遗传算法、模糊神经网络与模型预测控制都是七十年代后发展起来的理论,该篇论文根据模型预测控制理论的研究现状,以及实际工业过程控制应用中所面临的对模型预测控制所提出的新要求,主要针对当前模型预测控制理论所面临的若干亟待解决的问题进行了深入的研究和探讨,将遗传算法、RBF模糊神经网络与预测控制相结合,提出了一种基于遗传算法的RBF模糊神经网络预测控制器,并以CSTR为对象进行了仿真.该文的主要研究工作概括如下:将模糊预测控制和神经网络预测控制相融合,构成RBF模糊神经网络预测控制系统.它弥补了单纯预测控制算法在性能上精度不高、仅适用于线性系统、缺乏自学习与自组织功能和鲁棒性不强的缺陷,达到了日益提高控制性能的目的,提高了控制系统的实时性,改善了系统的静态精度和动态跟踪性,对于参数时变系统或外界扰动具有良好的鲁棒性.利用遗传算法的全局搜索功能,将遗传算法引入模糊神经网络预测控制,对遗传算法在充当预测控制优化器方面进行了研究.构成了智能预测控制模式,由此进一步增强了预测控制处理复杂对象、复杂任务和复杂环境的能力.最后,作者在总结全文工作的基础上,指出了若干有待进一步深入研究的问题.