随着科学研究的飞速发展与应用需求的扩张,传统的优化算法在求解复杂非线性问题时常常具有局限性,而电子计算技术的应用与发展,使研究各种智能优化算法成为热门。粒子群(PSO)算法是一种典型地基于群体的优化算法。相比传统的优化算法,PSO算法的概念简单易懂,可调参数不多,且寻优能力强。然而,PSO算法依然存在着早熟收敛、易陷入局部最优等缺陷,因其理论基础还亟待完善,将其应用于实际优化问题时还存在很多需要改进和提升的地方。通过分析和研究PSO算法的基本原理,本文提出一种多策略融合的PSO改进算法,将其用于优化PID神经网络控制器中,最后将优化的控制器应用于热水锅炉燃烧系统。本文的主要研究内容有:首先,由于在经典线性递减策略中,惯性权重的变化与算法搜索过程的变化不匹配,本文提出一种多策略融合的PSO改进算法。该算法采用多次随机初始化的策略初始种群位置,再对惯性权重引入随机因子,并从理论上对其进行稳定性和收敛性分析。仿真结果表明,本文提出的多策略PSO改进算法较标准PSO算法、LWPSO算法,在搜索性能方面具有明显改善。然后通过PSO算法来优化PID神经网络控制器的连接权值,利用标准PSO算法、LWPSO算法和多策略融合的PSO算法三种不同的PSO算法来优化PID神经网络控制器,对一非线性、多变量的强耦合被控对象进行控制。结果证明,多策略融合的PSO算法优化的PID神经网络控制器对该系统实现了有效地控制,并对比其他两种控制方法来说,不仅控制量迅速接近目标,且控制输出误差更小。最后将热水锅炉燃烧系统作为PID神经网络的被控对象,分别用标准PSO算法、LWPSO算法和多策略融合的PSO算法三种不同算法优化下的PID神经网络控制器对其进行控制,对其控制效果进行对比实验。进一步证明其有效性。