本文以TGS-2型苜蓿太阳能-热泵联合干燥系统为研究对象,通过空载试验和带载试验分别研究了干燥系统的制热性能和干燥特性,对太阳能子系统、热泵子系统分别单独运行和太阳能-热泵联合运行三种模式进行对比,利用两种分析方法建立苜蓿含水率预测模型,进行比较分析,并根据仿真结果进行改进优化。制热性能试验分太阳能子系统的集热温升试验和热泵子系统、太阳能-热泵联合系统的恒温制热试验、升温制热试验。以温升速率、单位温升耗电量和COP为试验指标的试验结果表明,太阳能-热泵联合制热与太阳能单独制热相比温升速率提高了99-112倍,单位温升耗电量降低了86.2%;太阳能-热泵联合制热与热泵单独制热相比:（1）温升试验中,前者温升速率比后者降低了7.7%-17.6%;（2）恒温制热试验中,前者COP提高了6.5%-11.5%,耗电量降低了5.8%-10.7%;（3）升温制热试验中,前者COP提高了6.0%-10.4%,耗电量降低了6.6%-11.1%。选择紫花苜蓿为干燥物料的带载试验以单位能耗除湿量SMER和含水率为试验指标,进行热泵单独干燥、太阳能-热泵联合干燥试验,研究系统的除湿能力与干燥效果。试验结果表明:（1）太阳能-热泵联合干燥模式除湿性能较好,比热泵单独干燥模式的SMER值高19.8%-36.2%;（2）物料在干燥室各点的干燥速率和SMER随气流方向和垂直于气流方向存在较大的差异。沿气流流动的水平方向上不同位置处的苜蓿含水率变化速度和SMER随着与进气口、出气口的距离变近而增大,而在垂直于气流方向的竖直方向上不同位置处的苜蓿含水率变化速度和SMER规律为第三层＞第四层＞第一层（底层）＞第二层。依据试验数据,对苜蓿含水率进行非线性回归分析。通过对各影响因素与苜蓿含水率的相关性分析,获得7个影响因素,并通过降维处理,与改进后的四种干燥模型进行拟合,通过拟合结果可知其规律与试验规律接近,证明了传统干燥模型只能呈现出整体趋势,无法根据使用者需求进行个性化处理,故需继续探寻其他分析方法。利用BP神经网络技术对系统性能做了进一步分析,建立了基于BP神经网络的多因素单输出和多因素多输出模型:（1）建立单输出双级苜蓿含水率模型对苜蓿含水率进行预测,实现了对干燥室内各位置处含水率的准确预测,具有步数少,误差小,拟合度高的优点。（2）建立苜蓿含水率和SMER的多输出BP神经网络模型,对苜蓿含水率和SMER进行预测,实现了对干燥性能多个指标的预测。（3）对干燥效果最差的干燥架第二层上下20cm区间内进行含水率预测,在干燥架适当下移后可提升干燥效果,并依此提出了具体改进方案,为后续设备改进提供参考。