目前，环境污染问题日益严重，循环流化床锅炉以其低污染、高效燃烧技术引起了国内外众多学者的普遍关注，然而建立循环流化床锅炉的数学模型一直都很困难。为此，本文区别于传统的机理建模方法，从控制角度出发，建立循环流化床锅炉床温系统和主汽压力系统的模糊模型，并以此模糊模型为基础，利用智能控制算法设计解耦控制器。模型是否准确，是否真正的反应被控对象特性是学者们一直关注的问题，只有具备了有效且精确的数学模型，才能提高控制器的控制水平。本文利用被控对象的输入输出数据建立了循环流化床锅炉床温和主汽压力的模糊模型，此模糊模型较之于传统的传递函数模型更适合控制器的设计。模糊建模方法主要采用模糊神经网络算法，该方法融合了模糊逻辑的推理能力和神经网络的学习能力，物理意义清晰。最终床温和主汽压力模糊模型分别由五条不同的模糊规则组成。循环流化床锅炉是一个复杂的被控对象，床温和主汽压力之间存在着严重的耦合关系。为此，本文在模糊模型的基础之上，利用PID神经网络算法和模糊神经网络算法分别对其设计了解耦控制器，并分别进行了MATLAB实验仿真，将结果同未解耦时的情况进行对比，结果表明两种解耦控制器都能够满足控制要求。最后文章对两种算法的解耦效果进行比较发现，模糊神经网络解耦控制在系统响应的快速性方面更具有优势，能够在训练次数较少的情况下使系统快速解耦。因此，当系统要求快速解耦时，模糊神经网络解耦器比PID神经网络解耦器更适合控制要求。