电站锅炉是工业生产和生活中重要的动力源，在整个能源消耗中占相当大的比重。提高锅炉的运行热效率、降低能耗是多年来技术改造和节能工作中意义深远的课题。目前锅炉控制的核心问题就是对燃烧过程进行最有效的控制。如何使主蒸汽压力既具有良好的动态特性，又能使入炉燃料得以充分燃烧，是燃烧过程控制的关键。 锅炉燃烧控制系统是典型的多变量、非线性、时变、存在大时滞的复杂系统，对象模型难以建立，采用传统的控制方法，很难达到理想的控制效果，因此有必要研究新的智能控制策略。目前，模糊控制、神经网络正在控制领域显示出巨大的潜力，预测控制：在实际工业生产过程中也得到了一定的应用。本文在对上述三种方法分析研究的基础上，综合利用三种方法，提出了一种基于神经网络模型的模糊预测控制方法，首先，针对广义预测控制中滚动优化过程存在的问题，研究利用模糊控制实现传统的滚动优化；然后，针对基本预测控制都是基于线性模型的局限性，研究将神经网络引入模糊预测控制，用神经网络模型实现模型预测；最后，研究该算法在锅炉燃烧控制系统中的应用，并用Matlab编制了算法程序，通过仿真研究，证明了该算法对锅炉燃烧系统能进行有效的控制，也可以推广应用到其他非线性、大时滞系统的控制中。 本课题的主要：工作和研究内容如下： (1)分析了锅炉燃烧控制系统及与本课题相关的智能控制方法的发展现状。 (2)研究了广义预：测控制和模糊控制的基本原理，针对广义预测控制中滚动优化过程运算量过大、采样周期不能太小而导致的抗干扰性差的问题，将模糊控制与广义预测控制结合起来，用模糊控制器实现预测控制的优化求解。 (3)研究了径向基函数神经网络的非线性建模能力，用神经网络模型代替传统的预测模型实现未来信息的预测。并将神经网络、模糊控制、广义预测控制结合起来，设计了一种新的智能控制器：基于神经网络模型的模糊预测控制器。 (4)分析了煤粉浓度在线监测的必要性，设计了一种实用的煤粉浓度监测方法。 (5)分析了电站锅炉燃烧控制系统的特性，对主蒸汽压力和烟气含氧量分别设计了相应的智能控制策略，并进行了仿真实验。