循环流化床锅炉(Circulating Fluidized Bed Boiler,CFBB)是目前国内外非常热门的一种燃煤锅炉,具有环保、节能、燃烧效率高、燃料适应性广、负荷调节性能好等优点。与煤粉炉相比,CFBB内部结构更复杂,物质反应更剧烈,能量的转换和传递过程更繁琐,煤粉炉的常规控制方案直接用在CFBB燃烧过程的自动控制系统中达不到CFBB的控制要求。因此CFBB燃烧过程控制系统还需要进行深入研究。论文先对CFBB燃烧过程控制系统的研究背景和意义以及火电厂燃烧系统中解耦技术和控制技术的国内外研究现状进行分析,然后对锅炉结构、生产工艺以及相关控制任务进行总结。根据300 MW CFBB实际运行数据建立主汽压和床温的数学模型,并结合该数学模型分析主汽压和床温之间的耦合特性。对于CFBB燃烧系统中的两个被控变量主汽压和床温,先采用BP神经网络解耦器对两者进行解耦,然后采用基于改进遗传算法优化PID参数的控制器进行控制。BP神经网络解耦器的本质是前馈补偿解耦原理和BP神经网络的结合,该解耦器不仅具备前馈补偿解耦的动态解耦特性,还拥有BP神经网络的自学习能力,能够有效地使多输入多输出(Multiple Input and Multiple Output,MIMO)系统变成若干个相互独立的单输入单输出(Single Input Single Output,SISO)系统。基于改进遗传算法优化PID参数的控制器的设计思路是利用遗传算法搜索最佳PID控制器参数,从而达到改善控制效果的目的。同时,为了确保遗传算法在具有良好搜索品质的前提下拥有较好的搜索进度,利用模糊控制分别对主汽压和床温的遗传控制器的交叉算子和变异算子进行调控。对于300 MW CFBB在典型工况下主汽压和床温的数学模型,利用MATLAB仿真软件建立Simulink仿真框图,分别对BP神经网络解耦方案和改进遗传算法优化PID控制方法进行仿真。仿真实验结果表明,基于BP神经网络的前馈补偿解耦算法能够有效地对主汽压和床温进行解耦;基于改进遗传算法参数优化PID参数的控制方案相比于传统PID控制方案具有更快的响应速度,更小的超调量以及更佳的抗扰性。