在现代工业领域中,越来越多的将先进控制算法应用到工业过程控制之中,其中研究最为广泛的一类先进控制算法是模型预测控制算法。模型预测控制算法在处理多变量复杂控制系统上有着很多优势。采用模型预测控制算法对工业过程中的多变量系统进行控制时,往往会忽略系统中各被控变量动态响应速度之间的差异,将各个被控变量放在在同一个时间尺度下进行观察和控制。这种控制方式对于各被控变量动态响应速度相差不太大的系统来讲是合理、有效的,然而,对于各被控变量动态响应速度相差很大的系统来讲,上述控制方式不能同时满足各变量对控制量的需求。上述各被控变量动态响应速度存在较大差异的系统被称作多时间尺度系统。其中,将各变量动态响应速度表现为快变量和慢变量两类的系统称作双时间尺度系统。因此,如何将双时间尺度系统中快、慢变量对系统控制量的需求同时考虑到多变量模型预测控制器的设计之中,使得模型预测控制能够更好的解决实际问题,并更好的应用于复杂工业控制应是一个很重要的研究方向。本文针对上述问题,对双时间尺度系统的模型预测控制提出了相应的算法方案。首先通过奇异摄动法将双时间尺度系统模型进行了快、慢时标的分解,得到快、慢两个子系统模型。之后针对快、慢子系统模型中变量动态响应特性的不同,考虑系统输出采样时刻重合和不重合两种情形。然后针对这两种情况系统控制量的计算问题提出了两种解决办法,一种办法是在采样不重合时刻,只基于快子系统模型来计算这类时刻系统的控制量,在采样重合时刻,基于快、慢子系统模型计算出两类系统的控制量,并将这两类控制量进行加权计算后得到的值作为此类时刻系统的控制量。另一种办法是针对第一种算法的不完善之处,将快、慢子系统双方控制与输出间的耦合作用考虑到控制器的设计之中。在第一种算法中,由于采样不重合时刻慢子系统模型输出值信息有缺失,导致MPC控制器不能以系统全部的输出值信息来计算此时系统控制量,第二种方法提出一种估计方法来得到在采样不重合时刻慢子系统缺失的输出信息,从而使得不论在采样重合时刻还是采样不重合时刻,两个子系统模型的预测值信息均能整合到同一预测控制优化问题之中,从而实现了对整个系统的控制。