在火电厂生产过程中，过热蒸汽温度的过高或过低，都会给安全生产带来不利影响，必须严格控制过热器出口的蒸汽温度，使它不超过规定的范围。 本文在深入了解火电厂热工过程的基础上，分析了影响蒸汽温度变化的各种扰动因素，采用机理分析法，建立了蒸汽温度系统的仿真数学模型。根据神经元控制理论，在探讨了基本的神经元控制算法的基础上，分析了神经元增益对控制性能的影响。利用实际输出和期望输出之间的误差及误差变化等信息构造了PID自适应调节增益神经元控制算法。设计了蒸汽温度控制方案，采用串级控制系统，主控制器采用PID自适应调节增益神经元控制器，副控制器采用常规PI控制器。仿真试验表明，新控制器有着良好的控制效果，在抗干扰和适应工况方面优于常规PID控制器。针对PID自适应调节增益神经元控制器在系统响应速度方面的不足，研究了其改进算法，神经元增益为逐步衰减函数的控制器。仿真试验表明，改进算法比常规PID控制系统和PID自适应调节增益神经元控制器在动态过程的平稳性和快速性方面有所改善。研究了神经元增益、学习速率、初始权值等控制参数对系统控制性能的影响，对控制器性能改善和初始参数选择具有一定的指导意义。 另外，作者在Hang等提出的改进型Smith预估方案基础上，设计了一个基于BP神经网络的补偿器来解决不确定系统的大延迟对系统控制性能的不利影响，同时利用神经网络的系统辨识来解决不确定对象的建模以及延迟时间的辨识问题。数字仿真结果表明，该方法可以在不知道对象的数学模型的情况下对大延迟对象进行控制，并且当对象的特性发生变化时，它能自动的辨识对象，取得较好的控制效果。