3　过程控制研究中存在问题
3.1干燥技术与控制技术未充分结合
干燥过程是典型的多变量、大惯性、高度非线性复杂系统，建立一个理想的符合实际干燥过程的数学模型十分困难；而且建立模型要花费大量精力，有时甚至是不可能。通常为便于研究要对建模条件进行简化，简化后的方程不能正确反映干燥过程，简化常常会带来误差。有的模型如热、质传递模型、干燥过程优化控制型、模糊控制及智能控制型等，都有不够完美之处。同时干燥理论研究局限在扩散理论的圈子中、未找到物料自身的特性函数，这也给精确模型的建立带来了难度。即使一些干燥过程能够建立起精确的数学模型，其结构往往也十分复杂，难以设计并实现有效的控制。目前的研究基本上停留以一维数学模型为基础的控制上，常常是只控制某一个特定的参数，控制效果不理想，更不能完成多目标的智能控制。没有一个很好的数学模型，在实施控制时不得不寻求其他间接方法，这在一定程度上影响了控制的精度和效果，干燥技术研究与控制技术研究结合得不够好，使干燥机控制对发挥干燥机最高效能、对提高产品质量的作用没有完全体现。
3.2 干燥过程控制方法及控制效果研究较少
3.2.1　过程控制中控制变量少
干燥过程控制系统以常规单变量技术为基础，控制的目标主要局限于对某一个变量或几个变量的平稳操作，保证生产平稳和少出事故。随着粮食干燥工业日益走向大型化、集成化、连续化、复杂化，对过程控制的品质提出了更高的要求，一个良好的控制系统不但要保护系统的稳定性和整个生产的安全，满足一定的约束条件，而且应该带来一定的经济效益和社会效益。而在粮食干燥中，当某一烘干段中热风的温度和湿度一旦变化，不仅对该烘干段粮食的温度和含水率产生直接的影响，还会间接影响到下一段乃至烘干塔出口粮食的温度和含水率。若排粮电机转速放慢或者加快，不仅烘干塔出口的粮食水分会变化，每一段烘干段内粮食温度和水分都会发生相应的改变。在这一系列复杂的变化过程中，必然会伴随时滞、耦合、时变以及一系列非线性的过程。如果只是将被控变量的偏差和偏差变化率作为控制系统的输入，当系统内部或外部干扰增多时，很难保证其控制效果。经典的模糊控制系统常将研究问题简化为单输入单输出单变量模糊控制器在应用中有很大局限性，控制器的输入只有被控变量的偏差及偏差变化，实质上相当于一个可变参数的单输入PD调节器。因此，干燥过程的复杂性决定了控制量和被控制量不止一个，互相之间存在错综复杂的影响关系，各被控制量的最佳值也会存在相互制约的因素，难以寻求最优的控制方案。
3.2.2　先进控制应用少且方法集中单一
虽然数十年来就开始探究将如何智能控制应用于干燥工艺中，但是关于粮食干燥先进控制系统的设计方法研究甚少，而且集中于某种方法的研究较多。“十五”期间国家粮食局花费了大量的资金用于解决粮食干燥过程中的水分在线测试和自动控制，结合一些粮库进行了一些项目的研究和开发工作，但多数设计单位都采用模糊控制方法。浏览国内学位论文也可以看到，较多的是利用神经网络建立烘干塔的数学模型、用模糊思想对干燥机的性能进行综合评价和对干燥机的设计进行优化；没有一份应用模型预测控制的报道。先进控制方法虽然有很多优点，但单一方法也存在着这样或那样的不足。模糊控制是建立在熟练操作才经验的基础上，需要通过系统自学习，不断修正参数才能逐步逼近目标值。而干燥时粮食水分影响因素多，不容易找到熟练操作者的经验参数，而未采用较准确反映烘干机控制量的数学模型方法进行自动控制设计，很难保证干燥后粮食品质。自适应控制虽然能在一定程度上解决不确定问题，但算法复杂、计算量大，且对过程未建模动态和扰动的适应能力差，系统鲁棒性问题尚待进一步解决，应用受到限制。开发基于友好图形界面的专家系统是干燥过程控制的发展方向之一，但由于进行问题求解时搜索的时间较长，专家系统用于在线控制方面的能力比较差。在神经网络建模形式中，基于BP 算法的网络具有训练时间长，且经常发生不收敛的缺点；采用径向基函数近似干燥过程虽然可大大提高收敛速度，并使网络能够收敛于全局最小值，但其中心坐标确定较困难。大部分现有的非线性模型预测控制方法只能用于较慢的过程控制，对于实时性要求较高的干燥过程控制不利。因此，单一应用某种控制策略必然不能最好地发挥过程控制的优势。