现代工业对象的非线性、大时滞、强耦合、不确定性和时变性等复杂性一直是困扰过程控制领域的难题，智能优化算法和智能控制理论应运而生，已经成为当前控制领域的一个研究热点，成为解决各类复杂系统控制问题的重要工具。本文在掌握国内外研究现状的基础上，将先进控制技术和智能控制方法相融合，提出了无模型智能预测控制方案，主要研究内容和成果概括如下：　　 (1)、分析了人工免疫优化算法原理与特点，针对克隆选择算法具有容易陷入局部最优等不足，对其进行了改进，提出了免疫记忆多克隆算法(MMCSA)。主要改进措施有：采用浮点编码；增加了四种操作算子；自适应调整算法参数；根据亲和度大小将整个抗体群划分为四类，每类抗体群采用不同的操作算子。从理论上证明了该算法的收敛性，对典型测试函数的优化证明了该算法能够全局收敛。　　 (2)、对模糊C-均值(FCM)聚类算法进行了改进，提出了模糊核层次聚类算法(FKLC)。主要改进措施有：引入了核聚类方法；增加了截集算子：采用MMCSA算法优化性能函数进行全局寻优：采用二叉树分裂方式进行层次聚类。仿真结果证明了该算法能有效克服FCM算法不足。　　 (3)、在研究T-S型RBF模糊神经网络(T-SRBFFNN)的基础上提出了一种T-S型动态递归RBF模糊神经网络(T-SDRRBFFNN)，给出了其拓扑模型，从理论上证明了它的收敛性，对其重点研究了学习算法。离线学习阶段，采用FKLC算法和MMCSA算法分别确定该网络的前件和后件；在线学习阶段，先动态调整网络结构，然后采用分组局部优化策略，对隐含层和反馈层的参数采用动态BP算法，对输出层权值采用新型的无模型优化算法(MFOA)。对非线性系统的辨识仿真结果证明了T-SDRRBFFNN比T-SRBFFNN有更强的逼近能力。　　 (4)、由NARMAX模型推导出了无模型控制算法(MFAC)，从理论上证明了该算法的收敛性和合理性，在此基础上提出了广义无模型控制算法(GMFAC)。仿真结果证明了GMFAC比M.AC更适合控制较大时滞的非线性系统。　　 (5)、结合预测控制机理和智能控制方法，提出了一种新的无模型智能预测控制方法。T-SDRRBFFNN网络担任预测模型，用自补偿式的反馈校正法进行误差补偿，控制器部分采用新型无模型控制算法进行预测控制。对CSTR系统的仿真结果证明了该方法的稳定性和鲁棒性。