本文旨在设计一种基于木材干燥等复杂控制对象的控制器，以此为核心对JBGZ—1.8小型木材干燥窑建立神经网络模型，单神经元自适应PID控制算法设计与模型测试，硬、软件设计及系统实现等进行了深入浅出的研究。 神经网络对系统进行辨识是通过直接学习系统的输入/输出数据，学习的目的是使得所要求的误差函数达到最小，从而归纳出隐含在系统输入/输出数据中的关系。神经网络系统辨识是非算法式的，神经网络本身就是辨识模型，其可调参数反映在网络内部的连接权上。它不需要建立以实际系统数学模型为基础的辨识格式，故可以省去在辨识前对系统建模这一步骤。神经网络作为实际系统的辨识模型，实际上也是实际系统的一个物理实现，可以用于在线控制。 在神经网络的自适应控制中，无论是采用间接控制方案还是直接控制方案，由于多层前向网采用了S型作用函数，计算量是比较大的。对于快速过程控制，由于目前尚缺乏相应的实用型神经网络计算机硬件支持，将基于多层网络的神经自适应控制投入实时在线控制尚有一定困难。为了适应快速过程神经控制的要求，本文采用了一种单个自适应神经元，它可以利用神经网络的优点，又能适应于快速过程实时控制的要求。单神经元自适应PID控制器实质上为一变系数的比例、积分、微分复合控制器，而且学习算法是自适应的，所以本质上是非线性的。神经网络具有很强的非线性逼近能力和自学习能力。神经网络无模型直接自适应控制，由于其结构简单，实时控制快速学习算法以及系统稳定性和学习收敛性好，因此，具有较大的发展潜力。