循环流化床锅炉(Circulating Fluidized Bed Boiler,简称CFBB)是近年来在国际上发展起来的新一代高效、低污染的清洁燃煤技术。但其燃烧系统具有非线性、多变量耦合、参数时变以及大惯性、大延迟等特点,使其自动控制的实现非常困难。本文采用基于改进粒子群算法的模糊神经网络(Fuzzy Neural Network,简称FNN)控制策略,为这一问题的解决提供了新的思路。本文,首先深入研究了CFBB的结构和工艺流程,在此基础上分析CFBB燃烧系统的动态特性。前人对CFBB为对象的动态建模仿真试验和理论研究,为模糊神经网络控制应用于CFBB燃烧系统提供了保证。然后,详细讨论了模糊神经网络控制器的结构形式和算法实现。并针对BP算法的易于陷入局部极小的缺点,提出一种改进的粒子群算法(Particle Swarm Optimization,简称PSO)对模糊神经网络控制器进行离线优化。最后,将基于改进粒子群算法的模糊神经网络控制应用于CFBB燃烧系统的控制。通过Matlab仿真,从控制效果来看,达到了比较令人满意的效果。模糊神经网络控制在控制稳定性、适应性、鲁棒性等方面均显著优越于常规的PID控制。