间歇过程凭借其高附加值和多品种等特点成为当下热门的生产方式,吸引大批国内外的专家对其进行研究。随着工业化水平的不断提高,系统发生故障的可能性大大增加,故障对系统的稳定性有很大的影响。时滞容易使得生产变得滞后,影响着生产效率。预测控制能预测下一个时刻的最优控制律,从而使得系统时时寻优,使系统能很好地找到一个更好的状态。故在时滞和故障的双重影响下研究间歇过程预测容错控制有着不可忽视的作用,对高效生产有着重要影响。本文研究的主要工作如下:针对带有状态时滞和执行器故障的间歇过程,首先引入状态误差和输出跟踪误差,应用迭代学习控制理论,把2D状态空间模型转化为等价的2D-Roesser闭环模型。根据所设计的优化性能指标和Lyapunov稳定性理论,以LMI的形式给出MPC问题可解的充分条件,并给出系统稳定的理论证明,从而提出一种新的解决依赖时滞2D约束迭代学习预测容错控制方法。最后,通过仿真,证明方法的可行、有效性。针对带有多时滞、干扰和执行器故障的间歇过程,研究了2D鲁棒模型预测容错控制。首先通过引入批次间的状态误差和输出跟踪误差,结合迭代学习控制律,建立带有多时滞的等价2D-Roesser系统模型。在此模型基础上,提出不变集的定义,建立此模型的状态具有不变集特性的充分条件。接着,设计预测控制器及选取抗外界干扰的具有终端约束的性能指标函数,给出某些约束条件。采用Lyapunov—Razumikhin Function(LRF)代替Lyapunov—Krasovskii Function(LKF),构建满足终端约束条件的预测控制系统,其状态依然具有不变集特性的充分条件。最后,与一维传统方法作比较,仿真实验证明了所提方法是可行、有效的。针对多时滞和执行器故障的多阶段间歇过程,首先结合迭代学习控制律,选取LRF,通过引入定义状态误差、输出误差,将已有的模型转化为建立等价的2D-Roesser状态空间模型。在此模型基础上,定义不变集,建立此模型具有不变集特性的充分条件,并采用平均驻留时间法,证明了系统的指数稳定。然后构建沿时间及批次方向上的预测模型,设计预测控制器及选取抗外界干扰的具有终端约束的性能指标函数,此外给出更新律及输出约束条件,在上述这些条件下,预测模型的终端约束集是不变集的充分条件得以给出,从而构建了优化控制算法。通过注塑成型过程的仿真,证明该方法的可行性。