在入口水分波动较大情况下，松散回潮工序难以通过常用的固定加水、负反馈调节等方式实现出口水分稳定控制，松散回潮出口水分控制采用传统的PID控制模式，在实际生产应用中生产批次CPK平均值为0.6以下，标准偏差批次平均值为0.5以上，出口水分极差4.0以上，出口水分波动较大无法实现该工序的精准控制要求。松散回潮出口水分稳定性提升工作已成为部门质量提升重点工作。 针对松散回潮入口物料含水率波动大造成的松散回潮出口物料含水率难以稳定控制的问题。课题组通过资料查询、深入研究，发现现下流行的机器学习算法可对杂乱的输入数据进行模型建立，并输出稳定的结果数据，该方式完全可以应用到松散回潮出口水分提升工作中。 综合考虑季节变更带来的温湿度差异和设备磨损等转态变化，课题组决定使用机器学习+系统自学习技术手段，建立一套能够自动进行模型训练和系统控制的松散回潮控制系统，系统不仅能够自动训练水分模型实现出口水分控制，还能够根据预设的修正周期、或误差值实现模型自动学习修正，实现真正的自学习、高精度控制。