非线性系统辨识模型分为状态-输出模型和输入-输出模型，本文采用状态-输出模型.由于需要构成递归结构来反映系统的动态行为，要用到模型的自身反馈，所以把这类模型称为递归状态-输出模型：窑内执行机构包括加热阀、喷湿阀、排潮阀和风机，加热器是开关型的，用于升高窑内温度，喷湿阀和排潮阀用来调节窑内的湿度，风机用来加快窑内空气的流速（在本实验中采用风机全速运行）。检测装置包括两个温度传感器，两个湿度传感器和六个木材含水率传感器。在产生辨识数据时，给窑内施加持续的阶跃信号，包括加热、喷湿和排潮（由于风机采用全速运行，所以在实验中不予考虑），同时采集窑内的温度、湿度和木材含水率等数据，这样就得到了用于辨识的输入-输出数据对.

　　在研究过程中，以水曲柳为实验树种，初始含水率为67%，纤维饱和点为30%，终含水率为8.3%.采集两窑干燥数据，第一窑数据用于训练神经网络，第二窑数据用于验证得到的神经网络模型。木材干燥的全过程大致可以分为三个阶段：预热阶段、等速干燥阶段（含水率在纤维饱和点以上）和减速干燥阶段（含水率在纤维饱和点以下），每个阶段的水份蒸发机理不同，所以相应的模型也不同.在等速干燥阶段，干燥曲线（含水率随时间的变化关系）大致呈线性，所以模型相对简单；而减速干燥阶段的模型比较复杂，为此本文主要针对减速干燥阶段的模型进行辨识.