随着在工业中取得的成功应用,基于线性模型的预测控制已经成为当前控制理论界和工业控制界十分关注的一个热门课题。在实际中,工业生产过程常常表现出非最小相位、多变量强耦合等强非线性特性,预测控制技术已被扩展到非线性过程。近年来,神经网络以其独特的优势被广泛应用于非线性系统的建模与控制中。基于神经网络模型的非线性预测控制逐渐成为解决复杂非线性系统控制问题的重要方法,在工业过程控制中已经显示了其优良的控制性能,有着非常广阔的控制前景。本文正是在这样的背景下,研究了一类非线性系统的广义预测控制,主要内容如下：(1)提出并证明了满足一定条件的一类非线性系统可以将其等价成时变线性系统,从而将线性系统已有的研究方法直接引入到非线性系统,使非线性系统的分析、控制器设计得到简化,为非线性系统的研究提供了一个新途径。通过在线辨识时变线性系统参数,设计了非线性广义预测控制器。(2)研究神经网络非线性系统辨识问题,为了克服BP算法存在收敛速度慢,容易陷入局部极值和辨识精度不高的固有缺点,采用了变尺度法训练,在一定程度上改善了辨识的效果。(3)结合神经网络和模型预测控制策略的优点,提出了基于神经网络非线性广义预测控制方法,首先采用神经网络模型辨识过程对象,然后通过神经网络控制器滚动计算并优化控制输出。(4)本文在MPCE-1000装置上,针对气体压缩实验对象,尝试了基于神经网络的非线性广义预测控制,得到了良好的控制效果。