烟叶复烤是在烤烟生产(初烤)的基础上再次烘烤形成的。烟叶复烤是烟叶从农产品转变到工业生产原料的过程，是烟草整体加工中非常重要的环节。通过打叶复烤可以减少烟叶的造碎，可以向卷烟厂提供高质量和规格化的原料，有利于烟片的长期贮存和醇化，节约贮存、醇化和运输费用。同时，在国际交易中，产品的形式主要是烟片和烟梗。因而烟片复烤的质量决定着一个复烤厂的生存和命运，特别是，随着中国加入WTO，国际化进一步加深，其重要性不言而语。据统计，每担烟每波动一个百分点，损失上百元人民币。仅宝丰复烤厂(年生产能力30万担)，每年损失就达数几百万元人民币。因此提高复烤厂的自动化程度，意义重大。 论文在熟悉复烤机工艺础上，针对烤段机理较明确的特点，建立了机理模型；针对回潮段机理不太明确的特点，建立了系统的辨识模型；并分析了影响系统的温湿度的因素。 复烤机复烤过程对象模型具有大滞后、多变量、非线性和扰动复杂等特点，属难控系统。经典控制理论和现代控制理论都要求被控对象有精确的数学模型，而复烤机的复烤过程的变化因素很多。因此，仅靠传统的控制方法难以使系统长期稳定在好的控制效果上。模糊控制、专家控制、学习控制、神经元网络控制等智能控制的研究，为解决模型不确定的系统提供了有力的工具。但同时我们也注意到。仅仅靠智能控制，忽略系统提供的定性模型，也是对信息资源的浪费，也不能达到预期效果。根据我们长期研究和实验的经验，应该把传统控制和智能控制结合起来，才能更好地控制对象。本文采用了基于模糊神经网络的预测控制。 预测控制是基于模型的控制，是20世纪70年代后期发展起来的一类新型的郑州大学工学硕卜论文计算机控制算法。这种算法的本质特征是它的三要素:预测模型、滚动优化和反馈校正。预测模型，它用来描述对象的动态行为，根据系统当前的输入、输出信息、预测未来的输出值。在线性系统情况下，可利用叠加原理，并利用系统的阶跃响应、脉冲响应，或者状态空间模型等，预报系统未来的输出。在非线性系统情况下，如果其非线性结构未知，且不能充分描述，则对其输出就难以作出精确的预报，从而导致控制失败。由于模糊神经网络可做到较精确描述非线性动态过程，因此，可用于这类基于模型的控制中。由于神经网络本身具有插值能力，因此可以克服单纯模糊控制中“分挡”的限制，提高了控制精度;通过网络前向运算实现模糊推理算法，大大简化了模糊推理的计算，提高了规则查询、推理的实时性。在此基础上，论文提出了一种改进的四层框架的网络结构。该模型具有计算简单;网络的每层推导均有明显的物理意义;具有全局逼近的性质。 利用C++编写了算法程序，给出了仿真结果，证明了系统具有很强的鲁棒性、自学习和适应能力，从而达到了平稳控制的效果。利用组态软件编写了监控界面，根据profibos协议，设计了系统的通信结构。根据烟草的不同品种的特性，进行了三波段六光束测定和在线测量的扫描速率的测定，选择了水分测量的波段为1.94um。并选择了其他硬件。 简一言之:以现场总线为物理实现形式，采取分段控制策略，融合传统控制和智能控制的优点，实现系统的平稳控制、可靠控制。