温度控制是过程控制领域最重要的控制参数之一，在工业自动化控制中占有非常重要的地位，被广泛应用于电力、石油、化工、造纸、酿造和食品等工业自动化领域。锅炉是典型的温度控制对象，由于加热介质的不同，可以分为两类：一类是燃烧加热方式，另一类是电加热方式，后者由于使用安全、节能环保、方便使用、热效率高等特点，是目前较为理想的供暖设备。锅炉控制是温度控制的一个典型，其动态特征常具有大惯性、大滞后和非线性等特点，难以建立精确的数学模型，如果采用传统的PID控制方式，控制精度较低，控制效果不理想。因此，以锅炉温度控制为研究对象，设计一种有效的控制方法，使系统稳定性好、超调量小且调节时间短的性能指标具有实际意义。本文首先分析了传统PID控制在锅炉温度控制中的不足，在此基础上提出了一种基于神经网络技术的预测控制算法，采用神经网络作为预测控制的预测模型，充分利用了神经网络对非线性映射很强的逼近能力和预测控制中滚动优化的实际最优控制能力。然后对神经网络预测器的主要参数进行了定量分析，确定了各个参数对系统控制性能的影响。最后，以实验室模拟锅炉为研究对象，将神经网络预测控制算法用于锅炉温度控制系统中，与PID控制方法比较，提出一种PID与神经网络预测控制相结合的方法，并达到了良好的控制效果。实验室模拟锅炉测试结果表明本文提出的神经网络预测控制算法在锅炉温度控制系统中是切实可行的，如果能在实际锅炉工程实践中经过工程验证，将会广泛应用于此类过程控制中。