目前,国内干燥机市场上常见并较普遍使用的干燥机是热风窑式的干燥机。窑内的除湿或排潮基本是人工调控,其成品的干燥质量难以达到高档家具要求。而高档材的干燥要求高,质量标准高,现有的锯材生产企业必须添置高档材干燥设备,扩大干燥生产能力。高档材的干燥设备专业性强、精度高。现有的木材干燥机不能满足其要求,市场上急需专用的高档材数控真空除湿改性干燥生产设备。本文针对木材真空除湿改性干燥,提出一种新的控制方法。对传感器的数据采集进行了研究,提出了传感器的数据融合方法。为了解决控制过程中的问题,也提出了径向基(RBF)神经网络与PID控制相结合的控制策略。木材干燥的效率取决于对干燥室的实时监测。为了解决干燥室的多参数测量问题,将多传感器融合技术应用在干燥系统中。干燥系统采用模糊熵和聚类融合算法对传感器进行数据融合。首先监测环境的温度、湿度和通风量等参数；然后把接收的多元信息模糊化,经过融合中心的合成运算,获取干燥室的状态；最终用于信息决策。本文将径向基(RBF)神经网络技术应用于PID控制中,利用神经网络具有的非线性函数逼近能力。通过对系统性能的学习来实现具有最佳组合的PID控制。新的控制方式结合了两者的优势,实现了PID参数的在线自整定。通过实验对本文提出的多传感器融合方法,包括聚类融合、模糊熵等算法进行验证,结果表明两种算法能减少数据的冗余,有效地提高检测系统的性能。利用计算机仿真实验比较,RBF神经网络PID控制器比传统的PID控制有更好的控制效果。结果证明,该方法易于操控、自学习能力强、控制精度高、抗干扰能力强。