有色冶金生产过程中普遍存在由一系列相似环节串联而成的串级过程,各环节之间存在着工艺流程方向上的关联作用,系统整体具有单向不可逆性。由于物料及能量在管道或容器中的传输时间,物质反应及能量交换需要一定的过程,检测仪器或装置的响应时间和执行机构的动作时间等,导致了系统存在很大的纯滞后。大时滞的存在,增加了长流程生产过程工艺指标稳定控制的困难。另外,由于实际的生产过程大多是复杂的动态过程,当描述对象的数学模型与实际对象特性之间存在较大误差时,模型误差会对预测控制的精确预报产生较大影响。为了克服过程参数时变对预测模型精度造成的不利影响,本文基于改进的粒子群优化(Particle Swarm Optimization, PSO),提出了一种自适应预测控制算法。利用PSO算法对预测模型的全部参数进行在线辨识,从而克服预测模型失配对系统控制性能的影响,并且将粒子群优化算法用于预测控制滚动寻优过程中,有效解决了系统存在约束条件下的最优值求解问题。仿真结果表明,该算法具有很好的动态性能和鲁棒性。针对串级生产过程的结构特点和大时滞特性,提出了一种分散预测控制算法。根据生产过程结构特点,将其分解成一系列较小时滞子过程,并将与某子过程相关联的其它子过程的控制输入看作是对该子过程的外部可测量扰动,从而将对象模型分解为过程模型和干扰模型。基于干扰模型和过程模型,对每个子过程,采用前馈补偿和滚动寻优策略进行预测控制。在氧化铝连续碳酸化分解过程的应用结果表明该方法能明显改善系统耦合和大时滞特性对系统控制性能的影响,并具有在线计算量小的特点。