锅炉是工业过程中不可缺少的动力设备,为确保安全,稳定生产,对锅炉的自动控制十分重要,其中汽包水位是一个非常重要的被控变量。由于锅炉的水位调节过程具有非线性、不稳定性、时滞等特点。传统的锅炉水位控制系统大都采用PID控制,难以取得满意的控制效果。本论文在较为系统地分析模糊神经网络理论和遗传算法基本原理、理论的基础上,针对已有控制方法的不足,提出一种基于补偿模糊神经网络的控制方法,通过补偿模糊推理和快速学习算法的引入,构造补偿模糊神经网络控制器;并围绕这一网络结构,对传统遗传算法中的遗传操作进行改进,提出基于遗传算法的优化策略,实现模糊网络结构和参数的优化。本文尝试将模糊网络技术应用到汽包水位控制中,构造基于补偿模糊神经网络的锅炉水位控制器,用以取代目前在水位控制中普遍使用的PID控制器。通过仿真表明本文的控制算法是有效的,其控制效果明显优于PID控制器,而且能有效跟踪被控对象参数的时变及干扰,取得了比较满意的控制效果。本文的主要研究内容如下:1.模糊神经网络理论的研究。详细的研究和探讨了基于补偿推理的模糊神经网络。包括网络结构、学习算法等。2.对遗传算法的研究。在介绍传统遗传算法的基本概念和基本理论的基础上,针对算法未成熟收敛和局部搜索能力差的不足。提出一种混合的遗传算法,该算法采用自适应交叉和变异概率,结合梯度下降法等一系列措施来提高算法的搜索速度,能够快速地找到全局最优解。3.提出了一种基于遗传算法的两阶段优化方案。首先用聚类方法,自动地划分输入/输出空间,确定初始参数,再用改进的遗传算法对糊神经网络进行结构和参数的优化,实现控制器寻优。4.设计基于补偿模糊神经网络的锅炉汽包水位控制系统模型。以系统偏差和偏差变化率为输入,采用本文提出的优化方案,构造基于具有补偿算法的模糊神经网络的自适应控制器。5.仿真研究。利用MATLAB软件对应用补偿模糊神经网络控制器的锅炉气包水位控制系统进行仿真研究,仿真结果表明本文提出的控制算法效果优于传统PID和一般的模糊神经网络控制算法。