工业锅炉是重要的动力设备,在我国国民经济发展中占有重要地位。工业锅炉燃烧系统是一个复杂的时变动态过程,具有很强的非线性、紧耦合、大时滞、强干扰,传统的控制算法很难得到理想的控制效果和较高的投运率。在分析国内外锅炉燃烧控制现状、发展趋势的基础上,对工业锅炉燃烧控制进行深入研究,获得了优良的调节品质,具有一定的学术研究价值和实用指导价值。本文提出了两种改进算法:基于LM优化的神经网络广义预测控制和基于跳步预测的多网络并行广义预测控制。前者用BP网络建立对象一步预测模型,递推得到多步预测模型,求出预测模型的雅可比矩阵信息,然后用LM寻优方法代替梯度下降法对控制器进行优化得到控制律,实现了改进算法。LM改进算法充分利用了雅可比信息,加快了控制器参数的优化,提高了控制性能;后者用多个并行神经网络建立非线性对象多步预测模型,其优化性能指标由跳步的预测信息组成,用优化算法优化得到控制量,改进算法所需的网络个数比原算法减少了很多,大大减少了计算量,仿真研究证明了改进算法的有效性。将改进算法应用到锅炉燃烧控制中,给煤控制系统采用“热量需求信号”作为前馈,炉膛温度作为中间被调量的前馈-串级控制,给风控制系统采用给煤量前馈的前馈-反馈控制。引风控制系统采用给风前馈的前馈-反馈控制。进行了仿真研究,改进算法在燃烧控制中取得了满意的控制效果。