在計(jì)算機(jī)屏上操作管理的自動(dòng)化生產(chǎn)在化工：、醫(yī)藥行業(yè)己得到了較廣泛的應(yīng)用，而飼料生產(chǎn)管理還處于相對落后的狀態(tài)。經(jīng)過“九五”技術(shù)攻關(guān)實(shí)現(xiàn)了生產(chǎn)過程控制自動(dòng)化及計(jì)算機(jī)生產(chǎn)：管理，使飼料廠的自動(dòng)化水平大大提高。但是，計(jì)算機(jī)的引入主要還是解決生產(chǎn)自動(dòng)化問題，對于改善產(chǎn)品質(zhì)量、產(chǎn)品品種還沒有發(fā)揮應(yīng)有的作用。從人多數(shù)飼料廠的現(xiàn)狀來看，由于目前大量信息在生產(chǎn)現(xiàn)場只是作記錄，來不及分析和處理，往往是出現(xiàn)問題后再調(diào)查，再分析和處理，無法把事故控制在萌芽狀態(tài)，給企業(yè)造成不必要的損失和浪費(fèi)。
    在顆粒飼料生產(chǎn)中，為保汪顆粒飼料的質(zhì)量，事先對加工中的飼料品質(zhì)作出預(yù)測是很有必要的。但目前飼料企業(yè)生產(chǎn)成品質(zhì)量很人程度上取決于人的經(jīng)驗(yàn)及處理問題的細(xì)致程度，常有片面性、偶然性。即使制粒操作技術(shù)人員有很豐富的經(jīng)驗(yàn)，也較難在各種情況下做出最佳的生產(chǎn)工藝參數(shù)方案。如果能建立飼料制粒系統(tǒng)智能控制數(shù)學(xué)模型，那么將制粒系統(tǒng)參數(shù)輸入模型中，即可預(yù)測得到顆粒飼料質(zhì)量。如果顆粒飼料質(zhì)量滿足要求，則制粒系統(tǒng)參數(shù)維持不變即可；如果顆粒質(zhì)量不滿足要求，則調(diào)整制粒系統(tǒng)參數(shù)，并預(yù)測出顆粒飼料質(zhì)量，直至系統(tǒng)參數(shù)調(diào)整到最佳。這無疑會(huì)極大改善顆粒飼料產(chǎn)品質(zhì)量，飼料顆粒機(jī)是養(yǎng)殖戶們生產(chǎn)顆粒飼料最佳的選擇。
    在飼料工業(yè)生產(chǎn)過程中，隨著控制過程復(fù)雜性的提高，控制理論的應(yīng)用日益廣泛，但控制理論尤其是現(xiàn)代控制理論的實(shí)際應(yīng)用通常不能脫離被控對象的數(shù)學(xué)模型，因此建立被控對象的數(shù)學(xué)模型是很有必要的。
    迄今為止，對線性系統(tǒng)已經(jīng)有許多完善的辨識方法，并在理論和實(shí)踐中得到了廣泛深入地研究和應(yīng)用。而對于非線性系統(tǒng)的辨識，往往需要系統(tǒng)結(jié)構(gòu)形式等各種先驗(yàn)知識和假設(shè)，因此以往基于傳統(tǒng)算法的辨識方法基本上是針對某些特殊非線性系統(tǒng)進(jìn)行的。顆粒飼料原料在加工過程中受到蒸汽的高溫高濕作用，發(fā)/復(fù)雜的理化變化。各種狀態(tài)參數(shù)對于顆粒的質(zhì)最影響機(jī)理很復(fù)雜，具有高度的非線性，難以精確地建立起數(shù)學(xué)模型。即使能夠建立起數(shù)學(xué)模型，其結(jié)構(gòu)往往也十分復(fù)雜，難以設(shè)計(jì)并實(shí)現(xiàn)有效控制。近年來發(fā)展起來的自適應(yīng)、自校正控制技術(shù)，雖然能在一定程度上解決受控系統(tǒng)的不確定性問題，但其本質(zhì)仍然要求在線辨識對象模型，所以算法復(fù)雜，計(jì)算量大，且它對過程的未建模動(dòng)態(tài)和擾動(dòng)的適應(yīng)能力差，系統(tǒng)的魯棒性問題尚有待進(jìn)一步解決，故應(yīng)用范圍受到限制。近幾十年來，徑向基神經(jīng)網(wǎng)絡(luò)理論領(lǐng)域取得的研究成果，給非線性系統(tǒng)建模帶來了新的方法。與傳統(tǒng)辨識方法相比，基于支持徑向基神經(jīng)網(wǎng)絡(luò)理論的辨識為非線性系統(tǒng)的辨識提供了一種簡單而有放的工具，成為近年來控制領(lǐng)域中發(fā)展快、成果多、潛力人的重要方向之一。支持徑向基神經(jīng)經(jīng)網(wǎng)絡(luò)具有以下特點(diǎn)：
