当今全球森林资源日益减少,如何提高林业资源的利用率已成为木材加工业面临的难题之一。木材干燥是木材加工处理的重要环节,运用完善的干燥设备和先进干燥技术不但能大量节约木材资源、提高木材品质,还能起到节能环保作用。高频真空联合木材干燥是一种干燥速度快、能源消耗低、环境污染小的新型联合干燥技术。该技术具备高频干燥和真空干燥各自的优点：在减少木材干燥过程中由于局部温度过高而发生开裂或烧焦可能性的同时,缩短了干燥时间：另外,还保证了木材的干燥品质。所以该技术在木材干燥领域有广阔的应用价值和发展前景。由于木材干燥过程具非线性、时变性及强耦合性等特点,依据传统的理论基础很难建立精确的数学模型,进而很难达到自动控制的效果。本文以BP神经网络为基础,采用遗传算法(Genetic Algorithm, GA)和将其与模拟退火算法(Simulated Annealing,SA)相结合的遗传退火算法(SAGA)优化BP网络模型,为高频真空联合木材干燥过程建立了温度控制模型和干燥基准模型。并通过仿真实验验证得到：基于SAGA优化BP神经网络的温度控制模型和干燥基准模型都有较高的预测精度；与GA优化BP网络模型相比,更适合描述复杂的木材干燥过程,为设计精确的空制系统和优化干燥基准奠定了基础。在木材高频真空联合干燥过程的理论分析基础上,基于已建立的木材干燥模型,设计了木材干燥模糊控制器和模糊神经网络控制器。在MATLAB/SIMULINK环境下对两种控制方法进行了仿真实验,结果表明木材干燥的模糊神经网络控制有更好的控制效果,即温度上升更快,控制精度更高,稳定性更好,这对于木材干燥领域从手工、半自动控制向全自动控制的迈进起到了推动作用。