在造纸过程中,定量是表征纸张产品基本指标的重要物理量。由于用户对纸张质量要求的提高以及生产厂家为了对成本的控制,纸张定量横向分布控制受到越来越多的关注。横向测量点和执行器数目众多(横向测量点数从100至1000不等,执行器数目从10至100不等)、系统存在很大的滞后时间、相邻的执行器之间强耦合、不确定因素多等,所有的这些原因使得纸张的定量横向分布控制是造纸过程中最为复杂的控制对象之一,建模困难,用传统的控制方法难以获得理想的效果。广义预测控制(GPC)像其它的预测控制方法一样,可在优化中考虑各种条件约束,又有很好的鲁棒性和抗干性,与常规控制相比,能更好地实现动态控制;另一方面,GPC采用的是受控自回归积分滑动平均(CARIMA)模型,控制律包括积分作用,可以自动消除控制系统的稳态偏差,因此,在单变量线性系统中获得了广泛的应用。当把这种成功的控制思想应用于强非线性强耦合系统时,需先解决解耦和建模的困难。而神经网络以其并行处理、分布式存储、对非线性函数的逼近功能、较好的鲁棒性、自适应性和自学习功能为多变量非线性系统解耦和建立非线性系统GPC的数学模型提供了一条途径。本文首先对GPC算法加以分析研究并利用matlab对算法进行仿真,然后通过对仿真曲线的分析,选取合适的耦合宽度。通过神经网络对系统解耦,使系统成为单变量无耦合的系统,然后运用GPC算法对解耦后的系统进行控制;最后,利用matlab对系统进行仿真,验证其控制效果。