火电厂锅炉高温过热器的过热汽温是一类非线性、时变性、大时滞、大惯性的典型对象。目前主要采用常规串级式PID控制，在干扰量大、工况发生变化时，难以达到理想的控制效果。神经网络预测控制(NNPC)充分利用了神经网络的非线性映射能力以及预测控制滚动优化、反馈校正的机理，更符合此类复杂系统控制的不确定性和时变性的实际情况。为了进一步改善NNPC的性能，本文将具有全局搜索能力、实用性强的改进粒子群优化算法(MPSO)融合到NNPC中，提出了基于MPSO算法的RBF神经网络混合优化(MPSO-RBF)策略，构造了基于MPSO-RBF混合优化策略的模型预测器，以及基于MPSO算法的非线性优化控制器。针对过热汽温的控制，给出了基于神经网络预测控制的串级控制系统，并就该系统在实现时所涉及到的预测模型、滚动优化算法、反馈校正、仿真参数设置问题等进行了分析，给出了MPSO算法的粒子编码、操作设计和混合优化算法步骤。最后针对某超临界600MW直流锅炉高温过热器的过热汽温控制进行了仿真试验，结果表明该方法具有更好的性能指标。