水轮机调速器是保证水电厂发电机组稳定运行的重要控制设备，直接关系到机组的安全稳定运行。论文主要研究智能控制在水轮机调速器中的应用。水轮机是一个非线性非最小相位系统，难以精确建模。本文指出了国内广泛使用的简化线性模型的不足之处，提出了新的建模方法，根据水轮机的非线性动态方程，建立了较为精确的水轮机非线性模型，并将水头的变化和空载流量都考虑在模型中。根据建立起来的水轮机非线性模型，本文对其进行了神经网络辨识。在神经网络自学习过程中，引入了自适应学习速率和误差批处理法，加快了学习速度。采用监督式训练方法，对过拟合有较好的抑制作用，使其不易陷入局部最小值，加快了收敛速度。本文用人工神经网络PID ( N-PID )对水轮机进行智能控制，它采用3层前向网络结构，将神经网络和PID控制规律融合为一体。推导出了N-PID控制器的前向算法和反传算法，讨论了N-PID网络权重初值的确定和对输出进行限幅的处理，在对使用N-PID控制器的水轮机调节系统所作的仿真实验中，获得了良好的动态和静态性能。本文用遗传算法优化工程中广泛使用的PID控制器的参数，采用变参数区间、变交叉变异概率等方法提高计算速度，并对适应值函数进行了改进。仿真表明遗传算法可有效的根据优化要求选择效果最优、鲁棒性好的PID参数。作者利用FX2N系列PLC内部的高速计数器和简单的外围电路，实现了对机组频率的测量，满足了工程实践中对测频可靠性、实时性和精度的要求。