本课题基于人工神据对模经网络理论，在研究饲料制粒系统状态参数（如配方、调质水分、调质温度、喂料速度等）与颗粒饲料的质量（如硬度、淀粉糊化度等）的基础上，确定人工神经网络结构模型，用取样数型进行训练，建立制粒系统的智能人工神经网络数学模型，并将模型应用在颗粒饲料生产在线分析上，实现在线预测颗粒饲料质量。在模型的训练上，采用功能强大的Matlab神经网络工具箱，饲料制粒机专业压制颗粒饲料。
    1、RBF神经网络原理及应用技术：
    2、通过试验研究颗粒饲料加工工艺参数（如调质温度、蒸汽压力、粉碎细度等）与颗粒质量（如颗粒硬度、淀粉糊化度等）之问的关系模式；
    3、研究神经网络在饲料工业控制上的应用，将神经网络理论与颗粒饲料加工控制结
合起来，确定对应于颗粒饲料生产工艺的最佳神经网络数学算法；
4、根据饲料加工工艺特性，结合神经网络理论，研究建立颗粒饲料制粒系统神经网络结构模型：
5、用试验数据训练神经网络模型，研究建立制粒系统智能控制数学模型。并对网络模型进行方针
    本课题的最终日的：建立配合饲料生产的人工神经网络数学模型，将配合饲料加工艺与智能控制理论有机结合起来，为实现配合饲料制粒系统智能控制提供技术理论支持，富通新能源生产销售的秸秆颗粒机、饲料颗粒机专业压制牛羊猪颗粒饲料。