目前的火力发电产业中，煤粉炉始终占主导地位，但使用清洁能源是社会发展的必然要求，同时也是社会发展必然趋势，因此循环流化床锅炉燃烧技术应运而生。循环流化床锅炉独特的燃烧方式，使得其具有燃料适应性广、燃烧效率高、负荷调节范围广等优点。在协调控制系统中，与煤粉炉不同的是，还需要加入对床温的控制，才能保证机组的安全经济运行。本文将300MW循环流化床锅炉机组的床温控制系统及协调控制系统作为一个整体进行研究。大型循环流化床锅炉机组的床温控制系统及协调控制控制系统具有控制对象复杂、大滞后、非线性、模型难以建立等特点。一般的控制策略已经不能满足电网对机组床温及协调控制系统的要求和设计，无法达到相应的控制品质。因此，本文在参阅大量文献的基础上，采用遗传算法优化好的RBF神经网络作为辨识模型，并应用到广义预测控制算法中。针对RBF网络隐层中心确定的随机性，利用遗传算法的全局搜索能力，使网络达到最优。该算法不仅提高了模型辨识的精度和速度，而且避免了Diophantine方程的在线求解，从而减少了广义预测控制算法的在线计算量，提高了广义预测控制应用于该系统的实时性要求。最后对300MW循环流化床锅炉机组的床温及协调控制系统进行了仿真研究，仿真结果表明，该算法能够克服时延的不利影响，保证功率能够快速平稳的跟踪设定值，同时主蒸汽压力和床温稳定在合理的范围内，当机组工况发生较大变化时，该算法依然保持良好的控制性能，与smith-PID控制相比，该算法有很好的自适应性和鲁棒性。为解决大型循环流化床锅炉机组的床温及协调控制的问题提供了一条有效的途径。