烘丝机是卷烟制造厂制丝车间的关键设备。由于前一道切丝工序时工艺要求叶丝要有较大的含水率,但是含水较多的烟丝会相互粘连,其蓬松程度无法达到直接制卷的要求,必须通过烘丝机干燥去湿,使叶丝充分松散,含水率均匀一致,并产生一定的卷曲,增加叶丝的填充能力,以达到卷烟工艺要求。因此,控制好烘丝机的烘焙过程,以提高烟丝产品的质量,是一个值得研究的问题。目前,制丝车间的叶丝干燥工序出现干头、干尾量偏大的问题是烟草行业面临的普遍现象。研究并改进烘丝机控制系统对烟丝水分的控制效果,减少叶丝干燥过程中的干头、干尾量,以降低卷烟单箱耗丝量,是本课题研究的主要目的。在对国内外现有烘丝机及其运行原理、控制模式充分调研的基础上,我们针对目前本企业使用的德国HAUNI的薄板式KLK烘丝机的结构、传统的控制参数和控制方法进行了深入的分析。在此基础上,针对常规PID控制器的局限性,借鉴多层神经网络中的前向和反传算法,结合车间生产中的实际情况,对神经网络的经典算法进行了改进,对包括干燥因子Ck1、薄板蒸汽阀门PI控制器和筒体转速在内的控制参数进行了重新设定,用于优化烟丝烘焙控制过程,提升烘后烟丝的水分控制精度。论文主要内容包括:相关国内外现状的介绍和分析;主要神经网络及其学习算法的介绍和分析;常规PID控制器的原理分析,局限性分析,以及结合神经网络的改进方法的介绍。最后,采用Matlab进行仿真。由于现有设备的改进需要与厂家进一步沟通,目前尚无法将成果直接运用于生产过程。为验证算法的有效性,我们采用Matlab的对蒸汽压力—温度转换公式进行了曲线拟合和仿真,得出了一定压力范围内的经验公式,改进了原有的蒸汽压力—温度换算算法,提升了整个烘后烟丝的水分控制精度,也明显减少了料头、料尾的过干烟丝量,具有一定的工程应用价值。