在石化、酿酒、造纸及冶金等一些常见的复杂工业生产过程中,广泛的存在着一些大时滞对象。时滞系统的控制问题一直是困扰复杂工业对象自动控制领域的一大难题。这类控制过程的特点可概括为:当控制作用产生后,在滞后的这个时间范围内,对象的被控参数完全没有响应,从而使得在出现扰动的情况下,控制系统无法及时的跟随控制量的变化而进行调整以克服系统所受的扰动,因此这样的过程必然会产生比较明显的超调量同时也需要较长的调节时间。针对复杂对象的时滞问题,采用传统的控制方法,如PID控制或者单一的Smith预估控制,往往都难以取得较好的控制效果,因此,众多学者从传统控制出发,提出了比如针对大时滞现象改进后的PID算法或Smith预估控制,此外类似模糊控制、鲁棒控制等这类先进控制算法在大时滞对象中也得到广泛的应用,有效的推动了时滞系统控制的发展。本文在较全面地分析了时滞系统的现有控制方式的基础上,重点讨论了动态矩阵控制(Dynamic Matrix Control,DMC)算法在时滞对象运用及针对工业现场中存在的不可预测干扰和时变时滞问题提出了自己的解决策略。虽然动态矩阵控制由于其预测控制机理可以实现对复杂时滞系统的控制,但预测控制在克服干扰方面有一定的不足,及单一的预测控制算法对时变时滞的自适应能力较差,针对扰动抑制问题本文通过改进受扰时主控算法的控制量的计算,提出了一种能快速抑制扰动的预测控制策略,而针对时变时滞问题则提出将遗传算法(Genetic Algorithm,GA)引入对对象时滞进行在线辨识,然后将辨识结果反馈给DMC主控算法,使其控制参数能得到及时的调整以适应对象时滞的变化,仿真和试验结果表明本文提出的控制策略在干扰抑制和适应对象时滞变化方面有较好的控制效果。啤酒发酵过程是一个复杂的生化反应过程,该过程中发酵罐的温度参数是直接影响啤酒发酵质量和决定啤酒口味的重要因素。而啤酒发酵罐温度对象是一类典型的时变大时滞系统,因此根据本文提出的控制策略,以啤酒发酵罐温度对象为应用背景,将本文控制策略应用于啤酒发酵罐的温度控制上,试验结果表明本文控制策略在啤酒发酵罐过程温度对象的控制中取得了较好的控制效果。