目前,国内的木材干燥全自动控制系统存在着功能性单一、费时、耗能、干燥效果不理想等不足;国外的控制系统自动化程度较高,功能较为完善,但目前该系统都处于垄断状态,价格及其昂贵。国内外已有的木材干燥方法只利用干球温度、湿球温度(或平衡含水率或相对湿度)和木材含水率进行干燥过程控制,造成木材的内部和表面在干燥过程中发生不同程度的开裂问题。本文在现已有木材干燥方法的基础上加入材芯温度控制,这样综合应用多个参数(干球温度、湿球温度、木材含水率和材芯温度)进行木材干燥过程控制,结合模糊神经网络理论,建立木材干燥过程的多参数系统模型,该多参数系统模型包括控制模型和辨识模型。根据木材干燥工艺、结合现场传统的木材干燥窑,木材干燥过程的控制模型的输入个数为三——窑内温度、窑内湿度、材芯温度,采用六个输入量——窑内温度误差、窑内湿度误差、材芯温度误差、窑内温度误差变化率、窑内湿度误差变化率、材芯温度误差变化率;采用四个输出量——加热电动调节阀、喷蒸电动调节阀、循环风机、排湿风机。木材干燥过程辨识模型的建立采用七个输入量——循环风机、排湿风机和加热电动调节阀与喷蒸电动调节阀的控制量及木材干燥系统的介质温度、湿度和材芯温度,三个输出量——窑内介质温度、窑内介质湿度、材芯温度。为了提高控制精度,本文将多种智能算法相融合对木材干燥过程的多参数系统模型的结构、参数进行优化。首先,由于模糊神经网络BP算法比较依赖于网络初始权值,且网络的训练时间较长,容易陷入非要求的局部极值,故采用PSO优化算法的全局寻优性能。其次,为了避免PSO算法的早熟,引入免疫机制来对浓度低的粒子进行免疫刺激,增加粒子群的规模,反之对浓度高的粒子进行抑制,保持粒子群的多样性。最后,为了进一步导入待求解问题的先验知识与经验,加快算法的全局收敛能力,引入接种疫苗、免疫选择和良种迁移这三种免疫算子。本文对基于多参数模型的木材干燥智能控制系统进行软硬件设计。采用和利时LE5708PLC作为核心控制器,和利时HT8A00T作为上位机触摸屏,设计系统硬件平台,同时运用多种抗干扰措施保证系统的稳定;将免疫PSO优化的模糊神经网络应用到软件系统中,使得系统具有较高的收敛速度和识别率,对不确定非线性系统具有很好的控制效果。最后将此智能系统应用到本溪红叶家私制造有限公司中的第七号干燥窑,结果表明,有效提高了木材干燥的控制精度和木材干燥质量,加快了木材干燥过程,节约了干燥成本,为木材干燥控制实现智能化、模块化、低碳化奠定了技术和理论基础。