近些年，随着经济的飞速发展，能源的生产供应日趋紧张，环境破坏也日益严重，燃煤电站运行面临着高效低污染的双重压力。锅炉作为燃煤电站的重要设备之一，其燃烧过程涉及到多门学科交叉，是一个复杂且相互耦合的过程。对锅炉燃烧过程进行优化调整，能够有效提高燃煤电站运行的安全性和经济性。以锅炉燃烧运行数据为基础，通过人工智能技术对锅炉燃烧过程进行建模、寻优并采用先进控制技术对锅炉燃烧过程进行控制，已成为现今锅炉燃烧优化控制研究的焦点，针对这一问题，本文主要从以下几个方面对锅炉燃烧优化控制进行了研究:　　对锅炉的燃烧特性影响因素进行了重点分析，以600MW超临界直流锅炉为研究对象，设计锅炉燃烧优化调整试验方案，并按此方案进行了锅炉燃烧优化调整试验研究，对试验数据结果进行了研究分析。　　详细介绍了模糊神经网络(FNN)技术，采用基于实数编码的自适应遗传算法对模糊神经网络学习算法进行了改进，提出了一种改进的T-S模糊神经网络。针对锅炉燃烧过程非线性、强耦合的特征，以大量热态运行数据为基础，采用该T-S模糊神经网络建立了锅炉燃烧特性模型，并运用测试样本对模型精度进行了检验，结果表明本文建立的锅炉燃烧特性模型具有较高的预测精度。　　以锅炉热效率和NOx排放量为优化目标，根据优化目标之间不同的的权重比，采用遗传算法(GA)对锅炉燃烧工况进行优化，得到优化后各操作变量的推荐值，并对优化结果进行分析。　　以人工智能建模算法和智能优化算法为基础，设计了一套锅炉燃烧优化控制系统，介绍该系统的主要组成构架及特点，通过对锅炉燃烧优化控制系统投运前后锅炉热效率和NOx排放量的统计比较，证明此系统对锅炉燃烧效果有明显改善，达到了预期的优化控制目标。