预测控制是面向实际工业过程发展起来的一类先进控制方法，一直深受控制界的关注，将智能控制理论与预测控制机理相结合，使预测控制向智能化方向发展，以满足复杂工业过程控制的需要，是当前预测控制发展的新趋势。本文针对工业控制过程中的实际问题对智能预测控制进行了深入的研究，提出了几种新的智能预测控制算法，并结合浙江省重点科技项目，以水泥生产过程中关键性工艺环节为对象，设计了一类新的智能预测控制器。实际运行结果表明，该算法能获得良好的控制效果。总结全文，论文的主要内容可概括如下： 1．在介绍了T-S模糊模型和GPC基本原理的基础上，将基于T-S模型的GPC归纳为三种算法，从理论上对这三种算法进行了详细地推导，并通过仿真研究比较了三种算法的控制性能和计算负担上的差异；从而为这一类模糊预测控制的实际应用提供了选择的依据，也为进一步的性能分析奠定了基础。 2．根据水泥生产线系统复杂、干扰频繁、全局模型建立困难的实际情况，通过对回转窑烧成工艺和分解炉过程特性的分析，提出一种基于T-S模型的多模结构的预测控制算法，并在DCS系统中开发了实时控制的软件。实际应用表明，对于存在着大时滞和参数时变的水泥回转窑系统，该算法不但能获得良好的控制精度(温度波动不超过850±10％℃)，而且能明显地提高水泥熟料的分解率。 3．灰色预测是根据被控对象的动态行为和运行趋势进行分析的预测方式。它具有建模数据量小，计算简单的特点，适用于不确定性复杂系统动态预测。在介绍了灰色系统建模理论的基础上，将灰色模型引入到预测模糊控制中。针对灰色预测步长对控制性能影响进行了详细分析，在此基础上，首次提出一种基于预测步长自调整的灰色预测模糊控制器。通过仿真研究验证了该方法能明显地改善常规模糊控制和固定预测步长的灰色预测模糊控制效果。 4．神经网络预测控制是智能预测控制的一个重要组成部分。通过对PH中和过程的分析，针对常规DMC方法在控制该过程中存在的问题，提出一种基于CMAC的非线性DMC控制算法，并通过仿真验证了该算法能有效地克服常规 浙门刁、学协l学位论义 仰I儿 D＊C方沿存在的不足，有效地改故了控十帅l能。。5．实！讨性和收敛性的矛盾是N祈￥遗传算法在非线性预测控制滚动优化叶。应 用的一大戒题，针对这一问题，本文对标准迅传算法进行了改进，首次提山一fZ。 基于启发式遗传算法。根扼被控对象的状态信；③、，在实时优化中适时调整控制显 的搜索区域，并将这种方法应用于基于＊＊＊C网络的非线性预测控制中。仿真 结果表明，该优化方法能较好地克服了标准遗传算法所存在的缺陷，不仅实时性 较强，控制精度也有显著提高，从而为提升遗传算法在非线性预测控制中的适用 性作出了有益的探索。