木材干燥是改善木材物理力学性能、合理使用木材、减少木材降等损失、提高使用效率的重要措施,也是保证木制品质量的关键技术之一。我国是一个少林国家,真正能采伐的用材林生长量很少,如何提高木材干燥质量,充分利用我国的木材资源,就显得特别重要了,是木材科学工作者的一项重要工作。木材干燥窑系统是具有滞后性、耦合性和非线性的系统。由于该系统的复杂特性,使得建立理想的、符合实际的木材干燥窑模型变得很困难,其自动控制也不是一个简单的操作,而是具有很多影响因素。传统的PID控制虽然简单易实现,但是参数不可实时调整,面对这样一个较复杂的系统,就很难达到满意的精度。当干燥一些较贵重、对干燥质量要求很高的木材时,就容易造成干燥事故了。因而,对传统干燥窑控制策略的改进是必要的。在对木材干燥窑进行控制的过程中,窑内干燥介质的温度和湿度是两个重要的被控量。木材干燥窑模型是加热阀、喷湿阀和排潮阀的开度与温/湿度之间关系的模型,它的建立为控制器设计提供了必要条件。本文基于神经网络理论建立了木材干燥模型。神经网络系统辨识是通过直接学习系统的输入/输出数据,使目标函数取得最小值,从而归纳得到隐含在系统输入/输出数据中的关系。研究中采用了适合于非线性系统辨识的时延神经网络建立模型。在这个模型中,把三个阀门的历史状态和温度湿度的历史状态同阀门的当前状态一起都作为网络的输入。这样,就可以用静态的神经网络来解决动态问题。论文中设计了神经网络辨识的结构,并通过实验数据进行了模型训练与验证,仿真结果表明所建模型有效、可靠。木材干燥的控制过程就是控制窑内介质的温度和湿度,从而使木材含水率降低到某一期望值的过程。针对实际干燥过程的特性,本文在木材干燥窑模型研究的基础上,研究了基于细胞反馈原理的免疫PID算法和基于克隆选择原理的免疫PID算法在木材干燥控制系统中的应用。基于细胞反馈的免疫PID算法是借鉴人体免疫过程中的细胞反馈原理,根据控制量的大小来适当调整PID的三个参数值。本文还对该算法做了一些改进,使得PID三个参数从整体调整变成可以单独调整,这样就更具灵活性了。基于克隆选择的免疫PID算法,是用免疫克隆选择算法来进行PID参数的实时寻优,从而达到更好的控制效果。仿真结果表明这两种控制策略是有效的,且优于传统PID控制。这为提高木材干燥的控制水平,实现木材干燥真正意义上的全自动控制奠定了基础,对有效保证木材干燥质量、降低能源消耗和减少成本,具有重要的理论研究和实际指导意义。