线性模型预测控制已经在工业过程控制中获得了广泛应用；但是对于强非线性系统，采用线性预测控制方法不能满足要求，在这些场合就需要非线性的预测控制方法。但是，非线性模型预测控制由于其自身的复杂性，无论是理论分析还是实际应用都相当困难。因此继续深入研究非线性预测控制方法，具有重要意义。 本文在概述线性预测控制算法的基础上，从非线性系统的结构和特点出发，研究了几种适合于非线性预测控制的滚动优化方法，并对此进行了仿真研究。本文的主要内容如下： 1．针对Hammerstein模型，研究了一种基于两步法的滚动优化策略，并且证明了该策略的闭环稳定性。该策略首先对模型的线性部分使用广义预测控制的算法，然后通过求解非线性方程得到所求的控制量。当非线性方程无实根时，提供了两种近似解法，并分析了其误差。最后将两步法的滚动优化策略推广到具有类似结构的非线性系统。 2．分析了实际工业过程的复杂性，对多目标和约束问题进行了定性的归纳和研究，在此基础上提出了一种基于遗传算法的滚动优化策略。给出了整个滚动优化算法的实施流程，并且研究了能提高算法快速性的遗传算子。 3．介绍了多模型的控制策略。从非线性状态空间模型出发，给出了一种比较通用的非线性系统的多模型建模方法。从子模型的个数、子模型的切换、参考轨迹的构建等方面，分析并研究了提高控制性能的措施。 4．通过6个典型实例的仿真计算，证明了本文所提出的非线性预测控制方法的可行性，以及各项提高控制性能的措施的有效性；比较并分析了上述几种方法的优点与不足。