主蒸汽温度是火力发电锅炉的一个重要被控参数,其稳定性影响到发电机组运行的经济性和可靠性。锅炉的正常运行通常要求主汽温在设定值的±5℃范围内变化。由于锅炉汽温对象具有的大惯性、大延迟、不确定性和干扰因素多的特点,尤其是在燃料量波动非常大且不受控制的冶金行业煤气发电锅炉中,常规PID控制算法无法满足实际控制需求,经常需要人工进行干预。因此,设计一种结构简单、易于实现且具有更强的抗干扰和鲁棒性的控制算法对于实现发电机组的安全稳定运行具有重要意义。本文以涟源钢铁公司F3#150t燃气发电锅炉为对象,研究了自抗扰控制技术的实现过程和控制机理,针对其可调参数多且不易整定的问题,结合线性自抗扰控制理论提出了基于RBF神经网络在线辨识的单神经元改进线性自抗扰控制方法。论文在详细分析燃气锅炉过热汽温控制系统和影响因素的基础上,利用最小二乘法辨识过热蒸汽导前区和惰性区汽温对象的多输入单输出仿真模型,并利用RBF神经网络辨识器对仿真模型的Jacobian矩阵进行在线辨识,以实现神经元改进线性自抗扰控制器对控制量加权系数的在线优化。仿真结果表明:RBF神经元改进线性自抗扰控制器拥有最少的控制器参数且获得了比自抗扰控制器更好的控制性能。最后将该控制算法应用于发电锅炉现场的智能优化控制系统,实现对锅炉主汽温的调节,应用结果表明:与原前馈PID控制系统相比,RBF神经元改进线性自抗扰控制算法进一步减小了主气温波动范围,提高了主气温参数的动态控制品质,缩短了系统调节时间。