电厂中末级过热器出口的主蒸汽温度是火电机组控制中的一个非常重要的监测和控制参数，过高或过低都会直接影响到机组的安全性和经济性。因此，如何针对电厂热工特性对主汽温度进行合理有效的控制，保证有较高的燃烧效率，生产出合乎要求的蒸汽是目前控制的难点和热点。传统的控制方法必须建立精确的数学模型，对于主蒸汽温度控制系统这种具有非线性、时变性、大迟延性、大惯性等特点的复杂系统，控制效果不佳。而智能控制是从系统的功能和整体优化的角度来分析和综合系统，不依赖于被控对象的数学模型，可以有效解决这一难题，能对这类复杂系统进行有效的全局控制。因此，将智能控制应用于主汽温控制是一种必然的发展趋势，目前应用于电厂主蒸汽温度控制系统的智能控制方法主要有模糊控制、神经网络控制、模糊神经网络控制、遗传算法控制等。本文根据主蒸汽温度控制存在的主要问题，提出一种基于模糊神经网络控制技术的复合智能控制策略。保留原串级PID控制系统结构简单、易于实现且鲁棒性强的特点，并在此基础上引入模糊神经网络和RBF神经网络等智能控制，有效地利用人的经验知识，增加系统的智能性，从而使系统的控制品质得到提高。为了维持串级控制系统的优点，系统副回路采用比例调节器P，实现对各种内部扰动的抑制作用；同时在副回路中加入神经网络前馈控制，弥补反馈控制在克服系统大延迟性方面的不足，以此来解决主蒸汽温度的大延迟性问题。将常规串级控制系统中主回路所采用的PID控制器改为基于模糊神经网络的自适应PID控制器，实现对各种外部扰动的抑制作用；并通过神经网络辨识为模糊RBF神经网络提供一个反传信号，实现模糊神经网络的在线学习。使系统具有自学习、自适应能力，依据运行状态合理调整系统控制参数，以保证主蒸汽温度在各个工况下都能达到理想的控制效果，并通过MATLAB对某600MW机组主汽温控制系统进行仿真实验，仿真结果表明本文提出的新型控制策略是行之有效的，能够取得令人满意的控制效果。