粮食干燥是保障粮食安全的重要手段,合理的干燥工艺可以保持粮食品质、改善储藏特性,进而提高经济价值。目前,国内粮食干燥作业的自动化水平较低,其工艺参数设定和调整缺乏专业知识和数据的指导,很大程度依赖人工经验进行,使得一方面在开始干燥作业时,难以根据实际条件和干燥指标确定精确可靠的干燥工艺参数,同时在干燥作业进行时,难以根据实际作业中粮食水分、环境条件和装备运行的变化进行及时、合理的工艺参数调整;另一方面在干燥作业结束后,出现品质问题时,难以准确诊断原因所在,最终导致在实际干燥作业中出现控制不稳定、品质劣变等问题。本文以课题组前期经过多年粮食干燥试验研究取得大量基础数据,并将其整理所形成的《粮食精细干燥基础数据手册》为基础,建立了粮食精细干燥工艺参数电子数据系统。同时结合人工智能方法,研究了干燥基础数据优化查询、干燥作业参数设定及调整、干燥问题诊断等策略和算法,编写应用程序实现相应功能,为实际粮食干燥精细化作业提供数据和决策支持。本文的主要研究工作如下:（1）干燥工艺基础数据电子数据系统构建及原数据查询策略设计。对《粮食精细干燥基础数据手册》的数据结构进行分析整理,设计My SQL数据库表结构,将675张数据表、450000余条干燥数据录入数据库。通过建立各干燥指标索引表的方式,对干燥基础数据进行层次检索,实现查询不同干燥条件下各项干燥指标的参数表及参数值,提高查询效率,便于实际应用。（2）基于干燥特性及品质的干燥作业工艺参数优选方法的研究。通过选取NSGA-Ⅱ多目标优化算法,针对《粮食精细干燥基础数据手册》中的干燥指标及品质指标进行基础参数优选,在保证干燥品质的同时,最大程度提高干燥作业效率。通过查询并优化数据手册的基础数据,获得符合干燥要求的基础优选参数,以用于实际干燥作业中的初始参数设定及实时参数调整。（3）实际干燥作业工艺参数设定及调整方法研究。通过使用实际干燥数据训练LSTM神经网络模型,将基础数据转化为实际干燥参数。经过2209组实际数据的训练,网络模型的总体拟合度达到0.998。将环境温湿度、粮温、相对湿度、干燥积温作为网络输入,预测实际风温值及排粮转速频率。在干燥开始前,结合干燥指标及环境温湿度,查询数据手册并通过LSTM输出初始设定参数。在干燥进行时,根据环境温湿度及初始水分等条件的变化,通过LSTM神经网络输出实时干燥作业参数,对当前作业参数进行调整以保证达到预期干燥指标。（4）实际干燥作业问题的诊断方法的研究。本文在分析粮食干燥机理的基础上,将干燥积温作为反映干燥过程的综合指标及引发干燥问题的本质原因,以此提出干燥积温段概念用以描述干燥状态。通过LSTM神经网络搭建模式识别模型,对干燥作业参数进行干燥积温段识别,总体识别准确率达到92.0%,并以此判断干燥积温设定是否正确。将实际作业参数与干燥积温段在《粮食精细干燥基础数据手册》中检索得到的干燥参数进行对比,通过检验异常参数,确定干燥问题的原因。（5）粮食精细干燥工艺参数电子数据系统的开发。选用Qt开发框架编写用户交互界面和逻辑程序,通过调用My SQL数据库中的基础数据、使用dll动态链接库方法调用遗传算法及神经网络模型,完成上述参数查询、参数设定和问题诊断的智能使用策略的功能实现。