如今,淀粉被广泛的应用于各个领域,在淀粉的生产过程中,为了能够更好的运输与贮藏,国家规定淀粉的含水量不应该超过14%。但是在实际的淀粉生产中,测量的方法通常使用的是离线测量方法,即在特定的时间内,对出料淀粉进行采集,然后将采集到的样本送回实验室中进行测量。这种测量方法的周期长、精度低。于是在生产过程中,往往是采用人工判断的方法,凭借工人的经验,判断出淀粉是否超过了国家标准。这种方法虽然能够为生产商减少了因淀粉不合格而带来的损失,但是其可信度并不高。国外进口仪器能够实现在线实时测量,具有高精度、周期可调等特点,但是价格却很高。为了解决离线测量周期长、人工测量不可靠以及在线测量仪器价格昂贵等问题,因此提出了虚拟测量技术。虚拟测量的核心是计算机软件,采用BP神经网络算法,将出料的温度与湿度作为网络的输入,出料的含水量作为网络的输出,通过对网络的训练,得出输入与输出之间的关系。这种方法分为两个步骤,一个是离线训练,一个是在线计算。离线训练就是对样本数据进行选择,同时通过均方误差来比较不同隐层节点数所对应的误差,最后确定该神经网络的最优结构。训练结束后,就是在线计算,使用PLC或者是WinCC组态软件为网络提供输入数据,经过MATLAB计算后,将输出结果送回到WinCC中进行显示,这样就可以得到一个可以实现实时预测的曲线图。在整个控制系统中,国内外均是采用的PID控制,唯一的不同之处就是在于反馈通道上的检测单元硬件的选择上。为了能够实现更高品质的自动技术,文中给出三种不同的控制方法,通过分析每种方法的利弊,最后选择了神经网络与PID相结合的控制方法。带有BP神经网络算法的虚拟测量仪器,具有实时测量、周期可调、可信度高等功能,完全可以代替昂贵的在线测量仪器以及人工判断的测量方法。也可以将训练好的网络作为一个虚拟的传感器,应用在闭环控制回路中的反馈通道上,这样就可以实现自动调节整个干燥控制系统的功能。