对能源需求的日益增加促进了电力工业的发展,各种大容量、高参数的火电机组不断投产,自动化程度愈来愈高,对过程控制系统的控制品质也提出了更高的要求。掌握被控对象特性(即数学模型)是确定最佳控制参数、设计合理系统的基础。而建模后对复杂的控制系统用传统的经验分析法确定其合理性和调节品质已远远不足。因此,研究基于现代优化技术的模型辨识方法和控制器参数整定技术对于提高火电机组的控制品质有着重要的意义,也是机组优化运行、提高运行经济性的一项重要措施。论文主要由三部分组成。第一部分对遗传算法进行了研究。针对传统遗传算法解决问题时普遍存在的早熟和局部收敛的问题,本文提出一种改进的实数编码自适应遗传算法,并验证了改进算法的有效性。第二部分研究一种基于改进遗传算法的热工过程辨识方法。首先阐述了基于遗传算法的过程辨识原理。作为一种通用性较强的辨识方法,分析和仿真验证了当测试信号为各种信号或测试信号含有噪声时本文提出的算法的有效性。由于基于阶跃响应曲线拟合的系统辨识方法是以响应曲线拟合程度为判定准则而进行工作的,理论上一个系统存在无穷多个满足拟合条件的对应系统模型问题,本文对基于遗传算法的这类辨识方法的可能性和可靠性进行了分析,并得出肯定的结论,为此类系统辨识方法的工程应用提供了依据。根据热工过程对象的特点,分析了采用通用传递函数式进行辨识时存在着各参数差异较大和参数失配的问题。根据热工过程阶跃响应曲线的特点,对热工过程传递函数式进行归类和综合,从而有效地克服了采用通用传递函数式进行辨识时存在的问题,仿真结果表明该方法是有效的。第三部分研究一种基于改进遗传算法的PID参数优化方法。首先对PID参数的整定技术进行了比较全面的综述。在此基础上,提出一种基于遗传算法的PID参数优化整定技术。该方法直接利用遗传算法的全局寻优能力来得到被调量和调节量的线性二次全局最优,从而避免了常规的基于LQ最优控制设计中求解繁琐的Riccati方程的问题,因此更具有通用性。仿真研究结果显示该方法是有效的。论文对遗传算法的原理和各种算子进行了定性的分析,改进了传统遗传算法的策略,提高了全局寻优能力,并将改进的遗传算法应用于热工过程辨识和PID参数优化,具有良好的通用性和精确度。仿真结果表明该算法是有效的,具有很好的工程推广应用价值。