循环流化床(Circulating Fluidized Bed,CFB)锅炉具有环保、节能、燃料适应性广、燃烧效率高等优点,目前已在国内外得到广泛应用。但是其燃烧被控对象存在非线性、大时延、强耦合等特点,因此在现场控制效果一直不太理想。其现场应用最广的是传统PID控制器,但传统PID参数的设置需要进行人工整定,难以调整到最佳控制状态。因此需要对CFB锅炉燃烧系统的控制做进一步研究。论文在分析国内外CFB锅炉燃烧控制系统现状后,找出现阶段CFB锅炉燃烧控制系统存在的问题,并依据火力发电厂实际生产过程中采集到的相关历史数据(阶跃响应数据),采用试验建模方法得到床温和主汽压被控对象的数学模型。采用对角矩阵解耦方法对二者进行解耦,并使用具有分工特征的蚁群算法对PID控制器的三个参数Kp、Ki、Kd进行寻优。蚁群算法是一种仿生进化算法,具有分布式并行运算的特点,通过引入分工、创新等理念对其进行改进,能改善其全局收敛能力。利用改进后的蚁群算法对PID控制器参数进行寻优,然后用参数寻优后的PID控制器实现对床温和主汽压的独立控制。考虑到CFB锅炉燃烧系统难以建立精确数学模型以及床温与主汽压之间存在的强耦合,论文还提出了模糊解耦控制方案。由两个主模糊控制器实现对床温和主汽压控制,由两个模糊控制器作为解耦器实现系统解耦,这样就能够保证系统解耦同时实现对床温和主汽压的单独控制。采用300MW循环流化床典型工况下的数学模型,在Matlab仿真平台上搭建Simulink仿真框图分别对这两种控制方案进行仿真。在被控对象给定值阶跃扰动下,将这两种方案与传统PID控制方案进行对比。仿真结果表明,改进蚁群算法能够很好的优化PID控制器参数,实现控制参数的快速寻优;而模糊解耦控制法能够很好地实现床温和主汽压之间解耦。同时这两种控制方案与传统PID控制方案相比较具有响应速度快、超调量小等优点。最后对论文提出的两种控制方案进行了改变被控对象参数、加入扰动等一系列仿真,验证了方案的鲁棒性。