热工过程的建模与控制是保证热力设备安全、经济、环保运行的必要措施和手段。随着我国电力工业对环境保护的日益重视，电站锅炉污染物排放控制问题也越来越受到人们的关注。锅炉特性往往具有典型的非线性和不确定性等特点，常规的线性建模方法无法准确描述锅炉典型非线性过程的整体特性，难于实施理想的优化控制。人工神经网络具有较强的逼近非线性函数的能力，并具有自适应学习、并行分布处理和较强的鲁棒性及容错性等优点，为未知不确定非线性系统的建模和控制提供了一种有效的解决途径。 针对电站锅炉NOx排放过程和过热汽温的非线性和不确定性，本文着重研究了这两个典型非线性过程的神经网络建模和控制方法。 电站锅炉NOx排放量的模型分为三类：基于化学反应动力学的CFD模型、人工神经网络模型、集总参数模型。不少学者分别对这三类模型进行过研究，但还没有把这三类模型结合起来进行研究的报道。本文首先对多层前向神经网络 BP的基本构成、常用及改进的学习算法作了简要的介绍，对燃煤过程中的NOx生成机理进行了详细分析，通过将BP神经网络建模方法与NOx生成机理的有机结合，提出了基于NOx生成机理的非线性神经网络模型。在此基础上，利用所建立的非线性NOx排放神经网络模型对某电厂锅炉NOx的排放特性进行了预测，算法不仅可预测锅炉总的NOx排放量，还可预测各层一次风粉单元的NOx排放量，通过预测计算可以定量地获得如下结论：①锅炉各层一次风粉单元生成的氮氧化物量是不相同的，中间几组一次风粉单元生成的氮氧化物量很少，最底层和最上层一次风粉单元所生成的氮氧化物较多；②在保证空气过量系数的前提下，采用过燃风及减少对燃烧区的供氧，是降低NOx排放量的有效措施。显然，这些结论对于有效抑制锅炉NOx的生成及排放具有非常重要的指导意义。另外，由于该NOx神经网络模型具有隐节点数少、泛化能力强及学习速度快的优点，可以有效地对锅炉NOx排放特性进行在线预测和控制。 在RBF网络中，隐层节点的数目和中心分布将直接影响到RBF网络的函数逼近和泛化能力，RBF网络的隐层节点数和中心位置的动态调整已越来越受到人们的重视。本文在对RBF网络的结构、构建和训练算法作了简要的介绍后，从提高网络泛化能力出发，分析了资源分配网络(RAN)和最小资源分配网络(MRAN)的基本算法，通过加入惩罚策略和合并策略，对最小资源分配网络算法的隐节点删减策略进行了有效改进，使改进的MRAN网络具有学习速度快、泛化能力强、计算精度高且具有更加紧凑的结构，十分适合于网络的在线实时调整。在此基础上，本文进一步采用改进的MRAN网络，并结合某300MW燃煤锅炉NOx排放和效率试验数据，建立了电站锅炉NOx排放与效率的非线性神经网络模型，通过计算比较，验证了采用改进MRAN网络所建立的锅炉NOx排放与效率模型具有较高的精度，能满足锅炉NOx排放过程非线性、时变性和不确定性的要求。 影响电站锅炉NOx排放和燃烧效率的因素基本相同，但效果往往相反，如何实现锅炉高效率低NOx排放是人们关注的重要问题。为了实现这一目的，本文在对现有锅炉高效低NOx排放措施进行总结后，对前面所提出的改进MRAN网络学习算法作了进一步的改进，即在每一采样点对过去若干样本点进行反复的EKF学习，使改进的MRAN网络能对在样本点附近区域的样本有较高的预测精度。另外，论文还进一步提出了基于实数编码的遗传算法和改进的模拟退火算法，并把这两种优化方法分别应用于对电站锅炉高效率低NOx排放燃烧的优化调整上，计算结果表明：采用这两种优化调整方法后，锅炉可以在高效率低NOx排放量的优化工况下运行。 电站锅炉过热汽温被控过程具有大惯性、时变、非线性等难于控制的特点。本文在分析神经网络与自适应控制方法相结合的基础上，利用改进的MRAN网络，提出了三种动态神经网络自适应控制算法：神经PID控制(NNPID)策略、神经内模控制(NNIMC)策略和神经PID协调控制(NN-PID Coordinator)策略。并以某电厂过热汽温控制为研究对象，进行了仿真比较研究，结果表明：这三种基于动态神经网络的汽温自适应控制系统均比常规的PID控制系统具有更好的控制品质。三种非线性汽温控制方案中，NNPID系统调节时间最短，但超调量较大；NNIMC和NN-PID coordinator的调节时间和超调量基本相同，控制过程相对较平稳。