近年来电力工业发展迅速，而且机组向大容量、高参数发展，大机组对自动化的水平要求日益提高。火电厂常规控制是线性控制，而火电厂生产过程的被控对象具有非线性、时变性和复杂性等方面的特点，常规控制系统在机组工况发生变化时，控制品质将会下降，甚至控制系统不能正常运行，解决非线性的实际问题存在局限。智能控制是非线性控制，研究火电厂智能控制具有重要意义。　　 本文分析了神经网络控制、模糊控制、神经模糊控制以及火电厂控制的发展背景和动态。讨论了神经网络类型及特点；给出了前向神经网络分析的宏观研究方法；分析了前向神经网络的逼近能力和泛化能力，分析了递归神经网络的特点，讨论了神经网络热工控制时需要解决的网络问题、神经网络热工控制在实现时需要解决的实际问题以及实际神经网络热工控制策略实现。讨论了模糊控制的基本原理、模糊控制器的设计方法和步骤，分析了高斯型和广义隶属度型模糊逻辑系统的万能逼近性质，分析了模糊控制的稳定性问题，为模糊控制应用于火电厂实际奠定了理论基础；在简要介绍模糊神经网络和逻辑控制系统的基础上，分析了几种模糊神经网络结构，讨论了模糊神经网络实现的具体问题，分析了模糊神经网络PID控制的鲁棒稳定性。概述了神经模糊系统的主要问题；着重讨论了神经模糊系统的结构优化问题并提出了改进措施；讨论了ANFIS结构及其学习算法；分析了火电厂现有主要控制对象特性和系统的类型、特点。对火电厂热力过程主要系统进行了研究，取得了一些具有学术意义和实用价值的结果。　　 (1)基于非线性理论对模糊控制系统进行了稳定性分析，对波波夫定理进行了推广，提出了适合于火电厂控制的推论，通过电厂实例验证了推论的有效性；基于区间理论对模糊控制系统进行了稳定性分析，利用区间分析方法，可以将非线性模糊系统的稳定性分析问题转化成带有不确定性的线性系统的鲁棒稳定性问题，为利用鲁棒控制的研究结果来分析和设计T-S模糊控制系统提供了有利条件，根据鲁棒控制理论结论推广得到闭环模糊控制系统二次稳定的充分必要条件，并通过电厂实例验证了该法的有效性。　　 (2)给出了模糊神经网络控制系统的一种稳定性分析方法，提出一种热控系统稳定性判别具体实施步骤。结合汽温控制系统实际，先后用常规方法和模糊神经网络分别进了整定，模糊神经网络汽温控制系统的控制效果明显提高，系统的快速性、准确性、稳定性明显增强，达到了火电厂汽温控制的性能要求。　　 (3)针对一阶Takagi-Sugeno模型应用Stone-Weierstrass定理讨论了ANFIS通用逼近性能，进而证明ANFIS的通用逼近性；通过举例说明热控系统ANFIS建模的有效性；　　 (4)针对火电厂制粉系统控制具体的实际情况，提出了实现火电厂神经网络控制策略的具体方案，改进了对角回归神经网络的算法，仿真表明磨出口温度与入口负压控制系统性能指标明显提高，优于传统控制。针对风扇磨直吹制锅炉汽压调节对象惯性大、给煤机给煤量与控制电流呈非线性等特点，提出了模糊免疫控制设计方案，科学合理，整定和仿真简便易行。仿真表明控制效果优于常规控制。首次将RBF模糊神经网络用于汽温控制中的应用，取得很好的效果。提出了一种协调控制神经模糊控制方案，采用该方案针对具体协调系统进行了仿真计算，结果表明所提方案进行控制时各种定值扰动下的汽压和功率单位阶跃响应曲线比常规控制时的相应单位阶跃响应曲线的控制品质好，稳定性高，动态偏差小，调节时间短，提高了火电厂协调控制控制的性能。　　 首次较全面研究了火电厂各种参数的智能控制问题，进行了大量的仿真研究，研究结果表明本文采用的方法优于传统方法，对提高火电厂调节品质和自动化水平有现实意义。