循环流化床锅炉(CFBB)燃烧控制系统是一个分布参数、非线性、时变、大滞后、多变量紧密耦合的被控对象,燃烧控制难,自动投运率低,实际运行中主要依靠手动控制。本文主要进行了基于神经网络的解耦控制研究。针对国产循环流化床锅炉燃烧控制系统中被控对象(床温和主汽压)强耦合的特点,提出了两种解耦控制方案：将BP神经网络自适应PID控制器(BPPID)与RBF网络辨识算法结合起来,提出了一种基于BP神经网络自适应PID的在线解耦控制算法,该方案解决了当单独采用自适应PID控制算法时,被控对象的信息未知的问题；将BP神经网络自适应PID控制器与分散网络解耦控制算法结合起来,提出了另一种基于BP神经网络自适应PID的在线解耦控制算法,该方案既避免了当单独采用自适应PID控制算法时,多变量被控对象耦合严重,控制效果不佳的问题,又解决了当单独采用分散网络解耦算法时,出现多变量被控对象模型参数发生变化,原有的控制器参数不能适应变化后的对象的问题。仿真结果表明：该两种设计方案具有良好的解耦控制效果,控制系统的调节品质令人满意,两种方案对比,达到稳定的时间相差不大,第二种方案控制误差比第一种方案小；并且两种方案都有一定的鲁棒性。