锅炉过热汽温在工业控制中是一个具有时变、大滞后特性的对象，目前使用较多的控制方法是传统的PID算法，但是PID算法的控制效果并不理想。而目前的优化算法大多需要精确的数学模型信息，这在工业控制中是较难获得的。数据驱动中的无模型自适应控制算法(MFAC)，该算法具有不依赖于被控对象模型具体信息的优点，所以当被控系统在不同状态下或发生改变时，无模型自适应控制算法就可以根据被控系统的输入输出数据得出此时需要的控制量。　　本文首先介绍了过热汽温在工业上的应用以及其控制策略。锅炉的过热汽温在控制上面的难点主要是由于其自身的滞后性以及其在不同负荷下的时变性导致的。根据以往的过热汽温特性和信息，得出了不同负荷下锅炉过热汽温对象的模型。　　接着介绍了传统的无模型自适应控制算法的基本概念，引入了伪偏导数的新名词，推导出SISO(单输入单输出系统)和MIMO(多输入多输出系统)两种形式的紧格式无模型自适应控制方法，并对其稳定性和收敛性进行了数学分析。之后根据大滞后系统模型的特点提出了一种改进的无模型自适应控制算法(IMFAC)，对其稳定性和收敛性进行了证明。在Simulink(仿真中，使用PID，MFAC和IMFAC算法对过热汽温模型进行控制，并针对IMFAC算法的参数进行量子粒子群算法的寻优，使得IMFAC算法获得了较好的效果。　　然后引入灰色预测算法，该算法同样是依据系统输出数据对系统未来运行趋势进行预测。经过数学推导，得出其算法实现步骤，将其分别与PID，MFAC算法进行组合，得出PID-GREY，MFAC-GREY两种新型的灰色预测控制算法分别应用于过热汽温模型，都在其基础算法上改善了控制效果。　　最后介绍了Ovation DCS系统的框架，构造了最小系统。将无模型自适应控制算法和改进的无模型自适应控制算法通过Ovation DCS的先进算法工具盒子(PBLOCK)写入Ovation控制逻辑中。在DCS逻辑中调用编辑好的算法块，使用串级PID-PID，MFAC-PID，IMFAC-PID三种算法对过热汽温模型进行控制，比较后发现串级IMFAC-PID的控制效果更为理想。