锅炉温度控制作为过程控制的一个典型，动态特性具有大惯性大延迟的特点，而且伴有较强的非线性。目前，锅炉温度控制系统广泛采用PID控制器控制水温，但常规的PID控制难以适应系统大范围的时变特性,很难取得满意的控制效果。神经网络预测控制(NNPC)是近年发展起来的一种控制算法，它具有逼近复杂的非线性映射关系、能够学习与适应不确定系统的动态特性等特点，这些特点使其成为非线性系统建模与控制的重要方法。　　 本课题以锅炉作为研究对象，被控量是锅炉内胆的温度。本文针对锅炉温度控制过程中的实际问题，对PID、神经网络预测控制等各种控制算法进行了深入的研究，提出了一种新的智能预测控制算法：在辨识方面，针对传统的RBF神经网络学习方法上的缺点，将PSO优化算法应用到神经网络预测控制中，提出了基于PSO-RBF优化策略的模型预测器。在控制器方面，提出了基于神经网络的预测控制。并且与常规PID控制器相结合，构成了预测—PID串联控制。并结合混合仿真平台，以平台中锅炉温度为控制对象，并将算法应用到实际控制中。通过与各种算法进行比较，实际仿真结果表明该算法能获得较好的控制效果。