本文在国家重点基础研究发展计划(973)课题“复杂工业生产过程实时智能控制理论与算法研究(2002CB312201)”的支持下,分别针对控制输入受约束的不确定时滞系统、参数未知的非线性系统、以及参数未知的多变量非线性系统这三类复杂被控对象,进行了模型预测控制方法的研究。给出了所提预测控制方法的稳定性分析,并通过仿真实验验证了所提控制方法的有效性。选取一类具有多变量、强耦合、强非线性特性的复杂工业过程的典型实例——强制循环蒸发系统,将多模型自适应解耦预测控制方法应用于强制循环蒸发系统,并且进行了仿真实验研究。本文的主要工作可归纳如下:(1)针对一类控制输入受约束的多面体不确定时滞系统,通过选择适当的二次函数,将难以求解的min-max最优化问题转化为基于线性矩阵不等式(linearmatrix inequalities,LMI)的凸优化问题,提出了时滞相关鲁棒模型预测控制方法。针对上述被控对象,将优化性能指标选取为包含多个终端加权项的有限时域目标函数,提出了单步鲁棒模型预测控制(Robust one-step model predictive control)方法。该方法允许将未来控制序列中的第一个控制量u(k|k)作为自由决策变量,而其它控制量仍然采用状态反馈控制律。以线性矩阵不等式的形式给出了时滞无关和时滞相关两种单步鲁棒模型预测控制器综合方法。并且,证明了上述鲁棒模型预测控制算法的可行性和闭环系统的鲁棒稳定性。通过仿真验证了控制方法的有效性。(2)针对一类参数未知的非线性系统,将自适应预测控制器与多模型方法相结合提出了多模型自适应预测控制方法。该方法由线性鲁棒广义预测自适应控制器、神经网络非线性广义预测自适应控制器和切换机制三部分构成。线性鲁棒广义预测自适应控制器用来保证闭环系统的输入输出信号有界,神经网络非线性广义预测自适应控制器用来提高系统的性能。设计适当的切换策略通过对上述两种控制器的切换,保证闭环切换系统稳定的同时,改善系统性能。给出了上述控制方法的闭环稳定性和收敛性分析。通过仿真验证了所提出控制方法的有效性。(3)针对一类参数未知的多变量非线性系统,设计了由反馈控制器、解耦补偿器和神经网络非线性项补偿器组成的非线性解耦控制器。在此基础上,提出了由线性鲁棒自适应解耦预测控制器、神经网络非线性自适应解耦预测控制器和切换机构组成的多模型自适应解耦预测控制方法。给出了闭环切换系统的稳定性和收敛性分析。仿真结果也表明了利用所提的控制方法得到的解耦效果是令人满意的。(4)建立了强制循环蒸发系统的动态模型,并分析了强制循环蒸发系统具有不确定、多变量、强耦合、强非线性等综合复杂特性。将多模型自适应解耦预测控制方法应用于强制循环蒸发系统,并以强制循环蒸发系统的动态模型作为被控对象进行了仿真实验。仿真结果表明上述控制策略的有效性和实用性。