集数据对模型进行训练,采用网格搜索方法优化模型参数(惩罚因子C和核函数的参数g),建立支持向量机回归预测优化模型;利用预测优化模型对分形维数进行预测,预测结果表明,参数优化后的木材锯切表面粗糙度预测模型更能准确地反映木材锯切过程中各因素之间的非线性问题,实现表面粗糙度的精准预测。模型回归性能评估指标均方误差(EMS)和决定系数(R2)达到模型精度要求,可以满足生产需要。