    (1)大規(guī)模并行性、集團(tuán)運(yùn)算和容錯(cuò)能力。存大規(guī)模的徑向基神經(jīng)網(wǎng)絡(luò)中，許多能同時(shí)進(jìn)行運(yùn)算的處理單元，信息處理是在大量處理單元中并行而又有層次地進(jìn)行，運(yùn)行速度快。另外徑向基神經(jīng)網(wǎng)絡(luò)理論并不足執(zhí)行一串單獨(dú)的指令，徑向基神經(jīng)網(wǎng)絡(luò)的所有單元都是在一起協(xié)同解決某一問題，這是一種集團(tuán)運(yùn)算的能力，所以信息的處理能力是由摯個(gè)徑向基神經(jīng)網(wǎng)絡(luò)系統(tǒng)所決定。因此，徑向基神經(jīng)網(wǎng)絡(luò)系統(tǒng)具有很好的容錯(cuò)能力。
    (2)信息的分布式方式。與傳統(tǒng)數(shù)字計(jì)算機(jī)不同，徑向基神經(jīng)網(wǎng)絡(luò)中信息的存儲(chǔ)與處理是合二為一的，信息在整個(gè)系統(tǒng)中作為一連接的模式被存儲(chǔ)起來，并以大規(guī)模并行分布式處理．
    (3)學(xué)習(xí)和自組織能力。徑向基神經(jīng)網(wǎng)絡(luò)系統(tǒng)可以白動(dòng)調(diào)整其結(jié)構(gòu)來學(xué)習(xí)新的模式，這種變結(jié)構(gòu)系統(tǒng)表現(xiàn)了很強(qiáng)的對環(huán)境的適應(yīng)性，以及對事物的學(xué)習(xí)能力。學(xué)習(xí)和適應(yīng)體現(xiàn)在狀態(tài)變化過程徑向基神經(jīng)網(wǎng)絡(luò)，以及對事物的學(xué)習(xí)能力。學(xué)習(xí)和適應(yīng)體現(xiàn)在狀態(tài)變化過程中徑向基神經(jīng)網(wǎng)絡(luò)系統(tǒng)內(nèi)部權(quán)值的調(diào)整、如前面所述的學(xué)爿規(guī)則，假設(shè)了兩個(gè)處理單元若同時(shí)興奇則引起它們自建連接強(qiáng)度的變化，這種變化最終會(huì)導(dǎo)致在外界輸入作用下向量機(jī)系統(tǒng)內(nèi)部有信息通路增強(qiáng)，有的信息通路變?nèi)跎踔磷钄啵�客脫上造成系統(tǒng)內(nèi)部結(jié)構(gòu)和狀態(tài)變化。徑向基神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力，使它住一定程度中類似于大腦的學(xué)習(xí)功能，這種能力使之有廣泛應(yīng)用的可能性。
    (4)多層徑向基神經(jīng)網(wǎng)絡(luò)系統(tǒng)具有強(qiáng)大的解算能力和處理實(shí)際問題的能力。它可以處理一些環(huán)境信息。分復(fù)雜、知識背景不清楚推力規(guī)則不明確的問題。在實(shí)際問題中，所提供的模式豐富多變，甚至相互矛盾，而制定決策又無法可循。對這些問題，徑向基神經(jīng)網(wǎng)絡(luò)系統(tǒng)通過學(xué)習(xí)，可以學(xué)會(huì)處理具體事例，給出滿意的答案。
    山徑向基神經(jīng)網(wǎng)絡(luò)的特點(diǎn)可以看出，將徑向基神經(jīng)網(wǎng)絡(luò)應(yīng)用到顆粒飼料智能控制是飼料工業(yè)自動(dòng)控制的必然要求。
    目前對顆粒飼料產(chǎn)品質(zhì)量的預(yù)測主要以大量的實(shí)驗(yàn)數(shù)據(jù)和線性回歸為基礎(chǔ)且在實(shí)際應(yīng)用中有很多限制。而用徑向基神經(jīng)網(wǎng)絡(luò)方法進(jìn)行顆粒飼料品質(zhì)預(yù)側(cè)時(shí)，不需事先判斷輸入變量與輸出變量之間的關(guān)系，只需確定—個(gè)合適的模型，通過對大量的樣本進(jìn)行學(xué)習(xí)便可自動(dòng)找出兩者之問的本質(zhì)聯(lián)系。己有研究結(jié)果證明，采用徑向基神經(jīng)網(wǎng)絡(luò)方法預(yù)測結(jié)果是可行的，富通新能源生產(chǎn)銷售的飼料顆粒機(jī)、秸稈顆粒機(jī)是養(yǎng)殖戶門生產(chǎn)顆粒飼料很不錯(cuò)的選擇。