目前火电厂应用的控制系统中多采用经典PID控制方法,然而,火电机组的生产过程相当复杂,其中牵涉到物质在管道中的传输过程,及煤粉在炉膛内的燃烧过程以及换热过程,而且现在的火电机组多为调峰机组,机组的功率跟随用户需求频繁变化,所以火电机组的燃烧过程是一种强耦合、多工况、大滞后的非线性复杂系统,常规控制方法已经不能适应燃烧过程自动控制的需求。内模控制以其简便的设计方法,独特的鲁棒性以及预测能力等特点,使其在解决热工大迟延过程的控制问题上显示出了巨大的生命力。然而在火电厂中需要控制的生产过程动态特性不尽相同,所以本文在分析内模控制国内外研究现状的基础上,较系统的研究了大迟延、参数不确定热工生产过程的内模控制方法及其理论,研究内容主要集中在以下几方面:首先介绍了稳定线性系统的内模控制理论,总结了线性系统内模控制的结构、参数设定方法及内模控制的性质。应用二自由度内模控制分别设计了控制系统给定值跟踪速度和抗干扰能力。理论研究和仿真结果表明采用经典内模控制不能完全消除积分型被控对象所受到的所有外部扰动。通过内部反馈环节,使积分型被控对象等效为有自平衡线性对象,再通过内模控制策略设计控制系统,针对这种控制结构并不能消除控制系统静差的问题,在控制系统内部设计了一个PID补偿控制器。针对有自平衡的大迟延被控对象,设计了内模控制器,并给出了控制系统稳定情况下被控对象参数的允许变化范围。针对缓变参数的大迟延被控对象提出了自适应内模控制器的结构,改进了自适应律系统辨识算法。针对无自平衡的大迟延被控对象,采用泰勒近似方法逼近被控对象中的纯迟延环节,设计了内模控制系统,并给出了镇定不稳定对象反馈环节的参数设置范围。针对含跳变参数的大迟延对象,研究了自适应多内模控制策略,并针对多模型控制的切换抖动问题提出了自己的解决方法,即控制器采用增量式输出,同时采用切换滞环的方法。采用局部化技术选定一个模型子集作为最优模型子集,以此为基础,进行控制器加权或控制器切换,优化了控制效果,减少了模型的数量。仿真结果验证了其有效性。针对大迟延非线性可逆对象,研究了神经网络内模控制方法。神经网络采用多层前传网络结构;给出了神经网络辨识器和神经网络控制器的训练方法和步骤;针对BP算法容易陷入局部最小的缺陷,提出了数值积分寻优和BP算法相结合的IBP神经网络训练算法。最后,通过仿真实验,验证了本章提出的算法的有效性。以主汽温系统为例,研究了内模控制在热工大迟延过程中的应用。在分析主汽温系统结构和动态特性的基础上,为了克服因机组负荷变化引起的被控对象数学模