针对火电厂主蒸汽温度的大迟延、模型不确定性特点，提出一种使用径向基（RBF）神经网络整定PID串级主蒸汽温度控制策略。采用一种最近邻聚类法和梯度下降法相结合的混合学习算法构造RBFI神经网络，在线辨识被控对象并对PID主控制器参数进行在线调整。仿真结果表明，基于混合学习算法的RBF神经网络PID控制器具有控制精度高、响应速度快的优点，系统动态品质优于常规算法的RBF神经网络PID控制。

某超临界600MW机组冲转时存在锅炉侧主蒸汽温度高、压力低的问题，与汽轮机要求的冲转参数不匹配。对此，提出了维持锅炉燃油量12-13t／h、冲转时退出给水流量低保护、给水流量降至160-180t／h、机组冲转随机投入高低压加热器、给水温度提高到200℃以上等措施，实施后，可控制主蒸汽温度为400℃，主蒸汽压力为6-8．73MPa，锅炉水冷壁壁温在350℃以内，效果良好。解决了冲转时主蒸汽温度偏高的问题，节约了燃油，具有很好的经济性和安全性。

提出了一种基于多目标遗传算法和多属性决策的PID参数设计方法。综合考虑了系统超调量、稳定时间和时间乘以误差绝对值积分（ITAE）指标，采用改进非支配解排序的多目标遗传算法（NSGA II）求出帕雷托（Pareto）最优解，并用逼近理想解的序数偏好方法（TOPSIS）进行多属性决策（MADM）研究，对Pareto最优解给出排序。通过计算锅炉主蒸汽温度PID控制的数值算例结果表明，采用多目标进化算法和多属性决策技术相结合的方法通用性好，所设计的PID性能优异，适合实际应用。