本文在参阅国内外大量相关文献的基础上，分析了冷连轧机张力控制系统的数学模型和总体控制结构，研究了广义预测控制理论及其设计方法。针对广义预测控制在冷连轧张力控制中受到的实时性限制，推导出一种广义预测控制快速算法，给出Diophantine方程的求解公式及详细的证明过程，该算法避免了Diophanine方程的在线递推求解，减小了预测控制算法的部分计算量。针对张力形成环节的变参数性，本文提出神经网络预测控制的思想，其实质是利用作为对象辨识模型的神经网络产生预测信号，用优化算法求出控制律，从而实现对变参数系统的预测控制。神经网络选为具有良好的函数逼近功能的BP网络和径向基函数神经网络，首先对被控对象进行离线辨识，辨识模型达到一定精度后，在线递推得到预测模型，最后通过极小化性能指标函数得到最优控制律。该算法不仅提高了模型辨识的精度，而且避免了Diophantine方程的在线求解，并将复杂的大矩阵求逆问题简化为简单的对角阵求逆，大大减小了控制器的运算负荷，有利于广义预测控制在冷连轧这样快速系统中的应用，进一步拓宽了预测控制的应用范围。最后，研究了基于Hopfield神经网络的广义预测极点配置控制，该算法将神经网络快速优化计算的性能引入预测控制中，弥补了预测控制的不足，提高了算法的实时性。