随着我国森林资源的匮乏，林木资源如何合理、高效利用已成为木材科学工作者所关注的前沿课题。木材干燥是木材加工生产的重要技术措施，干燥水平的提高，建立具有较高自动化程度的干燥控制系统已迫在眉睫。 木材干燥过程是一个非线性、多变量、强耦合的复杂系统，具有时变性和不确定性。传统的系统辨识方法难以建立木材干燥的准确模型，而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，即描述系统的模型。本文基于神经网络理论来建立木材干燥模型。 本文采用适合于辨识与控制的时延神经网络和动态递归神经网络建立了温、湿度控制模型和干燥基准模型。温、湿度控制模型是控制信号与温、湿度关系的模型，为更好地控制干燥窑内的温度和湿度提供了依据；干燥基准模型是温、湿度与木材含水率关系的模型，这一模型的建立实现了干燥基准的数学模型。考虑到在很多控制方法中经常用到系统的逆模型，所以论文中同时建立了控制模型及干燥基准模型的逆模型。 论文中设计了神经网络辨识的结构和训练算法，验证了模型的准确性，仿真结果表明，所建模型有效、可靠；同时对两种网络的辨识效果进行了比较，可以看出时延神经网络要好于动态递归神经网络。神经网络作为系统的辨识模型是实际系统的一个物理实现，可以用于完成在线控制。此辨识方法可推广到其它类似系统。